面向维度的高维聚类边界检测技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1. 绪论 | 第14-20页 |
| 1.1 研究的意义 | 第14页 |
| 1.2 国内外研究现状综述 | 第14-15页 |
| 1.3 国外研究 | 第15-17页 |
| 1.3.1 国内研究 | 第16-17页 |
| 1.4 研究思路和创新性工作 | 第17-19页 |
| 1.5 论文的组织结构 | 第19-20页 |
| 2. BorderShift算法 | 第20-32页 |
| 2.1 研究背景 | 第20-21页 |
| 2.2 改进的Parzen窗技术 | 第21-22页 |
| 2.3 改进的MeanShift技术 | 第22-25页 |
| 2.4 边界检测 | 第25-26页 |
| 2.5 实验与结果分析 | 第26-31页 |
| 2.5.1 合成数据集边界检测实验 | 第26-29页 |
| 2.5.2 动物边界检测实验 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 3. Spinver算法 | 第32-51页 |
| 3.1 研究背景 | 第32-33页 |
| 3.2 聚类边界模型 | 第33-37页 |
| 3.2.1 空间反演和空间投影 | 第33-35页 |
| 3.2.2 Symmetry统计量 | 第35-36页 |
| 3.2.3 边界检测 | 第36-37页 |
| 3.3 实验 | 第37-45页 |
| 3.3.1 合成数据集边界检测实验 | 第38-40页 |
| 3.3.2 医学数据集边界检测实验 | 第40-42页 |
| 3.3.3 手写体边界检测实验 | 第42-43页 |
| 3.3.4 多姿态人脸边界检测实验 | 第43-45页 |
| 3.4 讨论 | 第45-50页 |
| 3.4.1 参数性能分析 | 第45-49页 |
| 3.4.2 时间性能分析 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 4. Lever算法 | 第51-67页 |
| 4.1 研究背景 | 第51-52页 |
| 4.2 Lever算法框架 | 第52-55页 |
| 4.2.1 杠杆与高维空间 | 第52-53页 |
| 4.2.2 无限杠杆 | 第53-55页 |
| 4.3 实验 | 第55-61页 |
| 4.4 讨论 | 第61-65页 |
| 4.4.1 参数分析和建议 | 第61-63页 |
| 4.4.2 时间性能分析 | 第63-64页 |
| 4.4.3 DHBlan系数 | 第64-65页 |
| 4.5 本章小结 | 第65-67页 |
| 5. Knight算法 | 第67-78页 |
| 5.1 研究背景 | 第67-68页 |
| 5.2 骑士巡游模型 | 第68-73页 |
| 5.2.1 马尔科夫模型 | 第68-69页 |
| 5.2.2 图模型 | 第69-71页 |
| 5.2.3 边界检测 | 第71-73页 |
| 5.3 实验 | 第73-76页 |
| 5.3.1 光照边界实验 | 第73-74页 |
| 5.3.2 万维巨型空间 | 第74-76页 |
| 5.4 本章小结 | 第76-78页 |
| 6. MMC算法 | 第78-89页 |
| 6.1 研究背景 | 第78-79页 |
| 6.2 MMC框架 | 第79-82页 |
| 6.2.1 MMC算法 | 第79-82页 |
| 6.3 实验与结果分析 | 第82-89页 |
| 6.3.1 合成数据集边界检测 | 第82-84页 |
| 6.3.2 医学数据集聚类边界检测 | 第84-86页 |
| 6.3.3 多姿态人脸边界检测 | 第86-89页 |
| 7. 总结与展望 | 第89-92页 |
| 7.1 总结 | 第89-90页 |
| 7.2 展望 | 第90-92页 |
| 参考文献 | 第92-99页 |
| 个人简历、在校期间发表的学术论文与研究成果 | 第99-101页 |
| 致谢 | 第101-102页 |
