几种新聚类算法的研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.2.1 基于划分的聚类算法 | 第17页 |
| 1.2.2 基于层次的聚类算法 | 第17-18页 |
| 1.2.3 基于密度的聚类算法 | 第18-19页 |
| 1.2.4 基于网格的聚类算法 | 第19页 |
| 1.2.5 基于模型的聚类算法 | 第19-20页 |
| 1.3 聚类算法中的关键问题 | 第20-21页 |
| 1.4 研究内容及安排 | 第21页 |
| 1.5 本章小结 | 第21-22页 |
| 第二章 基础知识介绍 | 第22-32页 |
| 2.1 K-means算法 | 第22-24页 |
| 2.1.1 算法思想 | 第22-23页 |
| 2.1.2 算法步骤 | 第23-24页 |
| 2.1.3 优缺点分析 | 第24页 |
| 2.2 AP算法 | 第24-27页 |
| 2.2.1 算法思想 | 第25-26页 |
| 2.2.2 算法步骤 | 第26-27页 |
| 2.2.3 优缺点分析 | 第27页 |
| 2.3 FDP算法 | 第27-29页 |
| 2.3.1 算法思想 | 第27-28页 |
| 2.3.2 算法步骤 | 第28页 |
| 2.3.3 优缺点分析 | 第28-29页 |
| 2.4 生物视觉系统相关知识 | 第29-30页 |
| 2.4.1 视觉系统与聚类分析的关系 | 第29页 |
| 2.4.2 视觉系统的结构显著性假设 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 一种利用边界信息进行聚类的算法 | 第32-48页 |
| 3.1 类边界问题描述 | 第32-33页 |
| 3.2 相关定义 | 第33-34页 |
| 3.3 算法思想 | 第34-38页 |
| 3.4 算法步骤 | 第38-39页 |
| 3.5 算法伪代码 | 第39-40页 |
| 3.6 实验结果及分析 | 第40-46页 |
| 3.6.1 实验环境 | 第40页 |
| 3.6.2 数据集介绍 | 第40-41页 |
| 3.6.3 结果分析 | 第41-46页 |
| 3.7 本章小结 | 第46-48页 |
| 第四章 基于视觉系统的网格聚类算法 | 第48-64页 |
| 4.1 相关定义 | 第48-50页 |
| 4.2 网格编号 | 第50-51页 |
| 4.3 算法思想 | 第51-54页 |
| 4.4 算法步骤 | 第54-55页 |
| 4.5 算法伪代码 | 第55-56页 |
| 4.6 实验结果及分析 | 第56-63页 |
| 4.6.1 实验环境 | 第56页 |
| 4.6.2 数据集介绍 | 第56-57页 |
| 4.6.3 结果分析 | 第57-63页 |
| 4.7 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 全文总结 | 第64页 |
| 5.2 工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |
