首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于模糊聚类的图像分割算法研究

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

论文共68页,点击 下载论文
上一篇:俄罗斯电力行业节能减排效果分析
下一篇:越南投资发展银行信贷风险管理研究