| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究现状和发展 | 第8-10页 |
| 1.3 主要研究内容和组织结构 | 第10-12页 |
| 2 聚类分析算法的描述 | 第12-27页 |
| 2.1 聚类分析的概念与聚类过程 | 第12-14页 |
| 2.2 聚类分析在现实中的应用 | 第14-15页 |
| 2.3 相似性度量 | 第15-17页 |
| 2.4 常用聚类方法及其算法 | 第17-23页 |
| 2.4.1 层次聚类 | 第17-20页 |
| 2.4.2 划分聚类 | 第20-22页 |
| 2.4.3 模糊K-means算法 | 第22-23页 |
| 2.5 分类效果的评价 | 第23-27页 |
| 2.5.1 类内距离准则 | 第23-24页 |
| 2.5.2 类间距离准则 | 第24页 |
| 2.5.3 类内、类间散布矩阵 | 第24页 |
| 2.5.4 类内、类间距离准则 | 第24-25页 |
| 2.5.5 其它评价准则 | 第25-27页 |
| 3 近邻传播(Affinity Propagation)聚类算法 | 第27-36页 |
| 3.1 近邻传播算法的基本原理 | 第27-32页 |
| 3.1.1 AP算法的原理 | 第27-31页 |
| 3.1.2 AP算法聚类算例及其效果图 | 第31-32页 |
| 3.2 近邻传播算法的特点分析 | 第32-34页 |
| 3.3.1 近邻传播算法性质分析 | 第32-33页 |
| 3.3.2 近邻传播聚类算法的优缺点 | 第33-34页 |
| 3.3 近邻传播算法的应用 | 第34-36页 |
| 4 图像轮廓特征的识别 | 第36-56页 |
| 4.1 引言 | 第36-37页 |
| 4.2 图像轮廓提取 | 第37-39页 |
| 4.3 特征描述方法分类 | 第39-47页 |
| 4.3.1 形状参数 | 第39-42页 |
| 4.3.2 形状上下文 | 第42-43页 |
| 4.3.3 弦长分布 | 第43-44页 |
| 4.3.4 冲击图（shock graphs） | 第44-45页 |
| 4.3.5 矩 | 第45-47页 |
| 4.4 分层特征描述子的提出 | 第47-52页 |
| 4.4.1 紧密度 | 第47页 |
| 4.4.2 形状度量 | 第47-48页 |
| 4.4.3 轮廓的光滑程度 | 第48-50页 |
| 4.4.4 轮廓的熵值 | 第50-52页 |
| 4.5 试验和分析 | 第52-55页 |
| 4.6 小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56页 |
| 5.2 研究展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 附录 | 第65页 |
| A. 作者在攻读学位期间发表的论文 | 第65页 |