摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
1 绪论 | 第9-15页 |
1.1 研究的背景、意义及目标 | 第9-11页 |
1.1.1 研究背景 | 第9-10页 |
1.1.2 研究意义及目标 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 谱聚类算法研究现状 | 第11-12页 |
1.2.2 图像分割研究现状 | 第12-13页 |
1.3 本文的主要工作 | 第13-14页 |
1.4 本文的章节安排 | 第14-15页 |
2 谱聚类算法的基础理论 | 第15-26页 |
2.1 相似度测量 | 第15-18页 |
2.1.1 基于距离的相似度测量 | 第15-16页 |
2.1.2 基于相似系数的相似度测量 | 第16-17页 |
2.1.3 基于高斯核函数的相似度测量 | 第17-18页 |
2.1.4 其它相似度测量方法 | 第18页 |
2.2 图论基础 | 第18-22页 |
2.2.1 图的基本知识 | 第18-19页 |
2.2.2 相似图的类型及表示 | 第19-21页 |
2.2.3 图分割理论 | 第21-22页 |
2.3 经典谱聚类算法及处理过程 | 第22-25页 |
2.3.1 经典谱聚类算法介绍 | 第22-23页 |
2.3.2 谱聚类算法处理过程 | 第23-24页 |
2.3.3 尺度参数的选择 | 第24-25页 |
2.4 本章小结 | 第25-26页 |
3 改进的基于路径相似度测量的谱聚类算法 | 第26-40页 |
3.1 基于路径相似度测量的谱聚类(PB-SC) | 第26-29页 |
3.1.1 基于路径的聚类 | 第26-27页 |
3.1.2 结合路径聚类的谱聚类算法 | 第27-29页 |
3.2 基于路径相似度测量的鲁棒性谱聚类算法(RPB-SC) | 第29-33页 |
3.2.1 尺度参数的优化:邻域加权尺度因子 | 第29-31页 |
3.2.2 RPB-SC 算法相似度测量函数的构造 | 第31-32页 |
3.2.3 RPB-SC 算法描述与分析 | 第32-33页 |
3.3 实验与分析 | 第33-39页 |
3.3.1 参数设置 | 第33页 |
3.3.2 聚类结果评价 | 第33-34页 |
3.3.3 人工数据集上的实验 | 第34-38页 |
3.3.4 真实数据集上的实验 | 第38-39页 |
3.4 本章小结 | 第39-40页 |
4 改进的基于路径相似度测量的半监督谱聚类算法 | 第40-51页 |
4.1 半监督聚类分析 | 第40-42页 |
4.1.1 数据聚类先验信息的类型 | 第40-42页 |
4.1.2 半监督聚类的研究方法 | 第42页 |
4.2 基于路径相似度测量的鲁棒性半监督谱聚类算法(RPB-SSC) | 第42-45页 |
4.2.1 半监督 RPB-SSC 算法的相似度测量函数 | 第43-44页 |
4.2.2 RPB-SSC 算法描述与分析 | 第44-45页 |
4.3 实验与分析 | 第45-50页 |
4.3.1 实验相关说明 | 第45页 |
4.3.2 人工数据集上的实验 | 第45-48页 |
4.3.3 真实数据集上的实验 | 第48-50页 |
4.4 本章小结 | 第50-51页 |
5 基于 RPB-SC 和 RPB-SSC 算法的图像分割应用研究 | 第51-61页 |
5.1 彩色图像分割方法研究 | 第51-53页 |
5.1.1 颜色空间模型与转换 | 第51-52页 |
5.1.2 基于特征空间聚类的彩色图像分割 | 第52-53页 |
5.2 基于本文改进算法的彩色图像分割方法 | 第53-57页 |
5.2.1 彩色图像聚类特征的选取和整合 | 第53-54页 |
5.2.2 基于 PCA 的特征空间降维 | 第54-56页 |
5.2.3 基于本文改进算法的彩色图像分割框架 | 第56-57页 |
5.3 图像分割实验及结果分析 | 第57-59页 |
5.4 本章小结 | 第59-61页 |
6 总结与展望 | 第61-63页 |
6.1 工作总结 | 第61-62页 |
6.2 后续展望 | 第62-63页 |
致谢 | 第63-64页 |
参考文献 | 第64-69页 |
附录 | 第69页 |
A. 作者在攻读硕士学位期间发表的论文目录 | 第69页 |
B. 作者在攻读硕士学位期间参加的科研项目 | 第69页 |
C. 作者在攻读硕士学位期间获得的荣誉 | 第69页 |