| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 选题背景和意义 | 第10-12页 |
| 1.2 国内外相关研究现状 | 第12-14页 |
| 1.2.1 核模糊C均值聚类算法研究现状 | 第12-13页 |
| 1.2.2 模糊聚类算法在医学影像分割中的研究现状 | 第13-14页 |
| 1.3 本文研究内容及创新 | 第14-15页 |
| 1.4 本文结构安排 | 第15-18页 |
| 第二章 模糊C均值聚类算法 | 第18-30页 |
| 2.1 聚类算法简介 | 第18-20页 |
| 2.1.1 硬聚类算法 | 第18-19页 |
| 2.1.2 模糊聚类算法 | 第19-20页 |
| 2.2 模糊C均值聚类算法介绍 | 第20-23页 |
| 2.2.1 模糊C均值聚类算法原理 | 第20-22页 |
| 2.2.2 模糊C均值聚类算法性能分析 | 第22页 |
| 2.2.3 模糊C均值聚类算法的相关改进 | 第22-23页 |
| 2.3 核模糊C均值聚类算法 | 第23-29页 |
| 2.3.1 核方法 | 第23-24页 |
| 2.3.2 核模糊C均值聚类算法原理 | 第24-27页 |
| 2.3.3 核模糊C均值聚类算法在医学图像分割中应用 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 优化的核模糊C均值聚类算法 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 传统蝙蝠算法介绍 | 第30-33页 |
| 3.2.1 传统蝙蝠算法基本原理 | 第31-32页 |
| 3.2.2 传统蝙蝠算法分析 | 第32-33页 |
| 3.3 改进的蝙蝠算法 | 第33-39页 |
| 3.3.1 改进的蝙蝠算法 | 第33-35页 |
| 3.3.2 改进的蝙蝠算法流程 | 第35-37页 |
| 3.3.3 用测试函数进行实验分析 | 第37-39页 |
| 3.4 优化的核模糊C均值聚类算法 | 第39-43页 |
| 3.4.1 算法原理及流程 | 第39-41页 |
| 3.4.2 基于数据集的实验结果与分析 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 结合二维直方图和模糊聚类的乳腺图像分割 | 第44-58页 |
| 4.1 乳腺肿块分割过程 | 第44页 |
| 4.2 乳腺图像数据库简介 | 第44-46页 |
| 4.2.1 MIAS图像库 | 第45页 |
| 4.2.2 CBIS-DDSM图像库 | 第45-46页 |
| 4.3 图像预处理 | 第46-48页 |
| 4.3.1 去背景干扰 | 第47页 |
| 4.3.2 去除胸肌获取乳腺区域 | 第47-48页 |
| 4.4 结合二维直方图和模糊聚类的乳腺图像分割 | 第48-51页 |
| 4.5 实验结果与分析 | 第51-58页 |
| 4.5.1 分割结果对比 | 第52-55页 |
| 4.5.2 定量分析 | 第55-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 未来展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |