| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 第一章 绪论 | 第9-22页 |
| 1．1 聚类分析简介 | 第9-11页 |
| 1．2 模糊聚类算法的发展概况 | 第11-15页 |
| 1．3 聚类有效性问题的发展概况 | 第15-18页 |
| 1．4 本文的主要成果和内容安排 | 第18-22页 |
| 第二章 区间值模糊c-均值聚类算法 | 第22-40页 |
| 2．1 引言 | 第22-23页 |
| 2．2 模糊划分空间 | 第23-24页 |
| 2．3 硬c-均值聚类算法与模糊c-均值聚类算法简介 | 第24-29页 |
| 2．3．1 硬c-均值聚类算法 | 第24-25页 |
| 2．3．2 模糊c-均值聚类算法 | 第25-27页 |
| 2．3．3 隶属度的新解释 | 第27-29页 |
| 2．4 区间值模糊c-均值聚类算法 | 第29-36页 |
| 2．4．1 区间值数据 | 第30-31页 |
| 2．4．2 基于模糊逻辑神经元的聚类网络 | 第31-33页 |
| 2．4．3 区间值模糊c-均值聚类算法 | 第33-36页 |
| 2．5 实验结果 | 第36-39页 |
| 2．6 小结 | 第39-40页 |
| 第三章 加权模糊c-均值聚类算法 | 第40-52页 |
| 3．1 引言 | 第40-41页 |
| 3．2 加权模糊c-均值聚类算法 | 第41-45页 |
| 3．3 加权硬c-均值聚类算法 | 第45-46页 |
| 3．4 加权模糊c-均值聚类算法的收敛性 | 第46-48页 |
| 3．5 实验结果 | 第48-51页 |
| 3．6 小结 | 第51-52页 |
| 第四章 基于模糊划分的聚类有效性函数 | 第52-77页 |
| 4．1 引言 | 第52-53页 |
| 4．2 划分系数与划分熵 | 第53-56页 |
| 4．2．1 划分系数 | 第53页 |
| 4．2．2 划分熵 | 第53-54页 |
| 4．2．3 聚类有效性的确定 | 第54页 |
| 4．2．4 划分系数F（U；c）的物理含义 | 第54-55页 |
| 4．2．5 划分系数作为聚类有效性函数的原因 | 第55-56页 |
| 4．3 基于可能性分布的聚类有效性函数 | 第56-65页 |
| 4．3．1 可能性分布描述因子 | 第56-57页 |
| 4．3．2 可能性划分系数P（U；c） | 第57-60页 |
| 4．3．3 基于可能性分布的聚类有效性函数 | 第60页 |
| 4．3．4 实验结果 | 第60-65页 |
| 4．4 聚类有效性函数：熵公式 | 第65-71页 |
| 4．4．1 Bezdek的划分熵 | 第65页 |
| 4．4．2 可能性划分熵 | 第65-68页 |
| 4．4．3 基于熵的聚类有效性函数 | 第68-69页 |
| 4．4．4 实验结果 | 第69-71页 |
| 4．5 基于子集测度的聚类有效性函数 | 第71-75页 |
| 4．5．1 子集测度理论 | 第71-73页 |
| 4．5．2 基于子集测度的聚类有效性函数 | 第73页 |
| 4．5．3 聚类有效性的确定 | 第73-74页 |
| 4．5．4 实验结果 | 第74-75页 |
| 4．6 小结 | 第75-77页 |
| 第五章 基于几何结构的聚类有效性函数 | 第77-88页 |
| 5．1 引言 | 第77页 |
| 5．2 基于模糊相关度的聚类有效性函数 | 第77-81页 |
| 5．2．1 模糊相关度 | 第78-79页 |
| 5．2．2 聚类有效性函数的确定 | 第79页 |
| 5．2．3 实验结果 | 第79-81页 |
| 5．3 基于模糊Fisher距离的聚类有效性函数 | 第81-87页 |
| 5．3．1 Fisher距离 | 第81-82页 |
| 5．3．2 模糊Fisher距离 | 第82-83页 |
| 5．3．3 聚类有效性函数的确定 | 第83-84页 |
| 5．3．4 实验结果 | 第84-87页 |
| 5．4 小结 | 第87-88页 |
| 第六章 几个常用图像分割方法的数学解释 | 第88-109页 |
| 6．1 引言 | 第88-91页 |
| 6．1．1 相对熵 | 第89-90页 |
| 6．1．2 最大相关原则 | 第90-91页 |
| 6．2 Otsu的分割方法的数学解释 | 第91-95页 |
| 6．2．1 Otsu的分割方法 | 第91-92页 |
| 6．2．2 相关系数解释 | 第92-94页 |
| 6．2．3 条件最大相关原则解释 | 第94页 |
| 6．2．4 聚类解释 | 第94-95页 |
| 6．3 基于高斯分布的最小误差阈值分割方法的数学解释 | 第95-100页 |
| 6．3．1 最小误差阈值分割方法 | 第95-96页 |
| 6．3．2 统计相关解释 | 第96-97页 |
| 6．3．3 信息熵解释 | 第97-98页 |
| 6．3．4 最大相关原则解释 | 第98页 |
| 6．3．5 相对熵解释 | 第98-100页 |
| 6．4 基于泊松分布的最小误差阈值分割方法的数学解释 | 第100-106页 |
| 6．4．1 基于泊松分布的最小误差阈值分割方法 | 第101-104页 |
| 6．4．2 相对熵解释 | 第104-105页 |
| 6．4．3 最大相关原则解释 | 第105-106页 |
| 6．5 小结 | 第106-109页 |
| 结束语 | 第109-112页 |
| 致谢 | 第112-113页 |
| 参考文献 | 第113-128页 |
| 攻读博士期间完成的论文 | 第128-129页 |
