基于蚁群算法模糊聚类的图像分割
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·课题背景 | 第8-10页 |
| ·问题的提出 | 第8-9页 |
| ·研究的意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·蚁群算法国内外研究概况 | 第10-12页 |
| ·模糊聚类算法国内外研究概况 | 第12-13页 |
| ·图像分割国内外研究概况 | 第13-14页 |
| ·本文的主要工作 | 第14-16页 |
| 2 图像分割 | 第16-24页 |
| ·图像分割的定义 | 第16-17页 |
| ·图像分割的分类 | 第17-23页 |
| ·基于数据驱动的图像分割 | 第17-19页 |
| ·基于模型驱动的图像分割 | 第19-23页 |
| ·本章小结 | 第23-24页 |
| 3 蚁群算法 | 第24-36页 |
| ·群体智能 | 第24-25页 |
| ·蚁群算法的群体行为及信息系统 | 第25-27页 |
| ·基本蚁群算法的基本原理 | 第27-28页 |
| ·基本蚁群算法的模型特征 | 第28-34页 |
| ·蚁群算法模型建立 | 第28-29页 |
| ·TSP 问题分析 | 第29-34页 |
| ·蚁群聚类算法 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 模糊聚类 | 第36-41页 |
| ·引言 | 第36-37页 |
| ·模糊聚类算法的发展概况 | 第37-38页 |
| ·硬C-均值归一（HCM）聚类算法 | 第38-39页 |
| ·模糊C-均值聚类图像分割 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 5 基于蚁群算法的模糊聚类算法 | 第41-53页 |
| ·简介 | 第41页 |
| ·改进算法 | 第41-45页 |
| ·图像特征 | 第41页 |
| ·初始聚类中心 | 第41页 |
| ·加权指数m 的优选 | 第41-44页 |
| ·马尔科夫随机场 | 第44-45页 |
| ·本文改进算法（AMFCM 算法） | 第45-52页 |
| ·AMFCM 算法流程 | 第46页 |
| ·AMFCM 算法实验结果及对比试验 | 第46-52页 |
| ·实验总结 | 第52-53页 |
| 6 结论与展望 | 第53-55页 |
| ·全文工作总结 | 第53-54页 |
| ·未来研究展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 | 第59页 |
| 作者在攻读学位期间发表的论文目录 | 第59页 |
