| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12页 |
| 1.4 研究框架 | 第12-14页 |
| 第二章 理论基础 | 第14-22页 |
| 2.1 聚类问题的描述 | 第14页 |
| 2.2 K 均值聚类算法(K-MEANS) | 第14-16页 |
| 2.3 K 中心点聚类算法(K-MEDOIDS) | 第16-18页 |
| 2.4 模糊C均值聚类算法(FCM) | 第18-22页 |
| 2.4.1 模糊理论 | 第18-19页 |
| 2.4.2 FCM算法描述 | 第19-22页 |
| 第三章 自适应密度峰初始化聚类中心算法及D-MEANS,D-MEDOIDS算法 | 第22-38页 |
| 3.1 算法的相关基本概念 | 第22-24页 |
| 3.2 自适应密度峰初始化聚类中心算法 | 第24-25页 |
| 3.3 D-MEANS 聚类算法 | 第25-26页 |
| 3.4 D-MEDOIDS 聚类算法 | 第26-27页 |
| 3.5 数值实验 | 第27-36页 |
| 3.5.1 聚类评价指标 | 第27-28页 |
| 3.5.2 基准数据集 | 第28-36页 |
| 3.6 小结 | 第36-38页 |
| 第四章 D-FCM 算法及D-FCM算法在医学图像分割上的应用 | 第38-58页 |
| 4.1 D-FCM聚类算法 | 第38-39页 |
| 4.2 数值实验 | 第39-46页 |
| 4.2.1 基准数据集 | 第39-43页 |
| 4.2.2 参数分析 | 第43-46页 |
| 4.3 D-FCM在医学图像分割数据集上的应用 | 第46-57页 |
| 4.3.1 医学图像分割算法的评价 | 第46页 |
| 4.3.2 对脑部MRI图像的实验 | 第46-52页 |
| 4.3.3 对真实胸部MRI图像的实验 | 第52-57页 |
| 4.4 小结 | 第57-58页 |
| 第五章 结论与展望 | 第58-60页 |
| 5.1 结论 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间参加的科研项目和成果 | 第64页 |