| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要工作和安排 | 第11-12页 |
| 第二章 谱聚类基本理论 | 第12-20页 |
| 2.1 图的基本理论 | 第12-13页 |
| 2.1.1 图的数学描述 | 第12页 |
| 2.1.2 图的矩阵表示 | 第12-13页 |
| 2.2 谱图划分准则 | 第13-15页 |
| 2.3 相似矩阵和Laplacian矩阵 | 第15-16页 |
| 2.4 经典的谱聚类算法 | 第16-18页 |
| 2.4.1 SM算法 | 第16-17页 |
| 2.4.2 SLH算法 | 第17页 |
| 2.4.3 NJW算法 | 第17-18页 |
| 2.5 小结 | 第18-20页 |
| 第三章 基于邻域信息的模糊谱聚类算法 | 第20-34页 |
| 3.1 引言 | 第20页 |
| 3.2 模糊局部信息C均值算法 | 第20-22页 |
| 3.2.1 FLICM算法的基本框架 | 第20-21页 |
| 3.2.2 参数估计 | 第21页 |
| 3.2.3 FLICM算法实现步骤 | 第21-22页 |
| 3.3 基于邻域信息的模糊谱聚类算法 | 第22-25页 |
| 3.3.1 基于邻域信息的模糊谱聚类算法框架 | 第22-23页 |
| 3.3.2 基于邻域信息的模糊谱聚类算法在UCI数据集上的应用 | 第23页 |
| 3.3.3 基于邻域信息的模糊谱聚类算法在遥感图像变化检测中的应用 | 第23-25页 |
| 3.4 实验结果及分析 | 第25-33页 |
| 3.4.1 实验数据 | 第25-27页 |
| 3.4.2 评价指标 | 第27-28页 |
| 3.4.3 实验结果及分析 | 第28-33页 |
| 3.5 小结 | 第33-34页 |
| 第四章 基于双边融合的谱聚类变化检测算法 | 第34-46页 |
| 4.1 引言 | 第34页 |
| 4.2 基于次序统计量的谱聚类算法 | 第34-36页 |
| 4.2.1 次序统计量 | 第34-35页 |
| 4.2.2 基于次序统计量的相似度函数 | 第35页 |
| 4.2.3 基于次序统计量的谱聚类算法在遥感图像变化检测中的应用 | 第35-36页 |
| 4.3 基于双边融合的谱聚类算法 | 第36-38页 |
| 4.3.1 双边滤波概述 | 第36-37页 |
| 4.3.2 基于双边融合的相似度函数 | 第37页 |
| 4.3.3 基于双边融合的谱聚类算法在遥感图像变化检测中的应用 | 第37-38页 |
| 4.4 实验结果及分析 | 第38-43页 |
| 4.4.1 实验数据 | 第39-40页 |
| 4.4.2 评价指标 | 第40页 |
| 4.4.3 实验结果及分析 | 第40-43页 |
| 4.5 小结 | 第43-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 致谢 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 作者在读期间的研究成果 | 第54-55页 |
