| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题研究的背景及意义 | 第7-8页 |
| ·研究现状及存在的问题 | 第8-10页 |
| ·本文研究内容 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 第二章 谱聚类理论基础 | 第12-27页 |
| ·概述 | 第12-13页 |
| ·图的表示与相似图 | 第13-15页 |
| ·图的符号表示 | 第14页 |
| ·相似图构造方法 | 第14-15页 |
| ·图的 Laplacian 矩阵及其性质 | 第15-16页 |
| ·图的未规范化 Laplacian 矩阵 | 第15页 |
| ·图的规范化 Laplacian 矩阵 | 第15-16页 |
| ·谱图理论 | 第16-17页 |
| ·图的划分准则 | 第17-21页 |
| ·随机游动观点 | 第21页 |
| ·矩阵的扰动观点 | 第21-22页 |
| ·谱聚类算法的实现 | 第22-23页 |
| ·未规范化谱聚类算法 | 第22页 |
| ·规范化谱聚类算法 | 第22-23页 |
| ·几种典型的谱聚类算法及对比 | 第23-27页 |
| ·迭代谱聚类算法 | 第23-25页 |
| ·多路谱聚类算法 | 第25-27页 |
| 第三章 基于近邻关系传播和模式合并的谱聚类 | 第27-35页 |
| ·概述 | 第27页 |
| ·近邻关系传播算法与相关定义 | 第27-29页 |
| ·符号说明和相关定义 | 第27-28页 |
| ·样本的相似度更新 | 第28-29页 |
| ·基于模式合并的二次更新亲合矩阵 | 第29-30页 |
| ·NPMM-SC 算法 | 第30页 |
| ·实验结果及分析 | 第30-33页 |
| ·结束语 | 第33-35页 |
| 第四章 基于局部密度估计和近邻关系传播的谱聚类 | 第35-49页 |
| ·概述 | 第35页 |
| ·密度估计 | 第35-36页 |
| ·密度估计方法 | 第35-36页 |
| ·局部密度估计方法 | 第36页 |
| ·LDENP-SC 算法 | 第36-38页 |
| ·样本升维 | 第36-37页 |
| ·构造亲合矩阵 | 第37-38页 |
| ·LDENP-SC 算法实现步骤 | 第38页 |
| ·算法有效性分析 | 第38-39页 |
| ·实验结果及分析 | 第39-48页 |
| ·数据集与评价准则 | 第39-40页 |
| ·密度分布不均匀的数据集实验 | 第40-45页 |
| ·密度分布均匀的数据集实验 | 第45-46页 |
| ·UCI 标准数据集实验 | 第46-47页 |
| ·鲁棒性检验 | 第47页 |
| ·算法时间复杂度分析 | 第47-48页 |
| ·结束语 | 第48-49页 |
| 第五章 基于局部密度估计联合特征谱聚类的 SAR 图像分割 | 第49-57页 |
| ·概述 | 第49-50页 |
| ·等比例局部密度估计 | 第50页 |
| ·区域标记与特征提取 | 第50-51页 |
| ·区域标记 | 第50-51页 |
| ·特征提取 | 第51页 |
| ·LDEUF-SC 算法 | 第51-52页 |
| ·实验结果与分析 | 第52-56页 |
| ·时空复杂度分析 | 第56页 |
| ·结束语 | 第56-57页 |
| 主要结论与展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第63页 |