K-均值聚类算法的改进及其应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-17页 |
| ·研究背景 | 第12-13页 |
| ·国内外研究状况 | 第13-16页 |
| ·图像分割的研究现状 | 第13-14页 |
| ·聚类算法的研究现状 | 第14-15页 |
| ·回转窑工况检测与图像处理的现状 | 第15-16页 |
| ·研究内容与论文结构 | 第16-17页 |
| 第2章 图像去噪与分割的基本理论 | 第17-31页 |
| ·图像去噪 | 第17-19页 |
| ·噪声的分类 | 第17-18页 |
| ·图像滤波 | 第18-19页 |
| ·图像分割 | 第19-30页 |
| ·图像分割的基本概念 | 第19-20页 |
| ·图像分割的基本方法 | 第20-28页 |
| ·图像分割的评价 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 聚类分析与K-均值聚类算法 | 第31-36页 |
| ·聚类分析与聚类算法 | 第31-33页 |
| ·聚类的定义 | 第31页 |
| ·聚类算法的分类 | 第31-32页 |
| ·相似性度量 | 第32-33页 |
| ·K-均值聚类的基本理论 | 第33-35页 |
| ·K-均值聚类算法的定义 | 第33-34页 |
| ·算法的优缺点 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 K-均值聚类算法的改进 | 第36-49页 |
| ·动态K-均值聚类(MKM)算法 | 第36-41页 |
| ·算法描述 | 第36-37页 |
| ·算法性能分析 | 第37-41页 |
| ·动态K-均值算法的抗噪分析 | 第41页 |
| ·自适应动态K-均值聚类算法(AMKM) | 第41-42页 |
| ·自适应模糊K-均值聚类算法(AFMKM) | 第42-44页 |
| ·实验结果与性能分析 | 第44-48页 |
| ·分割质量 | 第44-46页 |
| ·抗噪性能分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 改进算法在回转窑视觉检测中的应用 | 第49-61页 |
| ·窑头图像的分区与回转窑视觉检测流程 | 第49-50页 |
| ·图像预处理 | 第50-52页 |
| ·窑头图像的分割 | 第52-53页 |
| ·纹理特征与形状特征提取 | 第53-59页 |
| ·纹理分析 | 第54-55页 |
| ·形状特征提取 | 第55-57页 |
| ·主成分分析 | 第57-59页 |
| ·烧结状态识别 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录A 主要程序 | 第67-87页 |
| 致谢 | 第87页 |
