| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-17页 |
| 1.1 脑网络与脑功能网络概述 | 第9-10页 |
| 1.2 功能磁共振成像(fMRI)信号概述 | 第10-11页 |
| 1.3 聚类研究的重要意义 | 第11-13页 |
| 1.4 国内外研究现状及分析 | 第13-15页 |
| 1.5 论文研究内容与方向 | 第15-17页 |
| 2 fMRI图像性质与预处理 | 第17-24页 |
| 2.1 fMRI数据的性质 | 第17-18页 |
| 2.2 fMRI数据的预处理 | 第18-20页 |
| 2.3 DPABI预处理方法 | 第20-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 基于Davies Bouldin index的层次初始k-means算法 | 第24-35页 |
| 3.1 层次初始方法 | 第25-26页 |
| 3.2 DBI评价指标 | 第26-27页 |
| 3.2.1 DBI评价指标概述 | 第26页 |
| 3.2.2 DBI的优势分析 | 第26-27页 |
| 3.3 DHIKM算法描述与分析 | 第27-29页 |
| 3.3.1 算法描述 | 第27-28页 |
| 3.3.2 算法说明 | 第28页 |
| 3.3.3 算法分析 | 第28-29页 |
| 3.4 算法可行性实验 | 第29-34页 |
| 3.4.1 自动确定聚类个数的实验 | 第29-31页 |
| 3.4.2 相似算法对比性实验 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于稀疏表示的脑功能网络聚类研究 | 第35-51页 |
| 4.1 稀疏表示概述 | 第35-37页 |
| 4.2 稀疏编码算法 | 第37-40页 |
| 4.2.1 匹配追踪算法 | 第37-38页 |
| 4.2.2 正交匹配追踪算法 | 第38-40页 |
| 4.3 过完备字典学习 | 第40-44页 |
| 4.3.1 MOD算法 | 第40-41页 |
| 4.3.2 K-SVD算法 | 第41-43页 |
| 4.3.3 在线字典学习算法 | 第43-44页 |
| 4.4 脑信号的稀疏表示 | 第44-46页 |
| 4.5 实验与分析 | 第46-50页 |
| 4.5.1 实验数据 | 第46-47页 |
| 4.5.2 实验流程与结果 | 第47-50页 |
| 4.6 本章小结 | 第50-51页 |
| 5 邻近自适应的局部尺度稀疏子空间聚类 | 第51-59页 |
| 5.1 稀疏子空间聚类 | 第51-53页 |
| 5.1.1 稀疏表示优化 | 第51-52页 |
| 5.1.2 自表示的稀疏系数聚类 | 第52-53页 |
| 5.2 邻近自适应的局部尺度稀疏子空间聚类 | 第53-55页 |
| 5.2.1 邻近自适应的局部尺度 | 第53-54页 |
| 5.2.2 局部权重函数 | 第54-55页 |
| 5.3 实验与分析 | 第55-58页 |
| 5.3.1 实验数据 | 第55-56页 |
| 5.3.2 实验目标 | 第56页 |
| 5.3.3 实验结果与分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录 | 第67页 |