| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及选题意义 | 第8-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文内容及结构安排 | 第12-14页 |
| 第二章 关于聚类算法的分析与研究 | 第14-28页 |
| ·聚类简介及基本概念 | 第14-19页 |
| ·类（簇）的定义表示 | 第14页 |
| ·聚类的表示方法 | 第14-15页 |
| ·常用的聚类策略 | 第15-16页 |
| ·聚类的步骤 | 第16-17页 |
| ·常用的距离函数 | 第17-18页 |
| ·聚类在实际应用中的问题 | 第18-19页 |
| ·基于划分的聚类算法简介 | 第19-21页 |
| ·常见的聚类算法的分类 | 第19-20页 |
| ·划分的聚类算法简介 | 第20-21页 |
| ·关于 K 均值算法的研究与分析 | 第21-25页 |
| ·K 均值聚类算法的基本思想与框架 | 第22-23页 |
| ·K 均值聚类算法特点分析 | 第23-25页 |
| ·基于聚类的图像分割简介 | 第25-28页 |
| ·基于聚类的图像分割方法简介 | 第25-26页 |
| ·图像分割的定义 | 第26-28页 |
| 第三章 改进的快速全局 K 均值聚类算法 | 第28-46页 |
| ·引言 | 第28-29页 |
| ·全局 K 均值算法 | 第29-33页 |
| ·全局 K 均值算法思想 | 第29-30页 |
| ·全局 K 均值算法流程 | 第30-31页 |
| ·快速全局 K-均值聚类算法 | 第31-32页 |
| ·全局 K-均值及快速全局 K-均值聚类算法复杂度分析 | 第32-33页 |
| ·改进的快速全局 K 均值聚类算法 | 第33-36页 |
| ·改进策略 | 第33-35页 |
| ·算法流程 | 第35-36页 |
| ·算法复杂度分析 | 第36页 |
| ·仿真实验及结果分析 | 第36-44页 |
| ·UCI 简单数据集实验 | 第37-43页 |
| ·大规模数据集实验 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 基于新聚类有效性函数的快速全局 K 均值聚类算法 | 第46-62页 |
| ·引言 | 第46页 |
| ·常用的有效性评价指标 | 第46-49页 |
| ·基于新聚类有效性函数的快速全局 K 均值聚类算法 | 第49-51页 |
| ·一种新的聚类有效性评价函数 | 第49-50页 |
| ·基于新聚类有效性函数的快速全局 K 均值聚类算法流程 | 第50-51页 |
| ·仿真实验及结果分析 | 第51-61页 |
| ·数值实验结果及分析 | 第51-56页 |
| ·自然图像实验结果及分析 | 第56-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 结合图像空间信息的快速全局 K-均值算法 | 第62-74页 |
| ·引言 | 第62页 |
| ·结合空间信息的快速全局 K-均值聚类算法 | 第62-65页 |
| ·图像中像素点空间信息的表示 | 第62-64页 |
| ·结合空间信息的快速全局 K-均值聚类算法 | 第64-65页 |
| ·所取图像块大小分析 | 第65-67页 |
| ·仿真实验及结果分析 | 第67-72页 |
| ·本章小结 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| ·论文工作总结 | 第74-75页 |
| ·未来工作展望 | 第75-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 硕士期间参与项目及成果 | 第84-85页 |
