基于高斯混合模型的聚类算法及其在图像分割中的应用
| 中文摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-24页 |
| ·课题研究背景 | 第12-13页 |
| ·国内外研究现状 | 第13-21页 |
| ·聚类分析简介 | 第13-15页 |
| ·有限混合模型及其应用 | 第15-19页 |
| ·图像分割简介 | 第19-21页 |
| ·本文组织结构 | 第21-24页 |
| 第二章 基于高斯混合模型的 EM 算法 | 第24-38页 |
| ·高斯混合模型及其参数估计的 EM 算法 | 第24-32页 |
| ·高斯混合模型 | 第24-25页 |
| ·参数估计 | 第25-31页 |
| ·模拟数值实验 | 第31-32页 |
| ·EM 算法的初始化方法 | 第32-36页 |
| ·EM 算法初始化对参数估计的影响分析 | 第32-33页 |
| ·利用 k 均值算法对 EM 算法进行初始化 | 第33-35页 |
| ·模拟数值实验 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第三章 基于高斯混合模型的贝叶斯阴阳和谐学习算法 | 第38-45页 |
| ·模型选择问题 | 第38-39页 |
| ·后向结构的动态正则化 BYY 学习算法 | 第39-42页 |
| ·模拟数值实验 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 基于高斯混合模型的图像分割 | 第45-50页 |
| ·基于高斯混合模型的图像分割算法 | 第45-47页 |
| ·模拟图像分割实验 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·本文工作总结 | 第50-51页 |
| ·前景展望 | 第51-52页 |
| 参考文献 | 第52-60页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第60-61页 |
| 致谢 | 第61页 |
