基于K中心点算法的图像聚类应用研究
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 K中心点算法研究现状 | 第12-13页 |
| 1.2.2 猫群算法研究现状 | 第13-14页 |
| 1.2.3 图像聚类研究现状 | 第14-15页 |
| 1.3 本文主要研究内容及工作 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 2 相关理论 | 第17-24页 |
| 2.1 聚类 | 第17-18页 |
| 2.1.1 聚类的定义 | 第17页 |
| 2.1.2 数据预处理 | 第17页 |
| 2.1.3 基本聚类方法 | 第17-18页 |
| 2.2 K中心点聚类算法 | 第18-20页 |
| 2.2.1 K中心点算法思想 | 第18-19页 |
| 2.2.2 K中心点的算法流程 | 第19页 |
| 2.2.3 K中心点算法的特点 | 第19-20页 |
| 2.3 猫群算法 | 第20-23页 |
| 2.3.1 猫群算法仿生原理 | 第20页 |
| 2.3.2 猫群算法思想 | 第20-21页 |
| 2.3.3 猫群算法实现流程 | 第21-22页 |
| 2.3.4 猫群算法的特点 | 第22-23页 |
| 2.4 图像聚类 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 基于改进猫群算法的K中心点聚类分析 | 第24-36页 |
| 3.1 改进猫群算法 | 第24-30页 |
| 3.1.1 改进猫群算法提出的思路 | 第24-27页 |
| 3.1.2 改进猫群算法的思想 | 第27-28页 |
| 3.1.3 ECSO算法实现流程 | 第28-29页 |
| 3.1.4 ECSO算法实验分析 | 第29-30页 |
| 3.2 ECSO算法和K中心点聚类 | 第30-32页 |
| 3.3 ECSO-KMD算法的聚类分析 | 第32-34页 |
| 3.3.1 聚类质量分析 | 第32-34页 |
| 3.3.2 聚类结果准确性分析 | 第34页 |
| 3.4 本章小结 | 第34-36页 |
| 4 ECSO-KMD算法在图像聚类上的应用 | 第36-44页 |
| 4.1 图像处理基本理论 | 第36-37页 |
| 4.1.1 特征提取 | 第36页 |
| 4.1.2 性能评价标准 | 第36-37页 |
| 4.2 基于ECSO-KMD算法的图像聚类 | 第37-43页 |
| 4.3 本章小结 | 第43-44页 |
| 5 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44页 |
| 5.2 展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50页 |
