模糊聚类及其在图像分割中的应用

摘要	第1-6页
Abstract	第6-10页
第1章 绪论	第10-17页
·选题的目的及意义	第10-11页
·图像分割方法概述	第11-13页
·图像分割原理	第11-12页
·传统图像分割方法概述	第12-13页
·模糊聚类及其在图像分割中的应用	第13-15页
·本文的主要工作	第15-17页
第2章 模糊聚类基本理论	第17-25页
·模糊数学基本理论	第17-18页
·经典集合	第17页
·模糊集合	第17-18页
·聚类分析	第18-21页
·聚类分析的基本概念	第18-19页
·聚类分析的数学模型	第19页
·聚类分析的分类	第19-20页
·相似性度量	第20-21页
·模糊C-均值聚类算法	第21-25页
·数据集的C 划分	第21-22页
·硬C 均值聚类算法	第22页
·模糊C 均值聚类算法	第22-25页
第3章 一种新的基于约束的半监督模糊C-均值算法	第25-37页
·机器学习策略简介	第25-28页
·半监督学习技术	第25-26页
·半监督学习现状	第26-28页
·半监督聚类算法综述	第28-34页
·基于约束的半监督聚类方法	第28-29页
·基于距离的半监督聚类方法	第29-32页
·基于约束与距离的融合方法	第32-34页
·基于约束的半监督模糊C-均值算法	第34-37页
·半监督模糊C 均值聚类算法描述	第34-35页
·实验结果与分析	第35-37页
第4章 基于模糊C-均值的快速图像分割算法	第37-47页
·基于灰度信息的模糊C-均值聚类图像分割方法	第37-39页
·基于灰度的模糊C-均值分割改进算法	第39-41页
·改进的快速算法	第41-47页
·算法描述	第41-42页
·实验分析	第42-46页
·实验结果与分析	第46-47页
第5章 总结与展望	第47-49页
·本文的主要工作	第47页
·进一步研究工作的展望	第47-49页
参考文献	第49-53页
致谢	第53-54页
攻读硕士学位期间发表论文情况	第54页
攻读硕士学位期间参与科研项目情况	第54页