谱聚类算法研究及其在图像识别中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景与意义 | 第10页 |
| ·谱聚类算法研究现状及发展 | 第10-12页 |
| ·图像识别概述 | 第12-13页 |
| ·图像识别研究现状及发展 | 第12页 |
| ·基于谱聚类的图像识别 | 第12-13页 |
| ·论文主要工作和结构安排 | 第13-14页 |
| 第二章 谱聚类的相关知识 | 第14-21页 |
| ·本章引言 | 第14页 |
| ·谱聚类理论基础 | 第14-17页 |
| ·图的基本概念 | 第14-16页 |
| ·图的划分准则 | 第16-17页 |
| ·相似矩阵和图的 Laplacian 矩阵 | 第17页 |
| ·谱聚类算法 | 第17页 |
| ·聚类评价测度 | 第17-20页 |
| ·集合匹配评估测度 | 第18-19页 |
| ·成对匹配评估测度 | 第19-20页 |
| ·基于熵的评估测度 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第三章 相似矩阵构建方法对谱聚类性能影响评估 | 第21-36页 |
| ·本章引言 | 第21页 |
| ·相似矩阵构建方法的研究现状 | 第21-23页 |
| ·几种常见的构建方法 | 第23-26页 |
| ·相似矩阵构建方法对谱聚类算法性能影响的实验评估 | 第26-34页 |
| ·参数设置 | 第26-27页 |
| ·人工数据集 | 第27-31页 |
| ·人工数据集的结果分析 | 第31页 |
| ·UCI 数据集 | 第31-34页 |
| ·UCI 数据集的结果分析 | 第34页 |
| ·结论 | 第34页 |
| ·本章小结 | 第34-36页 |
| 第四章 基于共享近邻重要性的自适应谱聚类算法 | 第36-49页 |
| ·本章引言 | 第36页 |
| ·顶点重要性测度 | 第36-37页 |
| ·顶点的度分布 | 第36页 |
| ·顶点的重要性 | 第36-37页 |
| ·共享近邻点 | 第37-38页 |
| ·基于共享近邻重要性的相似矩阵构建方法 | 第38-40页 |
| ·基于共享近邻重要性的自适应谱聚类算法 | 第40页 |
| ·实验分析 | 第40-47页 |
| ·评价方法的选取 | 第40页 |
| ·参数设置 | 第40-41页 |
| ·人工数据集 | 第41-42页 |
| ·UCI 数据集 | 第42-43页 |
| ·手写数字数据集 | 第43-45页 |
| ·参数敏感性分析 | 第45-46页 |
| ·结论 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 谱聚类在图像识别中的应用 | 第49-58页 |
| ·本章引言 | 第49页 |
| ·基于谱聚类的图像识别系统 | 第49-57页 |
| ·原始图像 | 第50页 |
| ·图像预处理 | 第50-52页 |
| ·特征提取和特征选择 | 第52-54页 |
| ·基于谱聚类的图像识别 | 第54-57页 |
| ·结论 | 第57页 |
| ·本章小结 | 第57-58页 |
| 第六章 结论与展望 | 第58-60页 |
| ·文章内容总结 | 第58-59页 |
| ·工作展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文目录 | 第66-67页 |
