| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·背景介绍 | 第9-10页 |
| ·聚类算法的研究现状与发展前景 | 第10-14页 |
| ·聚类的定义 | 第10页 |
| ·聚类分析的定义 | 第10页 |
| ·聚类算法概况 | 第10-13页 |
| ·传统聚类算法存在的问题 | 第13-14页 |
| ·论文的主要工作及结构安排 | 第14-16页 |
| 第二章 基于流形距离的全局原型聚类算法 | 第16-30页 |
| ·引言 | 第16-17页 |
| ·流形距离 | 第17-19页 |
| ·初始聚类中心全局选择策略 | 第19页 |
| ·基于流形距离的全局原型聚类算法 | 第19-20页 |
| ·实验结果分析. | 第20-29页 |
| ·人工数据集 | 第21-27页 |
| ·UCI 数据集 | 第27页 |
| ·鲁棒性分析 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第三章 复杂分布数据的二阶段聚类算法 | 第30-45页 |
| ·引言 | 第30-31页 |
| ·复杂分布数据的二阶段聚类算法 | 第31-36页 |
| ·基于欧氏距离的粗聚类 | 第31-34页 |
| ·基于流形距离的精细聚类 | 第34-36页 |
| ·实验结果分析 | 第36-44页 |
| ·人工数据集 | 第37-41页 |
| ·UCI 数据集 | 第41页 |
| ·运行时间比较 | 第41-42页 |
| ·鲁棒性分析 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第四章 基于分水岭与流形距离的全局原型聚类图像分割 | 第45-59页 |
| ·引言 | 第45-46页 |
| ·基于聚类分析的图像分割 | 第46页 |
| ·分水岭算法 | 第46-49页 |
| ·分水岭算法原理及特性 | 第47页 |
| ·分水岭变换的数学描述 | 第47-48页 |
| ·标记分水岭算法 | 第48-49页 |
| ·基于分水岭与GPMC 的图像分割 | 第49-51页 |
| ·实验结果分析 | 第51-58页 |
| ·SAR 图像 | 第52-55页 |
| ·自然图像 | 第55-58页 |
| ·小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 硕士期间的学术成果 | 第67-68页 |