| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12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 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.3 研究内容与章节安排 | 第17-19页 |
| 第二章 人工鱼群算法的基本原理 | 第19-27页 |
| 2.1 算法的主要思想 | 第19-20页 |
| 2.2 算法的具体内容 | 第20-24页 |
| 2.2.1 聚群行为 | 第20-21页 |
| 2.2.2 追尾行为 | 第21-22页 |
| 2.2.3 觅食行为 | 第22-24页 |
| 2.2.4 随机行为 | 第24页 |
| 2.2.5 公告板 | 第24页 |
| 2.3 算法的优缺点分析 | 第24-27页 |
| 第三章 基于教学与差分交流的人工鱼群算法 | 第27-41页 |
| 3.1 算法内容 | 第27-29页 |
| 3.1.1 教学过程 | 第28页 |
| 3.1.2 差分交流过程 | 第28-29页 |
| 3.2 算法具体实现步骤 | 第29-30页 |
| 3.3 仿真设置与结果 | 第30-39页 |
| 3.3.1 仿真设置 | 第30-34页 |
| 3.3.2 仿真结果与分析 | 第34-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 基于改进人工鱼群与Kmeans的混合聚类算法 | 第41-59页 |
| 4.1 聚类分析 | 第41页 |
| 4.2 相关工作分析 | 第41-42页 |
| 4.3 Kmeans算法 | 第42-44页 |
| 4.3.1 算法思想 | 第42-43页 |
| 4.3.2 算法的优缺点 | 第43-44页 |
| 4.4 混合聚类算法 | 第44-47页 |
| 4.4.1 算法思想 | 第44-45页 |
| 4.4.2 算法具体实现步骤 | 第45-47页 |
| 4.5 仿真设置与结果 | 第47-58页 |
| 4.5.1 仿真设置 | 第47-48页 |
| 4.5.2 评价准则 | 第48-49页 |
| 4.5.3 数据聚类结果与分析 | 第49-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 基于交叉变异人工鱼群算法的多阈值图像分割 | 第59-73页 |
| 5.1 多阈值图像分割 | 第59-60页 |
| 5.2 基于Kapur最大熵的分割准则 | 第60-61页 |
| 5.3 相关工作分析 | 第61-62页 |
| 5.4 基于交叉变异的人工鱼群算法 | 第62-64页 |
| 5.4.1 交叉行为 | 第63页 |
| 5.4.2 变异行为 | 第63-64页 |
| 5.5 基于CMAFSA的多阈值灰度图像分割 | 第64-65页 |
| 5.5.1 算法思想 | 第64页 |
| 5.5.2 算法具体实现步骤 | 第64-65页 |
| 5.6 仿真设置与结果 | 第65-72页 |
| 5.6.1 仿真设置 | 第65-67页 |
| 5.6.2 仿真结果与分析 | 第67-72页 |
| 5.7 本章小结 | 第72-73页 |
| 第六章 结论与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |