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

基于粗糙集的模糊聚类及其图像分割应用

摘要第1-4页
ABSTRACT第4-6页
目录第6-8页
第一章 绪论第8-14页
   ·聚类研究背景以及意义第8-9页
   ·模糊聚类概述第9-10页
   ·模糊聚类的图像分割应用第10-11页
   ·本文研究的主要内容及论文安排第11-14页
第二章 基于粗糙集的模糊聚类研究第14-26页
   ·模糊聚类理论基础第14-17页
     ·模糊聚类的基本思想第14-15页
     ·模糊C均值算法第15-16页
     ·可能性C均值算法第16-17页
   ·粗糙集与及其聚类应用第17-25页
     ·粗糙集的背景知识第18-19页
     ·粗糙集理论基础第19-20页
     ·基于粗糙集的聚类算法RFPCM第20-23页
     ·基于粗糙集聚类的定量指标第23-25页
   ·本章小结第25-26页
第三章 基于粗糙集和GA的模糊聚类算法第26-40页
   ·遗传算法基础第26-28页
     ·遗传算法概述第26页
     ·简单遗传算法第26-28页
   ·基于GA的改进RFPCM算法第28-33页
     ·GA的引入第28-29页
     ·GARFPCM聚类算法描述第29-33页
   ·仿真实验第33-37页
   ·本章小结第37-40页
第四章 基于粗糙集和GA模糊聚类的图像分割算法第40-56页
   ·图像分割基础第40-43页
     ·图像分割概述第40-41页
     ·图像分割方法第41-43页
   ·基于GARFPCM聚类的图像分割算法第43-47页
     ·GARFPCM的引入第43页
     ·SEG_GAR分割算法描述第43-47页
   ·仿真实验第47-54页
     ·评价指标描述第47页
     ·实验内容与结果分析第47-54页
   ·本章小结第54-56页
第五章 基于GARFPCM的密度敏感谱聚类算法第56-68页
   ·谱聚类算法基础第56-57页
     ·谱聚类思想概述第56页
     ·谱聚类算法及其应用第56-57页
   ·基于GARFPCM和数据密度的谱聚类算法第57-60页
     ·SC_GAR算法的思想第57-59页
     ·SC_GAR算法的基本流程第59-60页
   ·仿真实验第60-67页
     ·评价指标描述第60页
     ·实验内容与结果分析第60-67页
   ·本章小结第67-68页
第六章 总结与展望第68-72页
   ·工作总结第68-69页
   ·工作展望第69-72页
     ·对于粗糙集的展望第69页
     ·对于模糊聚类的展望第69-72页
致谢第72-74页
参考文献第74-78页
硕士期间的学术成果第78页

论文共78页,点击 下载论文
上一篇:基于手持终端的自然场景下文本识别及后处理
下一篇:基于观测器的多智能体系统一致性