| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 图像分割问题 | 第15-17页 |
| 1.3 图像分割方法介绍 | 第17-21页 |
| 1.3.1 阈值分割法 | 第17页 |
| 1.3.2 基于聚类的分割方法 | 第17-18页 |
| 1.3.3 区域分割法 | 第18页 |
| 1.3.4 边缘分割算法 | 第18-19页 |
| 1.3.5 基于神经网络的图像分割 | 第19页 |
| 1.3.6 基于进化算法的图像分割方法 | 第19-21页 |
| 1.4 论文主要工作 | 第21-22页 |
| 第二章 聚类分析在图像分割中的应用 | 第22-30页 |
| 2.1 聚类分析的简单介绍 | 第22-24页 |
| 2.1.1 基于划分的聚类算法 | 第22-23页 |
| 2.1.2 基于层次的聚类算法 | 第23页 |
| 2.1.3 基于网格的聚类算法 | 第23页 |
| 2.1.4 基于密度的聚类算法 | 第23页 |
| 2.1.5 模糊聚类算法 | 第23-24页 |
| 2.1.6 基于图论的聚类算法 | 第24页 |
| 2.2 聚类算法的一般框架和聚类准则 | 第24-26页 |
| 2.2.1 聚类分析的一般框架 | 第24-25页 |
| 2.2.2 聚类准则 | 第25-26页 |
| 2.3 常见的聚类像分割方法 | 第26-28页 |
| 2.3.1 K-means聚类分割法 | 第26页 |
| 2.3.2 FCM分割法 | 第26-28页 |
| 2.4 聚类分割方法的一般框架 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于迭代自组织和多智能体进化算法的聚类及其在图像分割中的应用 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 多智能体系统与人工智能 | 第30-34页 |
| 3.3 相关算子设计 | 第34-36页 |
| 3.4 基于ISODATA和MAEA的图像分割算法 | 第36-39页 |
| 3.5 实验结果 | 第39-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于多目标智能体进化算法的图像分割 | 第44-56页 |
| 4.1 多目标优化研究现状 | 第44-45页 |
| 4.2 多目标优化算法简介 | 第45-47页 |
| 4.3 相关算子设计 | 第47-48页 |
| 4.4 算法流程 | 第48-51页 |
| 4.4.1 种群选择与个体编码 | 第48页 |
| 4.4.2 多目标评价函数选择 | 第48-49页 |
| 4.4.3 邻域最优智能体的选择策略 | 第49-50页 |
| 4.4.4 多智能体的自学习算子使用 | 第50页 |
| 4.4.5 算法流程 | 第50-51页 |
| 4.5 实验结果 | 第51-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56页 |
| 5.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 作者简介 | 第64-65页 |
| 1.基本情况 | 第64页 |
| 2.教育背景 | 第64页 |
| 3.攻读硕士学位期间的研究成果 | 第64-65页 |