| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 谱聚类算法概述 | 第11-16页 |
| 1.2.1 图理论与谱聚类 | 第11-12页 |
| 1.2.2 谱聚类中构建相似模型方法研究现状 | 第12-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 第二章 基于小波的相似模型及规范割算法 | 第18-29页 |
| 2.1 引言 | 第18页 |
| 2.2 相关理论基础 | 第18-21页 |
| 2.2.1 常用低阶相似模型 | 第18-19页 |
| 2.2.2 核函数与小波变换 | 第19-21页 |
| 2.3 基于小波核相似的相似模型构建 | 第21-23页 |
| 2.3.1 构建基于小波核函数 | 第21-22页 |
| 2.3.2 基于小波相似度量函数 | 第22页 |
| 2.3.3 多分辨率分析与相似模型 | 第22-23页 |
| 2.4 基于小波核相似模型的谱分割算法 | 第23页 |
| 2.5 实验分析 | 第23-27页 |
| 2.6 本章小结 | 第27-29页 |
| 第三章 基于多尺度的相似模型及规范割算法 | 第29-50页 |
| 3.1 引言 | 第29页 |
| 3.2 谱图小波变换 | 第29-31页 |
| 3.3 基于谱图小波基函数的多尺度相似模型 | 第31-33页 |
| 3.3.1 基于谱图小波基函数的距离 | 第31页 |
| 3.3.2 构建多尺度相似模型 | 第31-33页 |
| 3.4 基于谱图小波基的多尺度规范割算法 | 第33-34页 |
| 3.4.1 自适应尺度选择 | 第33页 |
| 3.4.2 基于谱图小波基函数的规范割算法 | 第33-34页 |
| 3.5 实验分析 | 第34-49页 |
| 3.5.1 图像分割 | 第34-40页 |
| 3.5.2 脑MR图像分割 | 第40-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 基于逐点多分辨率的相似模型及规范割算法 | 第50-69页 |
| 4.1 引言 | 第50页 |
| 4.2 基于谱图小波系数的相似模型 | 第50-51页 |
| 4.3 近似估计算法 | 第51-54页 |
| 4.4 基于PMFD的谱聚类算法 | 第54-55页 |
| 4.5 实验分析 | 第55-65页 |
| 4.5.1 图像分割 | 第55-60页 |
| 4.5.2 脑MR图像分割 | 第60-65页 |
| 4.6 本章小结 | 第65-69页 |
| 第五章 规范割算法高阶拓展模型 | 第69-82页 |
| 5.1 引言 | 第69页 |
| 5.2 相关高阶理论 | 第69-75页 |
| 5.2.1 高阶谱聚类目标函数和相似模型 | 第69-72页 |
| 5.2.2 高阶张量基础 | 第72-75页 |
| 5.3 规范割算法高阶拓展 | 第75-77页 |
| 5.4 高阶规范割算法 | 第77-78页 |
| 5.5 实验分析 | 第78-81页 |
| 5.5.1 运动分割 | 第79页 |
| 5.5.2 人脸聚类 | 第79-81页 |
| 5.6 本章小结 | 第81-82页 |
| 第六章 全相似高阶相似模型及规范割算法 | 第82-101页 |
| 6.1 引言 | 第82-83页 |
| 6.2 全相似高阶相似模型 | 第83-85页 |
| 6.2.1 使用非标准化拉式矩阵的全相似高阶相似模型 | 第83-84页 |
| 6.2.2 使用标准化拉式矩阵的全相似高阶相似模型 | 第84-85页 |
| 6.3 全相似多阶相似模型 | 第85-87页 |
| 6.3.1 使用非标准化拉式矩阵的全相似多阶相似模型 | 第85-86页 |
| 6.3.2 使用标准化拉式矩阵的全相似多阶相似模型 | 第86-87页 |
| 6.4 全相似高阶谱聚类算法和全相似多阶谱聚类算法 | 第87-89页 |
| 6.4.1 全相似高阶谱聚类算法 | 第87-88页 |
| 6.4.2 全相似多阶谱聚类算法 | 第88-89页 |
| 6.5 实验分析 | 第89-100页 |
| 6.5.1 运动分割 | 第90-98页 |
| 6.5.2 人脸聚类 | 第98-100页 |
| 6.6 本章小结 | 第100-101页 |
| 第七章 总结与展望 | 第101-103页 |
| 致谢 | 第103-104页 |
| 参考文献 | 第104-112页 |
| 攻读博士学位期间完成的论文 | 第112页 |
