| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 第1 章 绪论 | 第7-10页 |
| ·问题的提出 | 第7页 |
| ·国内外研究现状 | 第7-8页 |
| ·主要研究工作和成果 | 第8-10页 |
| 第2 章 基于视觉原理的新聚类算法及其应用 | 第10-25页 |
| ·引言 | 第10页 |
| ·视觉原理和Weber 定律 | 第10-11页 |
| ·基于视觉原理的新聚类算法 | 第11-19页 |
| ·基于视觉原理的新代价函数 | 第11-15页 |
| ·多类情形的聚类 | 第15-16页 |
| ·Grouping 算法 | 第16-17页 |
| ·基于视觉原理的新聚类算法 | 第17-19页 |
| ·实验结果 | 第19-24页 |
| ·两类情形 | 第19-21页 |
| ·复杂分布情形 | 第21-23页 |
| ·图像分割 | 第23-24页 |
| ·结论 | 第24-25页 |
| 第3 章 基于Epanechnikov 核函数的有偏差采样原理 | 第25-28页 |
| ·多维核用于密度估计 | 第25-26页 |
| ·有偏差采样原理 | 第26-28页 |
| 第4 章 一致可能性聚类及其在图像分割中的应用 | 第28-43页 |
| ·引言 | 第28页 |
| ·一致可能性聚类 | 第28-36页 |
| ·指数可能性模型简介 | 第28-30页 |
| ·基于指数可能性和一致函数的聚类 | 第30-31页 |
| ·一致可能性聚类算法 | 第31-35页 |
| ·基于概率—可能性转换的初始化 | 第31-33页 |
| ·CPC 算法 | 第33-35页 |
| ·人工数据集的实验研究 | 第35-36页 |
| ·一致可能性聚类在图像分割中的应用 | 第36-42页 |
| ·基于有偏差采样与CPC 算法相结合的图像分割 | 第36-38页 |
| ·图像分割实验 | 第38-42页 |
| ·中等图像 | 第38-39页 |
| ·较复杂图像 | 第39-42页 |
| ·结论 | 第42-43页 |
| 第5 章 基于贝叶斯阴阳机聚类的图像分割及其改进 | 第43-49页 |
| ·引言 | 第43页 |
| ·基于贝叶斯阴阳机聚类的图像分割 | 第43-45页 |
| ·贝叶斯阴阳机聚类理论 | 第43-44页 |
| ·基于贝叶斯阴阳机聚类的图像分割算法 | 第44-45页 |
| ·基于贝叶斯阴阳机聚类的图像分割方法的改进 | 第45-48页 |
| ·基于有偏差采样和贝叶斯阴阳机聚类相结合的图像分割 | 第45页 |
| ·图像分割实验 | 第45-48页 |
| ·结论 | 第48-49页 |
| 第6 章 结束语 | 第49-51页 |
| ·研究成果 | 第49页 |
| ·研究工作继续的方向 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间录用和发表的论文 | 第56页 |