| 摘要 | 第7-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 聚类研究的背景和意义简介 | 第14-15页 |
| 1.2 模糊理论与聚类技术的结合 | 第15页 |
| 1.3 可能性模糊聚类的研究现状 | 第15-16页 |
| 1.4 问题的提出 | 第16-18页 |
| 1.5 本文研究的主要内容 | 第18-19页 |
| 1.6 本文的组织结构 | 第19-20页 |
| 第二章 聚类算法的概述 | 第20-31页 |
| 2.1 聚类分析算法 | 第20-23页 |
| 2.1.1 聚类算法性能的衡量指标 | 第20-21页 |
| 2.1.2 基于划分的聚类算法 | 第21页 |
| 2.1.3 基于层次的聚类算法 | 第21-22页 |
| 2.1.4 基于密度的聚类算法 | 第22页 |
| 2.1.5 基于网格的聚类算法 | 第22-23页 |
| 2.1.6 基于模型的聚类算法 | 第23页 |
| 2.2 模糊聚类算法 | 第23页 |
| 2.3 可能性聚类算法 | 第23-24页 |
| 2.4 模糊聚类算法 | 第24页 |
| 2.5 模糊聚类的分析应用 | 第24-25页 |
| 2.6 模糊聚类分析 | 第25-29页 |
| 2.7 模糊聚类的分析应用 | 第29-30页 |
| 2.8 本章小结 | 第30-31页 |
| 第三章 改进的模糊C均值算法的研究现状 | 第31-37页 |
| 3.1 FCM算法分析简介 | 第31页 |
| 3.2 PCM算法 | 第31-32页 |
| 3.3 BCFCM算法 | 第32页 |
| 3.4 FCM_S1、FCM_S2算法 | 第32-33页 |
| 3.5 ENFCM算法 | 第33页 |
| 3.6 FLICM算法 | 第33-34页 |
| 3.7 MKFC算法，GFCM算法 | 第34-36页 |
| 3.8 FCM改进算法存在的问题 | 第36页 |
| 3.9 本章小结 | 第36-37页 |
| 第四章 基于数据的多核可能性模糊聚类方法 | 第37-52页 |
| 4.1 多核函数表达式 | 第37-42页 |
| 4.1.1 函数表达式 | 第37-39页 |
| 4.1.2 距离表达式以及Mercer核函数 | 第39-40页 |
| 4.1.3 权重的引入 | 第40-41页 |
| 4.1.4 转换后的J?表达式 | 第41-42页 |
| 4.2 多核的可能性模糊聚类算法 | 第42-44页 |
| 4.3 仿真实验 | 第44-51页 |
| 4.3.1 论文中涉及到的数据集的分布特征 | 第44页 |
| 4.3.2 试验中总结的数据特征 | 第44-45页 |
| 4.3.3 核函数的选择 | 第45页 |
| 4.3.4 各种方法聚类精度实验（单一高斯核的情形之下） | 第45-47页 |
| 4.3.5 抗噪性的实验分析 | 第47-48页 |
| 4.3.6 MKPFCM算法中权重以及NMI值的变化 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 基于多核可能性模糊聚类方法的图像分割 | 第52-61页 |
| 5.1 函数表达式 | 第53-55页 |
| 5.2 图像分割的多核可能性模糊聚类算法 | 第55-56页 |
| 5.3 仿真实验 | 第56-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结及展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第67-69页 |