首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于路径相似度测量的谱聚类算法研究

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

论文共69页,点击 下载论文
上一篇:支持向量回归增量学习算法研究
下一篇:基于主题爬虫的视频教程库的研究与设计--以3dmax学科为例