| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及研究价值 | 第9-13页 |
| 1.1.1 数据融合介绍 | 第9-10页 |
| 1.1.2 态势评估与态势感知介绍 | 第10-11页 |
| 1.1.3 目标分群及其研究方法 | 第11-13页 |
| 1.1.4 聚类技术研究与分析 | 第13页 |
| 1.2 国内外现状及前景 | 第13-15页 |
| 1.2.1 国外现状 | 第13-14页 |
| 1.2.2 国内现状 | 第14-15页 |
| 1.2.3 研究前景 | 第15页 |
| 1.3 论文结构 | 第15-16页 |
| 第二章 Chameleon算法研究 | 第16-27页 |
| 2.1 层次聚类技术研究 | 第16-19页 |
| 2.1.1 层次聚类技术方法研究 | 第16-17页 |
| 2.1.2 层次聚类算法 | 第17-19页 |
| 2.2 Chameleon算法研究 | 第19-23页 |
| 2.3 Chameleon算法在目标分群中的应用仿真与分析 | 第23-25页 |
| 2.4 Chameleon算法用于目标分群问题的局限性 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于密度峰值的Chameleon改进算法研究 | 第27-39页 |
| 3.1 密度峰值算法介绍 | 第27-30页 |
| 3.1.1 密度峰值算法的基本原理 | 第27-28页 |
| 3.1.2 密度峰值算法聚类中心的选取 | 第28-29页 |
| 3.1.3 密度峰值算法剩余点的类别指派 | 第29页 |
| 3.1.4 密度峰值算法步骤 | 第29-30页 |
| 3.2 基于密度峰值的Chameleon改进算法 | 第30-32页 |
| 3.2.1 基于密度峰值的Chameleon改进算法介绍 | 第30页 |
| 3.2.2 基于密度峰值的Chameleon改进算法的数学模型 | 第30-31页 |
| 3.2.3 基于密度峰值的Chameleon改进算法的主要流程 | 第31-32页 |
| 3.3 基于密度峰值的Chameleon改进算法的应用仿真与分析 | 第32-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于模块密度的Chameleon改进算法研究 | 第39-49页 |
| 4.1 社团网络与模块密度 | 第39-41页 |
| 4.2 基于模块密度的Chameleon改进算法 | 第41-43页 |
| 4.3 基于模块密度的Chameleon改进算法的应用仿真与分析 | 第43-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 工作总结 | 第49-50页 |
| 5.2 研究展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间取得的成果 | 第56页 |
