图像灰度值类别概率估计研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究意义和背景 | 第9-10页 |
| 1.2 图像分类及类分布估计研究现状 | 第10-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 2 类别概率估计研究方法 | 第14-22页 |
| 2.1 类别概率估计的基本原理 | 第16-17页 |
| 2.1.1 监督学习下的类别概率估计 | 第16-17页 |
| 2.1.2 非监督学习下的类别概率估计 | 第17页 |
| 2.2 现今类别概率估计方法分析 | 第17-20页 |
| 2.2.1 模糊分类研究方法 | 第17-18页 |
| 2.2.2 贝叶斯网络研究方法 | 第18-19页 |
| 2.2.3 不确定性研究方法 | 第19-20页 |
| 2.3 本文概率估计总体方案 | 第20-22页 |
| 3 基于标签繁殖的混合样本类别概率初步估计 | 第22-32页 |
| 3.1 K 均值聚类算法 | 第23-24页 |
| 3.2 图像局部灰度值相似思想 | 第24-25页 |
| 3.3 图的构造 | 第25-27页 |
| 3.3.1 图的构建方法 | 第25-27页 |
| 3.3.2 边权赋值 | 第27页 |
| 3.4 标签繁殖算法 | 第27-28页 |
| 3.5 标记点加权 | 第28-29页 |
| 3.6 类别概率初步估计 | 第29-32页 |
| 4.类别概率迭代估计 | 第32-42页 |
| 4.1 迭代估计的基本思想 | 第32-34页 |
| 4.2 迭代估计的算法流程 | 第34-36页 |
| 4.3 实验结果与分析 | 第36-39页 |
| 4.4 算法的后续应用 | 第39-41页 |
| 4.5 总结 | 第41-42页 |
| 5.总结与展望 | 第42-44页 |
| 参考文献 | 第44-49页 |
