| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 数据竞争算法的研究方向 | 第10-11页 |
| 1.4 论文的主要工作和创新点 | 第11-12页 |
| 1.5 论文的结构 | 第12-14页 |
| 第二章 数据竞争算法基本理论 | 第14-21页 |
| 2.1 聚合场模型 | 第14-16页 |
| 2.2 聚合场模型中数据点的分类 | 第16页 |
| 2.3 聚合场模型中的聚类 | 第16-17页 |
| 2.4 数据竞争的规则 | 第17-18页 |
| 2.5 数据竞争的次序 | 第18-19页 |
| 2.6 DC聚类算法收敛条件与主要步骤 | 第19-20页 |
| 2.7 本章小结 | 第20-21页 |
| 第三章 自动确定聚类中心的数据竞争算法 | 第21-33页 |
| 3.1 概述 | 第21页 |
| 3.2 自动确定聚类中心的数据竞争算法 | 第21-27页 |
| 3.2.1 数据场模型 | 第21-23页 |
| 3.2.2 影响因子?的确定 | 第23-24页 |
| 3.2.3 算法思想 | 第24-26页 |
| 3.2.4 算法步骤 | 第26-27页 |
| 3.3 实验结果与分析 | 第27-32页 |
| 3.3.1 实验环境及参数设置 | 第27页 |
| 3.3.2 人工数据集实验 | 第27-30页 |
| 3.3.3 UCI数据集实验 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于测地距离与密度调整的数据竞争算法 | 第33-42页 |
| 4.1 概述 | 第33页 |
| 4.2 相似度介绍及分析 | 第33-35页 |
| 4.2.1 自适应相似度 | 第33-34页 |
| 4.2.2 基于测地距离的自适应相似度 | 第34页 |
| 4.2.3 基于测地距离与密度调整的自适应相似度 | 第34-35页 |
| 4.3 基于测地距离与密度调整的数据竞争算法 | 第35-36页 |
| 4.3.1 算法步骤 | 第35-36页 |
| 4.3.2 算法时间复杂分析 | 第36页 |
| 4.4 实验结果与分析 | 第36-41页 |
| 4.4.1 实验环境及参数设置 | 第36页 |
| 4.4.2 人工数据集实验 | 第36-39页 |
| 4.4.3 UCI数据集实验 | 第39-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 基于密集系数和局部相似性的数据竞争算法 | 第42-53页 |
| 5.1 概述 | 第42页 |
| 5.2 密集系数计算 | 第42-44页 |
| 5.3 基于密集系数与局部相似性的数据竞争算法 | 第44-46页 |
| 5.3.1 算法思想 | 第44-45页 |
| 5.3.2 算法步骤 | 第45-46页 |
| 5.4 实验结果与分析 | 第46-52页 |
| 5.4.1 实验环境及参数设置 | 第46页 |
| 5.4.2 人工数据集实验 | 第46-49页 |
| 5.4.3 UCI数据集实验 | 第49-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 DCLS-DC和GDDA-DC算法在图像分割上的应用 | 第53-63页 |
| 6.1 图像分割应用概述 | 第53页 |
| 6.2 SLIC超像素分割算法 | 第53-55页 |
| 6.3 GDDA-DC和DCLS-DC算法在图像分割中的应用 | 第55页 |
| 6.4 实验结果与分析 | 第55-62页 |
| 6.4.1 实验环境与设计 | 第55-56页 |
| 6.4.2 彩色图像分割实验 | 第56-61页 |
| 6.4.3 结果与分析 | 第61-62页 |
| 6.5 本章小结 | 第62-63页 |
| 第七章 工作总结及展望 | 第63-65页 |
| 7.1 工作总结 | 第63页 |
| 7.2 展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 附录 :作者在攻读硕士学位期间发表的论文 | 第71页 |