| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 论文的研究内容与章节安排 | 第12-14页 |
| 第二章 聚类分析 | 第14-39页 |
| 2.1 聚类分析概述 | 第14-16页 |
| 2.2 K-means聚类算法 | 第16-19页 |
| 2.3 近邻聚类算法 | 第19-22页 |
| 2.4 模糊C均值聚类算法 | 第22-33页 |
| 2.4.1 国内外发展状况 | 第22-24页 |
| 2.4.2 模糊C均值聚类算法有效性判别 | 第24-27页 |
| 2.4.3 模糊集理论 | 第27-28页 |
| 2.4.4 模糊C均值聚类算法 | 第28-33页 |
| 2.5 改进的模糊C均值聚类算法 | 第33-38页 |
| 2.5.1 算法的提出 | 第33页 |
| 2.5.2 相关定义 | 第33-34页 |
| 2.5.3 算法的实现 | 第34-36页 |
| 2.5.4 仿真实验 | 第36-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第三章 基于模糊聚类的图像分割 | 第39-43页 |
| 3.1 基于模糊C均值聚类算法的图像分割 | 第39-40页 |
| 3.2 基于密度函数加权的模糊C均值聚类算法的图像分割 | 第40-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 实验与分析 | 第43-69页 |
| 4.1 对灰度图像的分割 | 第43-46页 |
| 4.2 对噪声图像的分割 | 第46-52页 |
| 4.2.1 实验一 | 第47-49页 |
| 4.2.2 实验二 | 第49-52页 |
| 4.3 对彩色图像的分割 | 第52-56页 |
| 4.3.1 实验一 | 第53-54页 |
| 4.3.2 实验二 | 第54-56页 |
| 4.4 对纹理图像的分割 | 第56-63页 |
| 4.4.1 特征空间提取 | 第56-57页 |
| 4.4.2 实验结果 | 第57-63页 |
| 4.5 对遥感影像的分割 | 第63-68页 |
| 4.6 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 全文总结 | 第69-70页 |
| 5.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻读学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77页 |