| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 图像分割概述 | 第9-12页 |
| 1.2.1 图像分割定义 | 第9-10页 |
| 1.2.2 图像分割算法概括 | 第10-12页 |
| 1.3 模糊聚类在图像分割中的研究现状 | 第12-13页 |
| 1.4 支持向量机在图像分割中的研究现状 | 第13-14页 |
| 1.5 本文的主要工作 | 第14-15页 |
| 1.6 本文的结构安排 | 第15-17页 |
| 第二章 预备知识 | 第17-32页 |
| 2.1 模糊理论基础 | 第17-19页 |
| 2.1.1 模糊集合理论 | 第17-18页 |
| 2.1.2 模糊聚类理论 | 第18-19页 |
| 2.2 模糊 C 均值聚类算法 | 第19-22页 |
| 2.2.1 聚类类别数 C 的确定 | 第19-20页 |
| 2.2.2 初始聚类中心，初始隶属度矩阵的确定 | 第20-21页 |
| 2.2.3 局部极值问题 | 第21页 |
| 2.2.4 加权指数 m 的设置 | 第21-22页 |
| 2.2.5 FCM 算法的优缺点 | 第22页 |
| 2.3 支持向量机基本思想 | 第22-31页 |
| 2.3.1 线性可分的最优分类面 | 第22-26页 |
| 2.3.2 线性不可分的最优分类面 | 第26-27页 |
| 2.3.3 支持向量机 | 第27-29页 |
| 2.3.4 支持向量机核函数的选择 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于空间相似度距离的加权 FCM 图像分割 | 第32-42页 |
| 3.1 FCM 基本原理 | 第32-34页 |
| 3.1.1 FCM 目标函数 | 第32-33页 |
| 3.1.2 FCM 图像分割的基本步骤 | 第33-34页 |
| 3.2 基于空间相似度距离的加权 FCM 算法基本思想 | 第34-37页 |
| 3.2.1 空间相似度距离 | 第34-35页 |
| 3.2.2 基于空间相似度距离的加权 FCM 算法步骤 | 第35-37页 |
| 3.2.3 有效性评价函数 | 第37页 |
| 3.3 实验结果与分析 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于混沌粒子群的模糊核聚类图像分割 | 第42-53页 |
| 4.1 基于核函数的 FCM 算法 | 第42-43页 |
| 4.2 基于混沌粒子群的模糊核算法 | 第43-48页 |
| 4.2.1 粒子群优化算法的基本理论 | 第43-46页 |
| 4.2.2 PSO 早熟现象判断 | 第46-47页 |
| 4.2.3 混沌粒子群算法 | 第47页 |
| 4.2.4 CPSO-KFCM 算法流程 | 第47-48页 |
| 4.3 实验结果与分析 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 基于空间邻域信息的 FCM-SVM 图像分割 | 第53-61页 |
| 5.1 图像的空间邻域信息 | 第53-54页 |
| 5.2 基于空间邻域信息的 FCM-SVM 算法 | 第54-56页 |
| 5.3 实验结果与分析 | 第56-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第66-67页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第67-68页 |
| 致谢 | 第68页 |
