首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

复杂结构的聚类学习及图像分割研究

摘要第1-6页
ABSTRACT第6-17页
第一章 绪论第17-25页
   ·引言第17-19页
     ·聚类问题的本质第17-18页
     ·聚类问题的理论化第18页
     ·聚类问题的应用化第18-19页
   ·聚类学习的基本步骤第19-20页
   ·复杂结构的聚类学习第20-23页
   ·本文的主要研究工作第23-25页
第一部分 复杂结构的聚类学习第25-85页
 第二章 背景知识及相关工作第26-37页
   ·引言第26-27页
   ·相似性度量第27-28页
   ·最优划分方法第28-36页
     ·基于准则函数的聚类算法第29-34页
     ·基于相似性的启发式聚类算法第34-36页
   ·本章小结第36-37页
 第三章 基于结构连通的启发式聚类算法第37-65页
   ·引言第37-38页
   ·数据的结构性描述和结构性信息第38-46页
     ·数据的结构性描述第38-40页
     ·邻域密度指标(NDI)第40-41页
     ·基于多项式核的邻域密度指标(PKNDI)第41-46页
   ·连通性和正规化的结构性度量第46-52页
     ·基于质心的连通性第46-48页
     ·规范化的结构性度量第48-52页
   ·基于结构连通的启发式聚类算法及其数值实验第52-64页
     ·算法描述第52-53页
     ·基于欧氏距离的结构连通聚类算法的数值实验分析第53-57页
     ·基于多项式核的结构连通聚类算法的数值实验分析第57-64页
   ·本章小结第64-65页
 第四章 结构一致性的紧性准则聚类算法第65-85页
   ·引言第65页
   ·基于密度一致准则的相似性矩阵第65-71页
     ·k 邻域和局部密度第66-67页
     ·密度一致的相似性矩阵第67-69页
     ·密度一致相似性矩阵的有效性第69-71页
   ·基于密度一致的紧性准则聚类算法第71-79页
     ·基于密度一致准则的谱聚类算法及其数值实验分析第71-77页
     ·基于密度一致准则的FCM 算法及其数值实验分析第77-79页
   ·基于子空间邻域的聚类算法第79-84页
     ·基于子空间邻域的相似性矩阵第79-81页
     ·子空间邻域谱聚类算法及其数值实验分析第81-82页
     ·子空间邻域FCM 算法及其数值实验分析第82-84页
   ·本章小结第84-85页
第二部分 复杂结构的图像分割第85-113页
 第五章 基于灰度邻域的有向树图像分割算法第86-95页
   ·引言第86-87页
   ·灰度邻域密度因子第87-89页
   ·GNDT 分割算法第89-90页
   ·参数分析及实验结果比较第90-94页
     ·GNDT 算法的参数分析第91-93页
     ·图像分割实验结果比较第93-94页
   ·本章小结第94-95页
 第六章 基于尺度的一致连通树图像分割算法第95-113页
   ·引言第95-96页
   ·一致连通性分割准则第96-100页
     ·邻域一致性因子第96-99页
       ·方形邻域第96-97页
       ·邻域一致性因子第97-99页
     ·一致连通性分割准则第99-100页
       ·种子像素第99页
       ·一致连通性分割准则第99-100页
   ·CCT 分割算法第100-104页
     ·CCT 分割算法第101-102页
     ·CCT 算法的参数分析第102-103页
     ·CCT 算法的复杂度分析第103-104页
   ·实验结果及分析第104-112页
     ·人工图像的分割结果比较第104-106页
     ·自然灰度图像的分割结果比较第106-109页
     ·“噪声”类解释第109-110页
     ·分割实验评价第110-112页
   ·本章小结第112-113页
第七章 结束语第113-116页
   ·总结第113-114页
   ·展望第114-116页
参考文献第116-124页
致谢第124-125页
博士期间的研究成果及发表的学术论文第125-126页
攻读博士学位期间参加科研项目情况第126页

论文共126页,点击 下载论文
上一篇:体三维显示系统关键技术研究与实现
下一篇:虚拟现实中若干图像关键技术研究