| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 课题研究现状 | 第11-13页 |
| 1.3 课题研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 相关理论分析 | 第16-28页 |
| 2.1 模块划分相关矩阵 | 第16-18页 |
| 2.2 模糊聚类分析 | 第18-19页 |
| 2.2.1 聚类分析 | 第18页 |
| 2.2.2 模糊C均值聚类算法 | 第18-19页 |
| 2.3 智能优化算法 | 第19-25页 |
| 2.3.1 蚁群算法 | 第20页 |
| 2.3.2 模拟退火算法 | 第20-21页 |
| 2.3.3 遗传算法 | 第21-22页 |
| 2.3.4 粒子群算法 | 第22-25页 |
| 2.4 系统开发平台及相关技术分析 | 第25-27页 |
| 2.4.1 开发平台的选取及分析 | 第25页 |
| 2.4.2 数据库的选取及分析 | 第25-26页 |
| 2.4.3 开发语言选取及分析 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 改进的粒子群优化算法 | 第28-37页 |
| 3.1 改进的理论基础 | 第29-30页 |
| 3.2 改进粒子群算法的流程图 | 第30-31页 |
| 3.3 实验及结果分析 | 第31-35页 |
| 3.3.1 实验准备及实验评价标准 | 第31-32页 |
| 3.3.2 实验参数的设置 | 第32-33页 |
| 3.3.3 实验结果及分析 | 第33-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 基于改进的粒子群算法的核模糊C均值聚类算法 | 第37-47页 |
| 4.1 常用的模块划分方法 | 第37-42页 |
| 4.1.1 核模糊C均值算法 | 第37-39页 |
| 4.1.2 基于模拟退火算法的模块聚类方法 | 第39-40页 |
| 4.1.3 基于遗传算法的模糊C均值算法 | 第40-42页 |
| 4.2 基于改进的粒子群算法的核模糊C均值算法 | 第42-43页 |
| 4.3 实验及结果分析 | 第43-44页 |
| 4.4 算法的应用 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 工作总结 | 第47页 |
| 5.2 下一步工作展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读学位期间所取得的相关科研成果 | 第53-55页 |
| 致谢 | 第55-56页 |