| 第一章 绪论 | 第1-22页 |
| ·模糊聚类分析简介 | 第12-16页 |
| ·模糊聚类与模式识别 | 第13-14页 |
| ·模糊聚类研究的目的和意义 | 第14-15页 |
| ·模糊聚类技术的特点与难点 | 第15-16页 |
| ·模糊聚类分析的发展概况与研究现状 | 第16-18页 |
| ·模糊聚类分析理论的发展概况 | 第16-17页 |
| ·模糊聚类分析理论的研究现状 | 第17-18页 |
| ·模糊聚类分析技术的应用 | 第18-20页 |
| ·在图像处理方面的应用 | 第18-19页 |
| ·在模式识别方面的应用 | 第19-20页 |
| ·本文的主要工作 | 第20-22页 |
| 第二章 模糊聚类理论基础 | 第22-36页 |
| ·模糊集合理论基础 | 第22-26页 |
| ·模糊集合的定义 | 第22-23页 |
| ·模糊性度量 | 第23-26页 |
| ·模糊聚类方法基础 | 第26-36页 |
| ·模糊聚类的定义 | 第26-27页 |
| ·模糊聚类方法的分类 | 第27-32页 |
| ·四类聚类方法的特性比较 | 第32-34页 |
| ·模糊聚类算法的实用性 | 第34-36页 |
| 第三章 模糊C—均值聚类算法及其应用研究 | 第36-59页 |
| ·模糊C—均值聚类算法简介 | 第36页 |
| ·模糊C—均值聚类算法的实现原理 | 第36-41页 |
| ·目标函数的演化过程 | 第36-37页 |
| ·基于目标函数聚类算法的分析求解过程 | 第37-39页 |
| ·硬C—均值聚类算法的实现步骤 | 第39页 |
| ·模糊C—均值聚类算法的实现步骤 | 第39-40页 |
| ·硬C—均值算法和模糊C—均值算法的比较 | 第40-41页 |
| ·模糊C—均值聚类算法的改进 | 第41-42页 |
| ·模糊C—均值聚类算法中的参数 | 第42-50页 |
| ·聚类中心的初始化 | 第42-44页 |
| ·模糊加权指数m | 第44-45页 |
| ·模糊聚类的类别数C | 第45-49页 |
| ·距离范数 | 第49页 |
| ·目标函数J的收敛性 | 第49-50页 |
| ·实验结果与分析 | 第50-58页 |
| ·在自造样本集中的应用与结果分析 | 第50-51页 |
| ·在图像中的应用与结果分析 | 第51-58页 |
| ·灰度图像聚类 | 第52-54页 |
| ·灰度图像的二值化 | 第54-55页 |
| ·彩色图像聚类 | 第55-58页 |
| ·结论 | 第58-59页 |
| 第四章 基于g_λ模糊测度的加权模糊聚类方法及其应用研究 | 第59-67页 |
| ·基于g_λ模糊测度的模糊聚类方法 | 第59-60页 |
| ·基于g_λ模糊测度的加权模糊聚类方法 | 第60-63页 |
| ·加权的模糊聚类方法 | 第60-63页 |
| ·基于统计特性的权值计算方法 | 第63页 |
| ·模糊聚类方法在图像分割中的应用 | 第63-66页 |
| ·利用一维灰度特征的一维灰度直方图加权的模糊聚类方法应用 | 第63-64页 |
| ·利用二维灰度特征的二维灰度直方图加权的模糊聚类方法应用 | 第64-66页 |
| ·结论 | 第66-67页 |
| 第五章 模糊C—均值聚类方法与基于自组织特征映射网络的聚类方法比较 | 第67-72页 |
| ·自组织特征映射网络的结构和算法原理介绍 | 第67-69页 |
| ·实验结果与分析 | 第69-72页 |
| 第六章 结论与建议 | 第72-75页 |
| ·结论 | 第72-73页 |
| ·建议 | 第73-75页 |
| 参考文献 | 第75-79页 |
