| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景和意义 | 第15页 |
| 1.2 研究现状和存在的问题 | 第15-18页 |
| 1.3 本文研究内容与安排 | 第18-21页 |
| 第二章 聚类分析 | 第21-37页 |
| 2.1 聚类的一般描述 | 第21-22页 |
| 2.2 聚类分析中的基本理论 | 第22-27页 |
| 2.2.1 常用的数据结构 | 第22页 |
| 2.2.2 数据类型及相似性度量 | 第22-26页 |
| 2.2.3 聚类准则函数 | 第26-27页 |
| 2.3 聚类算法 | 第27-34页 |
| 2.3.1 基于划分的聚类算法 | 第27-28页 |
| 2.3.2 基于层次的聚类算法 | 第28-29页 |
| 2.3.3 基于密度的聚类算法 | 第29-30页 |
| 2.3.4 谱聚类算法 | 第30-31页 |
| 2.3.5 近邻传播算法 | 第31-33页 |
| 2.3.6 FDP算法 | 第33-34页 |
| 2.4 聚类有效性 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 一种基于密度信息的快速谱聚类算法 | 第37-55页 |
| 3.1 引言 | 第37页 |
| 3.2 基于简化的DBSCAN算法的抽样方法 | 第37-40页 |
| 3.2.1 DBSCAN算法中的基本定义 | 第37-39页 |
| 3.2.2 基于简化的DBSCAN算法的抽样方法 | 第39-40页 |
| 3.3 FSBD算法框架 | 第40-45页 |
| 3.3.1 抽样阶段 | 第41页 |
| 3.3.2 聚类阶段 | 第41-44页 |
| 3.3.3 FSBD算法实现步骤 | 第44-45页 |
| 3.4 FSBD算法在纹理图像分割中的应用 | 第45-49页 |
| 3.4.1 概述 | 第45-46页 |
| 3.4.2 基于FSBD算法的纹理图像分割方法 | 第46-49页 |
| 3.5 实验结果及分析 | 第49-53页 |
| 3.5.1 评价准则 | 第49页 |
| 3.5.2 人工数据集 | 第49-50页 |
| 3.5.3 UCI数据集 | 第50-51页 |
| 3.5.4 纹理图像分割结果 | 第51-53页 |
| 3.6 本章小结 | 第53-55页 |
| 第四章 基于正交设计的均值漂移聚类算法 | 第55-73页 |
| 4.1 引言 | 第55-56页 |
| 4.2 均值漂移(Mean Shift)算法理论基础 | 第56-60页 |
| 4.2.1 Mean Shift向量的基本形式 | 第56-57页 |
| 4.2.2 Mean Shift向量的扩展形式 | 第57-59页 |
| 4.2.3 Mean Shift的算法步骤 | 第59-60页 |
| 4.3 正交设计 | 第60-63页 |
| 4.4 基于正交设计的均值漂移聚类算法 | 第63-67页 |
| 4.4.1 算法框架 | 第63-67页 |
| 4.4.2 算法步骤 | 第67页 |
| 4.5 实验结果及分析 | 第67-72页 |
| 4.5.1 人工数据集 | 第67-69页 |
| 4.5.2 UCI数据集 | 第69-72页 |
| 4.6 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 总结 | 第73页 |
| 5.2 展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-83页 |
| 作者简介 | 第83-84页 |