| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 聚类的科学意义与应用价值 | 第8页 |
| 1.2 聚类算法的研究现状 | 第8-12页 |
| 1.3 聚类与图像处理 | 第12-13页 |
| 1.4 本文的主要工作和结构安排 | 第13-14页 |
| 第二章 改进的近邻传播聚类算法 | 第14-28页 |
| 2.1 聚类的基础知识 | 第14-17页 |
| 2.1.1 聚类的数学定义 | 第14页 |
| 2.1.2 聚类分析的典型要求 | 第14-15页 |
| 2.1.3 聚类的数据类型 | 第15-17页 |
| 2.2 近邻传播聚类算法原理 | 第17-24页 |
| 2.2.1 相似度矩阵 S 的构造 | 第17-18页 |
| 2.2.2 吸引度矩阵 R 与归属度矩阵 A | 第18-20页 |
| 2.2.3 决策矩阵 | 第20-21页 |
| 2.2.4 AP 算法步骤 | 第21-24页 |
| 2.3 改进的近邻传播聚类算法 | 第24-25页 |
| 2.4 实验结果和分析 | 第25-26页 |
| 2.4.1 评价标准 | 第25页 |
| 2.4.2 实验结果 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 MSAP 算法在图像分割中的应用 | 第28-42页 |
| 3.1 图像分割的概述 | 第28-30页 |
| 3.1.1 图像分割的数学定义 | 第28-29页 |
| 3.1.2 常用的图像分割方法 | 第29-30页 |
| 3.2 MSAP 聚类算法在图像分割中的应用 | 第30-32页 |
| 3.2.1 灰度直方图 | 第30-31页 |
| 3.2.2 基于主要灰度值的相似度矩阵构造 | 第31-32页 |
| 3.2.3 MSAP 图像分割算法步骤 | 第32页 |
| 3.3 图像分割算法评价方法 | 第32-35页 |
| 3.4 实验结果和分析 | 第35-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 MSAP 算法在图像聚类中的应用 | 第42-52页 |
| 4.1 图像的主要特征 | 第42-43页 |
| 4.2 颜色直方图特征提取 | 第43-47页 |
| 4.2.1 颜色直方图 | 第43-44页 |
| 4.2.2 颜色空间 | 第44-47页 |
| 4.3 图像分块 | 第47-48页 |
| 4.4 基于 MSAP 算法的 K-means 图像聚类 | 第48-49页 |
| 4.5 实验结果和分析 | 第49-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第五章 结论 | 第52-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-60页 |