K-means聚类算法的改进与应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-11页 |
| 1.1 数据挖掘研究背景 | 第8-9页 |
| 1.2 聚类分析研究现状 | 第9-10页 |
| 1.3 本文的主要工作和组织结构 | 第10-11页 |
| 第2章 聚类综述 | 第11-19页 |
| 2.1 聚类 | 第11-15页 |
| 2.1.1 聚类分析的相关概念 | 第11页 |
| 2.1.2 聚类分析中的数据 | 第11-12页 |
| 2.1.3 聚类分析相似度度量和准则函数 | 第12-14页 |
| 2.1.4 聚类分析方法 | 第14-15页 |
| 2.2 K-means算法 | 第15-18页 |
| 2.2.1 K-means算法基本思想 | 第15-16页 |
| 2.2.2 K-means算法的流程 | 第16-17页 |
| 2.2.3 K-means算法聚类过程举例 | 第17-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 改进K-means算法 | 第19-27页 |
| 3.1 K-means算法的优缺点分析 | 第19页 |
| 3.2 改进K-means算法 | 第19-24页 |
| 3.2.1 k-means改进算法 | 第19-24页 |
| 3.2.2 算法分析 | 第24页 |
| 3.3 实验及分析 | 第24-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第4章 图像分割应用 | 第27-37页 |
| 4.1 研究背景 | 第27-28页 |
| 4.2 图像分割的定义 | 第28页 |
| 4.3 图像分割的分类 | 第28-29页 |
| 4.4 图像分割的过程 | 第29-34页 |
| 4.4.1 采集图像信息 | 第30-31页 |
| 4.4.2 利用K-means算法进行聚类 | 第31-33页 |
| 4.4.3 图像模块特征表示 | 第33-34页 |
| 4.5 实验结果 | 第34-36页 |
| 4.6 本章小结 | 第36-37页 |
| 第5章 全文总结与展望 | 第37-39页 |
| 5.1 全文总结 | 第37页 |
| 5.2 展望 | 第37-39页 |
| 参考文献 | 第39-43页 |
| 致谢 | 第43-44页 |
