| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题来源 | 第8页 |
| 1.2 课题研究的背景和意义 | 第8-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.3.1 国内研究现状 | 第10-11页 |
| 1.3.2 国外研究现状 | 第11-12页 |
| 1.4 主要研究内容 | 第12-13页 |
| 第2章 谱图矩阵及拉普拉斯矩阵的建立 | 第13-23页 |
| 2.1 引言 | 第13页 |
| 2.2 点云数据点拓扑关系的建立 | 第13-18页 |
| 2.2.1 点云模型的图表示 | 第13-15页 |
| 2.2.2 谱图矩阵 | 第15-18页 |
| 2.3 图的分割描述函数 | 第18-20页 |
| 2.4 图的拉普拉斯矩阵 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于标准谱特征向量的聚类分割 | 第23-34页 |
| 3.1 引言 | 第23页 |
| 3.2 基于第二小特征值的算法 | 第23-27页 |
| 3.2.1 基本原理 | 第23-25页 |
| 3.2.2 主要步骤及分析 | 第25-27页 |
| 3.3 基于前k个小特征值的算法 | 第27-31页 |
| 3.3.1 基本原理 | 第27-30页 |
| 3.3.2 主要步骤 | 第30-31页 |
| 3.4 特征向量的相关性选择 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 p-谱的构建及其特征向量的聚类分割 | 第34-42页 |
| 4.1 引言 | 第34页 |
| 4.2 数据降维 | 第34页 |
| 4.3 引入p-Laplacian算子之后的谱聚类算法 | 第34-38页 |
| 4.3.1 p -拉普拉斯矩阵 | 第35-36页 |
| 4.3.2 p-拉普拉斯矩阵的特征值和特征向量 | 第36-38页 |
| 4.4 基于特征向量空间的k-means聚类 | 第38-41页 |
| 4.4.1 聚类个数kc值的确定 | 第39-40页 |
| 4.4.2 k-means初始聚类中心的确定 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 分割实验及分析 | 第42-51页 |
| 5.1 引言 | 第42页 |
| 5.2 实验环境介绍 | 第42-43页 |
| 5.3 三维点云数据分割实验 | 第43-47页 |
| 5.3.1 关于谱图矩阵构建方法的实验 | 第43-44页 |
| 5.3.2 关于不同谱聚类方法的实验 | 第44-47页 |
| 5.4 采样半径对于分割的影响 | 第47-49页 |
| 5.5 算法的时间复杂度 | 第49-50页 |
| 5.6 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57页 |