基于改进的FCM算法在图像分割中的应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题研究的目的和意义 | 第9页 |
| 1.2 图像分割方法的研究现状 | 第9-13页 |
| 1.2.1 基于边缘检测的分割方法 | 第10页 |
| 1.2.2 基于区域的分割方法 | 第10-11页 |
| 1.2.3 基于图论的图像分割方法 | 第11-12页 |
| 1.2.4 基于聚类的图像分割方法 | 第12-13页 |
| 1.3 本文研究的主要内容与文章结构 | 第13-14页 |
| 2 模糊C均值聚类 | 第14-21页 |
| 2.1 算法原理 | 第14-16页 |
| 2.2 常用FCM的改进方法 | 第16-19页 |
| 2.2.1 FCMS算法 | 第17-18页 |
| 2.2.2 FCM_S1算法与FCM_S2算法 | 第18页 |
| 2.2.3 KFCM算法 | 第18-19页 |
| 2.3 FCM算法的评价函数 | 第19-20页 |
| 2.4 小结 | 第20-21页 |
| 3 基于改进遗传算法的模糊C均值聚类算法 | 第21-36页 |
| 3.1 遗传算法与改进 | 第21-25页 |
| 3.1.1 概述 | 第21页 |
| 3.1.2 RGA的工作原理 | 第21-25页 |
| 3.2 RGA-FCM算法 | 第25-29页 |
| 3.2.1 算法设计与分析 | 第26-29页 |
| 3.3 实验仿真与结果分析 | 第29-35页 |
| 3.3.1 基于飞机巡航问题的实验 | 第29-31页 |
| 3.3.2 UCI数据集聚类 | 第31-33页 |
| 3.3.3 对图像的分割 | 第33-35页 |
| 3.4 小结 | 第35-36页 |
| 4 基于随机游走算法的FCM图像分割算法 | 第36-45页 |
| 4.1 随机游走算法 | 第36-38页 |
| 4.1.1 基于随机游走的图像分割算法 | 第36-37页 |
| 4.1.2 随机游走的求解过程 | 第37-38页 |
| 4.2 基于随机游走的FCM的图像分割算法 | 第38-41页 |
| 4.2.1 算法的基本思想 | 第38-39页 |
| 4.2.2 SFCM算法原理 | 第39-41页 |
| 4.3 实验结果与分析 | 第41-44页 |
| 4.3.1 对房屋图像的分割 | 第41-42页 |
| 4.3.2 对脑部图像的分割 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-52页 |
| 附录A 攻读硕士学位期间的成果 | 第52-53页 |
| 致谢 | 第53-54页 |
