| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 选题意义和研究背景 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 图像分割研究现状 | 第8-10页 |
| 1.2.2 基于模糊聚类算法的图像分割算法研究现状 | 第10-11页 |
| 1.3 评估图像分割方法 | 第11-12页 |
| 1.4 本文的主要研究工作及结构安排 | 第12-13页 |
| 第二章 模糊数学和聚类算法简介 | 第13-22页 |
| 2.1 模糊数学理论简介 | 第13页 |
| 2.2 模糊集基础 | 第13-15页 |
| 2.3 模糊聚类分析 | 第15-18页 |
| 2.3.1 硬分类(HCM) | 第16页 |
| 2.3.2 模糊分类 | 第16-17页 |
| 2.3.3 模糊聚类准则 | 第17-18页 |
| 2.4 模糊C-均值算法(FCM) | 第18-21页 |
| 2.4.1 FCM算法的理论基础 | 第18-19页 |
| 2.4.2 FCM算法过程 | 第19-20页 |
| 2.4.3 FCM算法分析 | 第20-21页 |
| 2.4.4 FCM算法的应用 | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 一种改进型粒子群算法 | 第22-33页 |
| 3.1 引言 | 第22页 |
| 3.2 粒子群算法原理简介及研究状况 | 第22-26页 |
| 3.2.1 群智能算法概述 | 第22页 |
| 3.2.2 粒子群算法简介 | 第22-23页 |
| 3.2.3 基本粒子群算法 | 第23-25页 |
| 3.2.4 粒子群算法的研究概况 | 第25-26页 |
| 3.3 粒子群优化算法的发展 | 第26-28页 |
| 3.4 一种改进的粒子群算法 | 第28-32页 |
| 3.4.1 对基本粒子群算法的改进 | 第28-29页 |
| 3.4.2 测试函数的描述 | 第29-31页 |
| 3.4.3 算法的参数比较分析 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 一种融合PSO思想的模糊聚类超声图像分割方法 | 第33-43页 |
| 4.1 基于聚类算法FCM的图像分割技术 | 第33-34页 |
| 4.2 融入PSO的模糊C-均值聚类超声图像分割方法PSO-FCM | 第34页 |
| 4.3 本论文改进的算法流程 | 第34-35页 |
| 4.4 实验结果与分析 | 第35-42页 |
| 4.4.1 基于matlab的参数设置 | 第35-36页 |
| 4.4.2 算法的有效性评价 | 第36-37页 |
| 4.4.3 实验设置、结果分析 | 第37-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 工作总结与展望 | 第43-45页 |
| 5.1 总结 | 第43-44页 |
| 5.2 展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-50页 |
