首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

自适应的谱聚类算法研究及其在火焰分割上的应用

摘要第5-7页
ABSTRACT第7-8页
第1章 绪论第12-28页
    1.1 课题研究背景及意义第12-13页
    1.2 研究现状第13-20页
        1.2.1 聚类算法的研究现状第13-18页
        1.2.2 谱聚类方法的研究现状第18-20页
    1.3 聚类的评价方法第20-24页
    1.4 论文的主要工作内容及章节安排第24-28页
        1.4.1 论文的主要工作内容第24-25页
        1.4.2 论文的章节安排第25-28页
第2章 谱聚类算法的基本理论第28-34页
    2.1 引言第28页
    2.2 谱聚类算法第28-31页
        2.2.1 图划分准则第28-30页
        2.2.2 相似度矩阵、度矩阵和拉普拉斯矩阵第30-31页
        2.2.3 谱聚类算法第31页
    2.3 NJW谱聚类方法第31-32页
    2.4 测评数据与评测方法第32-33页
        2.4.1 比较算法第32页
        2.4.2 测试数据集第32-33页
        2.4.3 数据集的测评指标第33页
    2.5 本章小结第33-34页
第3章 尺度参数自适应的谱聚类改进算法第34-60页
    3.1 引言第34页
    3.2 改进的自然最近邻居算法第34-45页
        3.2.1 自然最近邻居第34-40页
        3.2.2 改进的自然最近邻居算法第40-44页
        3.2.3 改进的自然最近邻居的密度特性第44-45页
    3.3 基于自然最近邻居的谱聚类改进算法第45-48页
        3.3.1 尺度参数的影响第45-47页
        3.3.2 基于自然最近邻居谱聚类改进算法的原理第47-48页
        3.3.3 基于自然最近邻居谱聚类改进算法描述第48页
    3.4 实验结果与分析第48-58页
        3.4.1 合成数据集上的实验结果与分析第48-57页
        3.4.2 公共测试数据集的实验结果与分析第57-58页
    3.5 本章小结第58-60页
第4章 聚类数目自适应的谱聚类改进算法第60-76页
    4.1 引言第60页
    4.2 传统的K-means算法第60-61页
        4.2.1 K-means算法基本原理第60-61页
        4.2.2 K-means算法的性能第61页
    4.3 基于特征间隙的谱聚类第61-66页
        4.3.1 基于特征间隙的谱聚类的算法原理第61-65页
        4.3.2 基于特征间隙的谱聚类改进算法第65-66页
    4.4 实验结果与分析第66-74页
        4.4.1 合成数据集上的实验结果与分析第66-73页
        4.4.2 公共测试数据集的实验结果与分析第73-74页
    4.5 本章小结第74-76页
第5章 基于密度初始化的谱聚类改进算法第76-84页
    5.1 引言第76页
    5.2 谱聚类中K-means算法的初始化的性能分析第76-77页
    5.3 谱聚类中K-means算法初始簇中心选取方法第77-81页
        5.3.1 聚类中心初始化原理第77-78页
        5.3.2 聚类中心初始化流程第78-80页
        5.3.3 聚类中心初始化描述第80页
        5.3.4 改进的谱聚类算法描述第80-81页
    5.4 实验结果分析第81-82页
    5.5 本章小结第82-84页
第6章 改进的谱聚类算法在火焰图像分割上的应用第84-97页
    6.1 引言第84页
    6.2 相关工作第84-87页
        6.2.1 图像分割方法的研究现状第84-86页
        6.2.2 火焰图像分割方法的研究现状第86-87页
    6.3 基于改进谱聚类的图像分割算法第87-89页
    6.4 实验结果及分析第89-96页
        6.4.1 Berkeley图像分割库上的实验结果第89-92页
        6.4.2 火焰图像上的实验结果第92-96页
    6.5 本章小结第96-97页
总结与展望第97-99页
    本文主要工作总结第97-98页
    未来工作展望第98-99页
参考文献第99-108页
致谢第108-109页
作者简介第109页

论文共109页,点击 下载论文
上一篇:基于密度的分布式聚类算法研究
下一篇:词向量的动态加权及分布式学习策略