| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 K-means算法 | 第11-13页 |
| 1.2.2 聚类个数选取 | 第13-14页 |
| 1.2.3 初始中心选取 | 第14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 论文结构组织 | 第15-16页 |
| 第2章 聚类算法和图像分类的理论基础 | 第16-26页 |
| 2.1 聚类算法 | 第16-19页 |
| 2.1.1 聚类的定义 | 第16-17页 |
| 2.1.2 聚类分析中的数据 | 第17-18页 |
| 2.1.3 聚类的相似性度量 | 第18-19页 |
| 2.2 聚类分析方法 | 第19-22页 |
| 2.3 聚类评价准则 | 第22-23页 |
| 2.4 图像分类 | 第23-25页 |
| 2.4.1 特征提取 | 第23-24页 |
| 2.4.2 图像内容描述 | 第24-25页 |
| 2.4.3 分类器训练 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于K值和初始中心改进的K-means算法 | 第26-40页 |
| 3.1 引言 | 第26-27页 |
| 3.2 对经典K-means聚类算法的改进 | 第27-31页 |
| 3.2.1 对K值的改进 | 第28-29页 |
| 3.2.2 对初始中心的改进 | 第29-31页 |
| 3.3 实验结果与分析 | 第31-38页 |
| 3.3.1 数据集 | 第31-33页 |
| 3.3.2 实验设置 | 第33-34页 |
| 3.3.3 实验结果 | 第34-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第4章 基于二分思想改进的K-means算法 | 第40-50页 |
| 4.1 引言 | 第40-41页 |
| 4.2 具体方法 | 第41-45页 |
| 4.2.1 概念的定义 | 第41-42页 |
| 4.2.2 指标分析 | 第42-44页 |
| 4.2.3 ER指标与最佳聚类数和初始中心的确定 | 第44-45页 |
| 4.3 实验结果与分析 | 第45-49页 |
| 4.3.1 实验设置 | 第45页 |
| 4.3.2 实验结果 | 第45-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 二次聚类法 | 第50-60页 |
| 5.1 算法的提出 | 第50-51页 |
| 5.2 算法的具体描述 | 第51-54页 |
| 5.2.1 基本思想 | 第51-53页 |
| 5.2.2 性能分析 | 第53-54页 |
| 5.3 实验结果与分析 | 第54-59页 |
| 5.3.1 数据集 | 第54-56页 |
| 5.3.2 实验设置 | 第56页 |
| 5.3.3 实验结果 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68页 |