| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·引言 | 第7-8页 |
| ·图像分割的定义 | 第8-9页 |
| ·目前使用的图像分割算法 | 第9-12页 |
| ·边缘检测 | 第9页 |
| ·区域的生长和分裂合并 | 第9-10页 |
| ·阈值分割 | 第10-11页 |
| ·其他分割方法 | 第11-12页 |
| ·论文主要工作与论文结构 | 第12-14页 |
| ·论文主要工作 | 第12-13页 |
| ·论文的结构 | 第13-14页 |
| 第二章 免疫遗传算法概念和粗糙集基本理论 | 第14-24页 |
| ·免疫遗传算法的概念及工作原理 | 第14-18页 |
| ·免疫遗传算子及相关概念 | 第15-17页 |
| ·突变规则 | 第17-18页 |
| ·免疫算法描述 | 第18页 |
| ·粗糙集的基本理论 | 第18-23页 |
| ·粗糙集及其近似 | 第19-20页 |
| ·协调近似空间 | 第20-22页 |
| ·协调近似空间的信息刻画 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第三章 免疫网络算法和传统免疫遗传算法的改进聚类算法及应用 | 第24-34页 |
| ·FCM 聚类算法及不足 | 第24-25页 |
| ·免疫聚类算法 | 第25-32页 |
| ·免疫网络算法原理 | 第25-26页 |
| ·免疫网络算法的描述 | 第26-27页 |
| ·传统免疫聚类算法的相关概念 | 第27-29页 |
| ·传统免疫聚类算法的实现步骤 | 第29-30页 |
| ·基于聚类数和聚类中心的传统免疫聚类算法的实现步骤 | 第30-31页 |
| ·改进聚类算法的应用 | 第31-32页 |
| ·实验及分析 | 第32-33页 |
| ·实验一 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第四章 基于免疫遗传聚类和粗糙集的改进图像分割算法及应用 | 第34-51页 |
| ·粗糙集及信息的属性约简和特征 | 第34-40页 |
| ·不可分辨关系 | 第34页 |
| ·信息系统 | 第34-36页 |
| ·属性约简 | 第36-40页 |
| ·属性特征 | 第40页 |
| ·属性约简的改进算法 | 第40-42页 |
| ·算法的基本思想 | 第40-41页 |
| ·算法的实现步骤 | 第41-42页 |
| ·算法的复杂度分析 | 第42页 |
| ·实验及分析 | 第42-44页 |
| ·实验二 | 第42-44页 |
| ·分割算法 | 第44-45页 |
| ·基于免疫遗传算法聚类设计的信息表构造和区域划分 | 第44页 |
| ·基于值约简的属性权值和基本区域差异度计算 | 第44-45页 |
| ·基于差异度的初始等价关系及相似域的划分 | 第45页 |
| ·基于相似度的最终等价关系及分割 | 第45页 |
| ·算法的各步骤简要阐述 | 第45-48页 |
| ·基于聚类基础上的信息表构造和区分 | 第46页 |
| ·值简越、属性权值、区域差异度计算 | 第46-47页 |
| ·基于区域差异度的区域划分 | 第47-48页 |
| ·基于相似度最终等价关系及分割 | 第48页 |
| ·实验分析 | 第48-50页 |
| ·实验三 | 第48-49页 |
| ·实验四 | 第49-50页 |
| ·小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-52页 |
| ·总结 | 第51页 |
| ·展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第57页 |
