聚类算法及聚类有效性指标的研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 引言 | 第7-8页 |
| 1.2 聚类分析的概述 | 第8-13页 |
| 1.2.1 聚类分析的研究现状 | 第8-10页 |
| 1.2.2 模糊聚类分析的研究现状 | 第10-11页 |
| 1.2.3 模糊聚类有效性指标研究现状 | 第11-12页 |
| 1.2.4 聚类技术的实际应用 | 第12-13页 |
| 1.3 本文的组织结构 | 第13-15页 |
| 第二章 聚类算法和常见聚类指标 | 第15-23页 |
| 2.1 聚类算法 | 第15-18页 |
| 2.1.1 硬聚类算法 | 第15-16页 |
| 2.1.2 模糊聚类算法 | 第16-17页 |
| 2.1.3 FCM算法存在的缺陷 | 第17-18页 |
| 2.2 常见的聚类有效性指标 | 第18-21页 |
| 2.3 模糊聚类有效性判决的流程 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 新的聚类有效性指标 | 第23-34页 |
| 3.1 新指标的提出 | 第23-25页 |
| 3.1.1 新的紧致度 | 第23页 |
| 3.1.2 新的分离度 | 第23页 |
| 3.1.3 新的重叠度 | 第23-24页 |
| 3.1.4 新构建的聚类有效性指标 | 第24-25页 |
| 3.2 新指标的验证 | 第25-32页 |
| 3.2.1 数据集 | 第26-28页 |
| 3.2.2 结果分析 | 第28-32页 |
| 3.3 本章小结 | 第32-34页 |
| 第四章 FCM算法的改进 | 第34-43页 |
| 4.1 模糊c均值的问题 | 第34页 |
| 4.2 标准PSO算法 | 第34-36页 |
| 4.2.1 含有惯性因子的粒子群算法 | 第34-35页 |
| 4.2.2 含有收缩因子的粒子群算法 | 第35-36页 |
| 4.2.3 标准PSO算法的流程 | 第36页 |
| 4.3 改进的FCM算法 | 第36-39页 |
| 4.3.1 改进后算法的流程 | 第38页 |
| 4.3.2 改进后算法的步骤 | 第38-39页 |
| 4.4 实验结果分析 | 第39-42页 |
| 4.5 本章总结 | 第42-43页 |
| 第五章 图像分割的实现 | 第43-54页 |
| 5.1 关于图像分割的论述 | 第43-45页 |
| 5.1.1 基于FCM算法的图像分割 | 第44-45页 |
| 5.2 基于改进的FCM算法的图像分割方法 | 第45-53页 |
| 5.2.1 算法步骤 | 第45-46页 |
| 5.2.2 验证实验 | 第46-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第六章 工作总结与展望 | 第54-55页 |
| 6.1 主要结论 | 第54页 |
| 6.2 展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第59页 |
