首页--工业技术论文--无线电电子学、电信技术论文--雷达论文--雷达设备、雷达站论文--雷达接收设备论文--数据、图像处理及录取论文

基于高斯混合模型的参数迁移聚类

摘要第1-4页
Abstract第4-6页
目录第6-8页
第一章 绪论第8-16页
   ·研究背景第8-9页
   ·聚类算法概述及相关问题第9-14页
     ·聚类算法概述第9-10页
     ·高斯混合模型第10-11页
     ·EM算法第11-13页
     ·EM算法缺陷第13-14页
   ·论文结构安排第14-16页
第二章 基于空间信息的EMBoost聚类第16-26页
   ·引言第16页
   ·聚类集成第16-20页
     ·聚类集成概述第16-17页
     ·聚类集成的个体生成第17-19页
     ·多个聚类结果的合并第19页
     ·基于Bagging的EM聚类第19-20页
     ·基于Boosting的EM聚类第20页
   ·空间信息与EMBoost聚类的结合第20-21页
   ·基于空间信息的EMBoost聚类算法步骤第21页
   ·实验结果与分析第21-25页
     ·UCI数据集聚类结果第22-23页
     ·纹理图像分割第23-24页
     ·SAR图像分割第24-25页
   ·本章小结第25-26页
第三章 基于空间信息的GMM参数迁移聚类第26-38页
   ·引言第26页
   ·源域和目标域的划分第26-28页
     ·样本的描述第26-27页
     ·目标域与源域的划分第27-28页
   ·参数迁移第28页
   ·基于GMM的参数迁移聚类第28-30页
   ·基于空间信息的GMM参数迁移聚类第30-31页
   ·实验结果与分析第31-37页
     ·UCI数据集聚类结果第32-33页
     ·图像分割第33-37页
   ·本章小结第37-38页
第四章 基于块的参数迁移聚类第38-46页
   ·引言第38页
   ·基于块的参数迁移聚类第38-40页
     ·图像预处理第38-39页
     ·基于块的参数迁移聚类第39-40页
   ·块参数迁移聚类的算法第40-41页
   ·实验结果与分析第41-45页
     ·纹理图像实验结果第41-43页
     ·SAR图像实验结果第43-45页
   ·本章小结第45-46页
总结与展望第46-48页
 总结第46-47页
 展望第47-48页
致谢第48-50页
参考文献第50-54页
硕士期间的学术成果第54页

论文共54页,点击 下载论文
上一篇:结合结构信息和统计特征的SAR图像目标检测
下一篇:极化SAR图像分类与分类器的回归实现