| 中文摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状及分析 | 第11-13页 |
| ·主要研究内容 | 第13-14页 |
| ·论文组织 | 第14-15页 |
| 第2章 相关知识 | 第15-28页 |
| ·图像分割 | 第15-18页 |
| ·概述 | 第15-16页 |
| ·方法分类 | 第16-17页 |
| ·评价 | 第17页 |
| ·应用 | 第17-18页 |
| ·聚类算法 | 第18-22页 |
| ·硬聚类 | 第18页 |
| ·模糊聚类 | 第18-20页 |
| ·FCM算法改进 | 第20-22页 |
| ·广义熵 | 第22-23页 |
| ·神经网络算法 | 第23-25页 |
| ·集成方法 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于广义熵的空间调整聚类算法 | 第28-36页 |
| ·算法介绍 | 第28-29页 |
| ·算法实现 | 第29-35页 |
| ·中心点的优化 | 第30-32页 |
| ·模糊隶属度的优化 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于广义熵的空间调整聚类集成和约简集成方法 | 第36-42页 |
| ·基聚类 | 第36-38页 |
| ·集成 | 第38-40页 |
| ·聚类结果选取方法 | 第38-39页 |
| ·选择-加权方法 | 第39-40页 |
| ·融合 | 第40页 |
| ·约简集成 | 第40-41页 |
| ·图像约简 | 第41页 |
| ·数据聚类 | 第41页 |
| ·集成 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第5章 实验结果及分析 | 第42-54页 |
| ·基于广义熵的空间调整聚类算法 | 第42-46页 |
| ·基于广义熵的空间调整聚类集成算法 | 第46-51页 |
| ·基于图像约简技术的聚类集成方法 | 第51-54页 |
| 第6章 总结与展望 | 第54-56页 |
| ·本文总结 | 第54-55页 |
| ·工作展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间取得的科研成果 | 第60页 |