内容编辑 - 天津大学出版社

内容

第1章 绪论 1.1 研究背景及意义 1.2 聚类分析的研究现状 1.2.1 聚类分析的定义 1.2.2 聚类算法概况 1.2.3 传统聚类算法中存在的问题 1.3 谱聚类算法的研究现状及发展 1.4 集成学习的研究现状及发展 1.4.1 集成学习系统的组成 1.4.2 多样性个体的构造 1.4.3 合并策略 1.4.4 选择性集成 1.5 图像分割简介 1.5.1 图像像素特征提取 1.5.2 基于聚类分析的图像分割 1.6 本书的主要工作和结构安排 本章参考文献 第2章 谱聚类与聚类集成基础 2.1 引言 2.2 谱聚类理论基础 2.2.1 图的基本概念 2.2.2 图的拉普拉斯矩阵及其性质 2.2.3 谱聚类算法的实现 2.2.4 图划分准则 2.3 聚类集成 2.3.1 聚类集成的基本概念 2.3.2 聚类成员的产生 2.3.3 共识函数的设计 2.4 选择性聚类集成 本章参考文献 第3章 基于空间一致性约束谱聚类的图像分割 3.1 引言 3.2 基于Nystrom逼近的谱聚类算法 3.3 谱聚类算法与权核k均值的等价性 3.3.1 核k均值算法 3.3.2 权核k均值算法 3.3.3 权核后均值算法与谱聚类 3.4 基于空间一致性约束的谱聚类算法 3.5 实验结果及分析 3.5.1 合成纹理分割实验 3.5.2 SAR图像分割实验 3.6 结论 本章参考文献 第4章 基于成分数据聚类的谱聚类集成算法 4.1 引言 4.2 差异性谱聚类个体生成 4.3 基于成分数据聚类的共识函数 4.4 实验结果及分析 4.4.1 UCI数据集的划分 4.4.2 图像分割 4.5 结论 本章参考文献 第5章 前向选择性谱聚类集成 5.1 引言 5.2 前向选择性集成 5.2.1 谱聚类个体的差异性度量 5.2.2 聚类选择策略 5.3 实验结果及分析 5.3.1 UCI数据集的划分 5.3.2 合成纹理分割实验 5.3.3 SAR图像分割实验 5.4 结论 本章参考文献 第6章 基于Bagging的选择性谱聚类集成 6.1 引言 6.2 基于Bagging的选择性集成 6.3 实验结果及分析 6.3.1 UCI数据集划分实验 6.3.2 合成纹理分割实验 6.3.3 SAR图像分割实验 6.4 结论 本章参考文献 第7章 基于重采样和PBIL算法的自适应选择性谱聚类集成 7.1 引言 7.2 PBIL算法 7.3 基于重采样和PBIL算法的自适应选择性集成 7.4 实验结果及分析 7.4.1 结果分析 7.4.2 收敛性分析 7.5 结论 本章参考文献 作者发表的与本书相关的文献