| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·量子进化计算研究进展 | 第8-9页 |
| ·数据聚类技术概述 | 第9-10页 |
| ·图像分割技术现状 | 第10-11页 |
| ·本文的主要内容 | 第11-14页 |
| 第二章 量子进化计算基础 | 第14-22页 |
| ·量子计算 | 第14-16页 |
| ·量子表示 | 第16-17页 |
| ·量子进化算法描述 | 第17-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于量子进化计算的数据聚类 | 第22-40页 |
| ·聚类问题描述 | 第22-23页 |
| ·基于量子进化计算的数据聚类 | 第23-28页 |
| ·算法设计思想 | 第23-24页 |
| ·算子设计 | 第24-26页 |
| ·算法实现策略与流程 | 第26-28页 |
| ·计算复杂度分析 | 第28页 |
| ·对比实验及结果分析 | 第28-32页 |
| ·实验数据集 | 第29-30页 |
| ·实验结果分析 | 第30-32页 |
| ·基于点对称距离的量子进化数据聚类 | 第32-35页 |
| ·点对称距离 | 第32-34页 |
| ·对比实验及结果分析 | 第34-35页 |
| ·本章小结 | 第35-40页 |
| 第四章 基于量子进化与高斯混合模型的无监督图像分割 | 第40-54页 |
| ·量子进化EM算法 | 第40-46页 |
| ·高斯混合模型 | 第40-43页 |
| ·QEA-EM算法 | 第43-46页 |
| ·计算复杂度分析 | 第46页 |
| ·基于量子进化与高斯混合模型的无监督图像分割算法 | 第46-50页 |
| ·高斯混合模型用于图像分割原理 | 第46-47页 |
| ·图像特征提取 | 第47-48页 |
| ·算法实现策略及流程 | 第48-50页 |
| ·对比实验及结果分析 | 第50-53页 |
| ·人工合成纹理图像 | 第50-52页 |
| ·SAR图像 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| ·本文总结 | 第54-55页 |
| ·本文展望 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 研究成果 | 第62页 |