基于KNN的改进算法研究及其在图像去噪的应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 相关研究背景 | 第8-9页 |
| 1.2 KNN相关领域国内外研究现状 | 第9-10页 |
| 1.2.1 KNN算法的研究现状 | 第9-10页 |
| 1.2.2 参数优化研究现状 | 第10页 |
| 1.3 图像去噪研究现状 | 第10-11页 |
| 1.4 本文的主要研究内容 | 第11页 |
| 1.5 本文的内容安排 | 第11页 |
| 1.6 本章小结 | 第11-12页 |
| 第二章 KNN算法概述 | 第12-23页 |
| 2.1 KNN基本原理 | 第12-21页 |
| 2.1.1 KNN分类算法 | 第12-14页 |
| 2.1.2 相似性度量 | 第14-16页 |
| 2.1.3 数据归一化 | 第16-18页 |
| 2.1.4 分类规则 | 第18页 |
| 2.1.5 距离加权 | 第18-19页 |
| 2.1.6 KNN回归算法 | 第19-21页 |
| 2.2 KNN算法分析 | 第21-22页 |
| 2.2.1 KNN算法的优缺点 | 第21-22页 |
| 2.2.2 常见的KNN改进方法 | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于KNN的改进算法研究 | 第23-32页 |
| 3.1 KNNLC算法 | 第23-26页 |
| 3.1.1 LLC原理 | 第23-25页 |
| 3.1.2 KNNLC算法 | 第25-26页 |
| 3.2 实验 | 第26-31页 |
| 3.2.1 分类实验设计 | 第26-28页 |
| 3.2.2 分类实验结果与分析 | 第28-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 基于KNN改进的图像去噪算法 | 第32-50页 |
| 4.1 基于滤波的图像去噪概述 | 第32-35页 |
| 4.1.1 空间滤波去噪 | 第32-33页 |
| 4.1.2 均值滤波去噪 | 第33-35页 |
| 4.2 模糊集理论 | 第35-38页 |
| 4.2.1 模糊集理论概述 | 第35-38页 |
| 4.2.2 模糊集理论优化均值滤波的思路 | 第38页 |
| 4.3 基于KNN和模糊集理论的均值滤波算法 | 第38-49页 |
| 4.3.1 算法概述 | 第38-39页 |
| 4.3.2 实验设计 | 第39-41页 |
| 4.3.3 实验结果与分析 | 第41-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-51页 |
| 5.1 研究总结 | 第50页 |
| 5.2 研究展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录A 本文作者攻读硕士学位期间所发表的论文 | 第54页 |
| 附录B 本文作者攻读硕士学位期间参加的科研项目 | 第54-55页 |
| 致谢 | 第55-56页 |
