| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题背景及研究的目的和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 分类 | 第10-11页 |
| 1.2.2 聚类 | 第11-13页 |
| 1.2.3 多模态识别 | 第13-14页 |
| 1.2.4 特定数据结构及算法 | 第14-15页 |
| 1.3 本文的主要工作及结构安排 | 第15-16页 |
| 第2章 基于聚类的掌纹快速识别系统框架 | 第16-23页 |
| 2.1 掌纹识别过程简介 | 第16-17页 |
| 2.2 基于聚类的掌纹快速识别系统框架 | 第17-18页 |
| 2.3 基于聚类的掌纹快速识别系统的评价 | 第18-21页 |
| 2.3.1 聚类的性能评价 | 第18-20页 |
| 2.3.2 掌纹识别的评价 | 第20-21页 |
| 2.4 本文所用掌纹数据库介绍 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 K-MEANS 聚类算法及改进 | 第23-32页 |
| 3.1 聚类方法概述 | 第23-25页 |
| 3.2 K-MEANS 聚类算法及改进 | 第25-31页 |
| 3.2.1 K-MEANS 聚类算法 | 第25-26页 |
| 3.2.2 K-MEANS 聚类算法的不足及改进 | 第26-28页 |
| 3.2.3 本文的改进方法 | 第28-30页 |
| 3.2.4 实验分析 | 第30-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第4章 DBSCAN 聚类算法及改进 | 第32-41页 |
| 4.1 DBSCAN 聚类算法 | 第32-34页 |
| 4.2 DBSCAN 聚类算法的优缺点 | 第34-36页 |
| 4.3 本文对 DBSCAN 算法的改进 | 第36-38页 |
| 4.3.1 GAUSSIAN-MEANS 聚类算法 | 第36-37页 |
| 4.3.2 本文改进的 DBSCAN 算法 | 第37-38页 |
| 4.4 实验分析 | 第38-39页 |
| 4.5 本章小结 | 第39-41页 |
| 第5章 实验结果与分析 | 第41-49页 |
| 5.1 K-MEANS 掌纹识别实验分析 | 第41-47页 |
| 5.2 DBSCAN 掌纹识别实验分析 | 第47-48页 |
| 5.3 本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56页 |