不确定性数据挖掘算法设计
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-22页 |
| ·课题研究背景和意义 | 第10-11页 |
| ·本文研究内容 | 第11-12页 |
| ·国内外研究现状 | 第12-20页 |
| ·传统数据挖掘 | 第12-14页 |
| ·不确定性数据挖掘 | 第14-15页 |
| ·聚类算法研究现状 | 第15-18页 |
| ·模糊聚类的研究现状 | 第18-20页 |
| ·本文研究成果 | 第20-21页 |
| ·本文安排 | 第21-22页 |
| 第二章 需求分析和相关理论介绍 | 第22-34页 |
| ·需求分析 | 第22-23页 |
| ·本文总体框架 | 第23-24页 |
| ·相关理论介绍 | 第24-33页 |
| ·图像分割 | 第24-25页 |
| ·图像分割算法概述 | 第25-31页 |
| ·阈值化分割方法 | 第25-29页 |
| ·基于边缘的分割方法 | 第29-31页 |
| ·基于区域的分割方法 | 第31页 |
| ·彩色图像的分割方法 | 第31-33页 |
| ·本章小节 | 第33-34页 |
| 第三章 基于图像分割的模糊聚类算法 | 第34-46页 |
| ·基于图像分割的聚类算法 | 第34-37页 |
| ·基于图像分割的硬聚类算法 | 第34-35页 |
| ·基于图像分割的模糊聚类算法 | 第35-37页 |
| ·基于 K-means 的图像分割方法 | 第37-40页 |
| ·K-means 算法原理 | 第37-38页 |
| ·K-Means 算法步骤 | 第38-40页 |
| ·FCM 算法 | 第40-41页 |
| ·聚类数目与聚类有效性 | 第41-44页 |
| ·FCM 算法在图像分割中的问题 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于图像分割的改进的 FCM 算法 | 第46-56页 |
| ·速度问题 | 第46-49页 |
| ·灰度图像 | 第47-48页 |
| ·彩色图像 | 第48-49页 |
| ·初始化问题 | 第49-52页 |
| ·初始聚类中心 | 第49-50页 |
| ·m 值 | 第50-51页 |
| ·减法聚类 | 第51-52页 |
| ·加权自动化 FCM | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 实验结果和分析 | 第56-82页 |
| ·实验环境和实验材料 | 第56-58页 |
| ·实验过程 | 第58-61页 |
| ·K-Means 算法的实验过程 | 第58页 |
| ·K-Means 对灰度图像的分割过程 | 第58页 |
| ·K-Means 对彩色图像的分割过程 | 第58页 |
| ·FCM 算法的实验过程 | 第58-59页 |
| ·FCM 对灰度图像的分割过程 | 第58-59页 |
| ·FCM 对彩色图像的分割过程 | 第59页 |
| ·KFCM 算法的实验过程 | 第59-61页 |
| ·KFCM 对灰度图像的分割过程 | 第59-60页 |
| ·KFCM 对彩色图像的分割过程 | 第60-61页 |
| ·实验结果 | 第61-77页 |
| ·分割灰度图像 | 第61-69页 |
| ·K-Means 对灰度图像的分割 | 第61-64页 |
| ·FCM 对灰度图像分割 | 第64-66页 |
| ·KFCM 对灰度图像分割 | 第66-69页 |
| ·分割彩色图像 | 第69-77页 |
| ·K-Means 对彩色图像的分割 | 第69-72页 |
| ·FCM 对彩色图像的分割 | 第72-75页 |
| ·KFCM 对彩色图像的分割 | 第75-77页 |
| ·实验结果分析 | 第77-81页 |
| ·本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| ·总结 | 第82-83页 |
| ·展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-92页 |
| 攻硕期间取得的研究成果 | 第92-93页 |
