| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.2.1 国内外研究现状 | 第17-18页 |
| 1.2.2 聚类集成 | 第18-19页 |
| 1.2.3 多目标优化聚类算法 | 第19-20页 |
| 1.3 本论文的主要工作及内容安排 | 第20-22页 |
| 第二章 基于多目标进化的聚类集成算法概述 | 第22-32页 |
| 2.1 聚类 | 第22-25页 |
| 2.1.1 聚类分析的定义 | 第22页 |
| 2.1.2 聚类分析中的相似度计算 | 第22-23页 |
| 2.1.3 不同的聚类方法 | 第23-25页 |
| 2.2 聚类集成 | 第25-27页 |
| 2.2.1 聚类集成概述 | 第25页 |
| 2.2.2 基聚类结果的产生 | 第25-26页 |
| 2.2.3 一致性函数的设计 | 第26-27页 |
| 2.3 对算法MOCLE的介绍 | 第27-31页 |
| 2.3.1 MOCLE算法的基本流程 | 第27-28页 |
| 2.3.2 编码方式 | 第28页 |
| 2.3.3 初始化 | 第28页 |
| 2.3.4 交叉和变异 | 第28-29页 |
| 2.3.5 多目标优化算法NSGA-II | 第29-30页 |
| 2.3.6 目标函数 | 第30-31页 |
| 2.3.7 停机准则 | 第31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于最小生成树的多目标进化聚类集成算法 | 第32-52页 |
| 3.1 引言 | 第32页 |
| 3.2 基于最小生成树的多目标自动聚类选择集成算法 | 第32-40页 |
| 3.2.1 算法步骤 | 第32-33页 |
| 3.2.2 新的选择机制 | 第33-35页 |
| 3.2.3 交叉和变异 | 第35-39页 |
| 3.2.4 对解空间的再次搜索产生中间种群 | 第39页 |
| 3.2.5 新增的目标函数 | 第39-40页 |
| 3.3 数据说明及实验设置 | 第40-42页 |
| 3.3.1 数据集的说明 | 第40页 |
| 3.3.2 初始化设置 | 第40-41页 |
| 3.3.3 实验参数设定 | 第41-42页 |
| 3.4 实验结果以及分析 | 第42-50页 |
| 3.4.1 评价准则 | 第42页 |
| 3.4.2 对比算法 | 第42页 |
| 3.4.3 不同一致性函数的结果对比 | 第42-44页 |
| 3.4.4 四种不同的算法聚类结果对比 | 第44-46页 |
| 3.4.5 三目标函数和四目标函数的对比 | 第46-47页 |
| 3.4.6 选择策略中不同K值的对比 | 第47-48页 |
| 3.4.7 进一步对比 | 第48-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第四章 用于图像分割的多目标聚类集成算法 | 第52-64页 |
| 4.1 引言 | 第52页 |
| 4.2 SAR图像研究背景 | 第52-53页 |
| 4.3 基于最小生成树的多目标聚类集成算法的图像分割 | 第53-56页 |
| 4.3.1 算法步骤 | 第53-54页 |
| 4.3.2 对图像进行特征提取 | 第54页 |
| 4.3.3 分水岭初分割 | 第54-55页 |
| 4.3.4 编码方式 | 第55页 |
| 4.3.5 解的选择策略 | 第55页 |
| 4.3.6 评价指标 | 第55-56页 |
| 4.4 实验结果及分析 | 第56-61页 |
| 4.4.1 实验参数设置 | 第56页 |
| 4.4.2 实验数据的说明 | 第56-57页 |
| 4.4.3 SAR图像分割实验结果 | 第57-61页 |
| 4.4.4 算法运行时间对比 | 第61页 |
| 4.5 本章小结 | 第61-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |