| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-23页 |
| 1.1 研究背景与研究意义 | 第17-18页 |
| 1.2 国内外研究现状 | 第18-20页 |
| 1.3 研究目标、内容和创新点 | 第20-21页 |
| 1.4 论文的组织 | 第21-23页 |
| 第二章 眼动跟踪及融合算法的理论基础 | 第23-35页 |
| 2.1 眼睛特征 | 第23-26页 |
| 2.1.1 眼球模型 | 第23-24页 |
| 2.1.2 眼睛运动类型 | 第24-26页 |
| 2.2 视线跟踪技术 | 第26-29页 |
| 2.2.1 视线跟踪技术的通用模型 | 第26页 |
| 2.2.2 视线点位置估计 | 第26-29页 |
| 2.3 聚类融合方法 | 第29-33页 |
| 2.3.1 聚类融合概述 | 第29-30页 |
| 2.3.2 聚类融合方法的研究重点 | 第30-31页 |
| 2.3.3 聚类成员产生 | 第31-32页 |
| 2.3.4 共识函数设计 | 第32-33页 |
| 2.4 本章总结 | 第33-35页 |
| 第三章 模糊C均值聚类算法 | 第35-53页 |
| 3.1 模糊C均值聚类概述 | 第35-36页 |
| 3.2 相关研究 | 第36-39页 |
| 3.2.1 数据降维方法研究 | 第37页 |
| 3.2.2 最佳聚类个数的获得 | 第37-38页 |
| 3.2.3 加权指数的确定 | 第38页 |
| 3.2.4 区间值模糊C均值聚类算法 | 第38-39页 |
| 3.3 基本的FCM算法 | 第39-40页 |
| 3.4 基于区间分割的自适应区间值模糊C均值聚类算法 | 第40-45页 |
| 3.4.1 区间分割技术 | 第40-41页 |
| 3.4.2 基于区间分割技术的自适应模糊C均值聚类算法 | 第41-45页 |
| 3.5 实验结果与分析 | 第45-52页 |
| 3.5.1 实验数据集 | 第45-46页 |
| 3.5.2 评价指标 | 第46-47页 |
| 3.5.3 实验结果与分析 | 第47-52页 |
| 3.6 本章总结 | 第52-53页 |
| 第四章 眼动跟踪数据分析 | 第53-69页 |
| 4.1 眼动跟踪数据分析的发展 | 第53-55页 |
| 4.2 相关研究 | 第55-56页 |
| 4.3 一种新的三元眼动跟踪数据分类算法 | 第56-60页 |
| 4.3.1 所要解决的问题 | 第56-57页 |
| 4.3.2 算法的步骤 | 第57-60页 |
| 4.4 实验与结果分析 | 第60-67页 |
| 4.4.1 实验设置 | 第60-61页 |
| 4.4.2 实验过程 | 第61-62页 |
| 4.4.3 算法的评价指标 | 第62-63页 |
| 4.4.4 实验结果与分析 | 第63-67页 |
| 4.5 本章总结 | 第67-69页 |
| 第五章 聚类融合算法 | 第69-83页 |
| 5.1 共识矩阵与层次聚类树 | 第69-71页 |
| 5.1.1 共识矩阵 | 第69页 |
| 5.1.2 层次聚类树 | 第69-71页 |
| 5.2 信息累积算法 | 第71-72页 |
| 5.3 基于模糊C均值的聚类融合算法 | 第72-77页 |
| 5.3.1 隶属度矩阵的合成 | 第73-74页 |
| 5.3.2 构造共识矩阵 | 第74-75页 |
| 5.3.3 FCEC算法流程 | 第75-77页 |
| 5.4 实验结果与分析 | 第77-82页 |
| 5.4.1 实验数据集 | 第77-78页 |
| 5.4.2 评价指标 | 第78-79页 |
| 5.4.3 实验结果分析与讨论 | 第79-82页 |
| 5.5 本章总结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 6.1 研究总结 | 第83-84页 |
| 6.2 研究展望 | 第84-85页 |
| 参考文献 | 第85-91页 |
| 致谢 | 第91-93页 |
| 作者介绍 | 第93-94页 |
| 1. 基本情况 | 第93页 |
| 2. 教育背景 | 第93页 |
| 3. 攻读硕士学位期间的成果 | 第93-94页 |
| 3.1 发表学术论文 | 第93页 |
| 3.2 参与科研项目 | 第93-94页 |