| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 图像分割方法概述 | 第9-10页 |
| 1.3 模糊聚类算法在图像分割中的研究现状 | 第10-13页 |
| 1.4 论文主要内容和组织结构 | 第13-16页 |
| 1.4.1 论文主要内容 | 第13页 |
| 1.4.2 论文组织结构 | 第13-16页 |
| 第2章 模糊聚类概述 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 模糊理论 | 第16-17页 |
| 2.2.1 模糊理论的发展 | 第16-17页 |
| 2.2.2 模糊集合理论 | 第17页 |
| 2.3 聚类分析与模糊聚类分析 | 第17-19页 |
| 2.3.1 聚类分析 | 第17-19页 |
| 2.3.2 模糊聚类分析 | 第19页 |
| 2.4 常用聚类算法 | 第19-23页 |
| 2.4.1 硬C均值(HCM)聚类算法 | 第19-21页 |
| 2.4.2 模糊C均值(FCM)聚类算法 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于局部信息的模糊C均值图像分割算法 | 第24-40页 |
| 3.1 引言 | 第24页 |
| 3.2 基于最大密度的初始聚类中心选取算法 | 第24-26页 |
| 3.3 几种常用的FCM改进算法 | 第26-27页 |
| 3.4 基于局部信息的模糊C均值算法 | 第27-29页 |
| 3.5 聚类有效性评价方法 | 第29-31页 |
| 3.6 实验结果及分析 | 第31-39页 |
| 3.6.1 人工合成图像实验结果及分析 | 第31-34页 |
| 3.6.2 自然图像实验结果及分析 | 第34-36页 |
| 3.6.3 临床数据实验结果与分析 | 第36-39页 |
| 3.7 本章小结 | 第39-40页 |
| 第4章 结合最小距离和FCM的乳腺MR图像分割算法 | 第40-48页 |
| 4.1 引言 | 第40页 |
| 4.2 最小距离分类器 | 第40-42页 |
| 4.3 结合最小距离分类器的模糊C均值算法 | 第42-43页 |
| 4.4 实验结果及分析 | 第43-45页 |
| 4.4.1 模拟数据实验结果与分析 | 第43-44页 |
| 4.4.2 临床数据实验结果与分析 | 第44-45页 |
| 4.5 本章小结 | 第45-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 工作总结 | 第48-49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-56页 |
| 攻读硕士学位期间研究成果 | 第56页 |