| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.1.1 聚类研究背景及意义 | 第15页 |
| 1.1.2 大规模数据聚类研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 聚类算法的研究现状 | 第16-17页 |
| 1.2.2 大规模数据聚类 | 第17-19页 |
| 第二章 基于点密度加权在线FCM聚类的手写数字识别方法 | 第19-33页 |
| 2.1 引言 | 第19页 |
| 2.2 聚类的理论背景 | 第19-31页 |
| 2.2.1 聚类思想概述 | 第19页 |
| 2.2.2 聚类分析的数学描述和基本要素 | 第19-24页 |
| 2.2.3 模糊C均值（Fuzzy-C-Means）聚类概述 | 第24-25页 |
| 2.2.4 基于点密度加权FCM（WFCM）聚类算法描述[32] | 第25-26页 |
| 2.2.5 基于点密度加权在线FCM聚类的手写数字识别方法 | 第26-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第三章 基于中心加权的FCM流数据聚类算法 | 第33-39页 |
| 3.1 SPFCM（Single Pass FCM）算法 | 第33-34页 |
| 3.2 基于中心加权的FCM流数据聚类算法 | 第34-35页 |
| 3.3 实验效果对比 | 第35-37页 |
| 3.3.1 测试数据 | 第35-36页 |
| 3.3.2 实验结果及分析 | 第36-37页 |
| 3.3.3 时间复杂度分析 | 第37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 改进的基于量子聚类的社区检测方法 | 第39-57页 |
| 4.1 量子聚类算法介绍 | 第39-40页 |
| 4.2 社区检测概述 | 第40-44页 |
| 4.2.1 社区检测背景介绍 | 第40-41页 |
| 4.2.2 复杂网络的表示和特性 | 第41-43页 |
| 4.2.3 常见的复杂网络社区检测方法 | 第43-44页 |
| 4.3 改进的基于量子聚类的社区检测方法 | 第44-47页 |
| 4.3.1 网络数据预处理 | 第44-46页 |
| 4.3.2 改进的量子聚类算法 | 第46-47页 |
| 4.3.3 算法描述 | 第47页 |
| 4.4 实验结果及分析 | 第47-55页 |
| 4.4.1 评价标准 | 第47-48页 |
| 4.4.2 实验对比 | 第48-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-61页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |
