| 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15-27页 |
| 1.1 课题背景及意义 | 第15-16页 |
| 1.2 课题描述及其国内外研究现状 | 第16-24页 |
| 1.2.1 静态多目标优化问题的描述及研究现状 | 第16-17页 |
| 1.2.2 动态多目标优化问题的描述及研究现状 | 第17-20页 |
| 1.2.3 聚类算法的研究现状 | 第20-22页 |
| 1.2.4 数据流聚类算法的研究现状 | 第22-23页 |
| 1.2.5 粒子群优化算法 | 第23-24页 |
| 1.3 本论文的主要工作及内容安排 | 第24-27页 |
| 第二章 基于分解和预测的动态多目标粒子群优化算法 | 第27-49页 |
| 2.1 引言 | 第27-28页 |
| 2.2 基于分解和预测的动态多目标粒子群优化算法 | 第28-35页 |
| 2.2.1 多种群协同进化粒子群算法 | 第28-29页 |
| 2.2.2 基于目标空间分解的外部仓库更新方法 | 第29-32页 |
| 2.2.3 基于种群的动态预测方法 | 第32-34页 |
| 2.2.4 基于分解和预测的动态多目标粒子群优化算法 | 第34-35页 |
| 2.3 实验结果与分析 | 第35-47页 |
| 2.3.1 测试函数及测试指标 | 第35-37页 |
| 2.3.2 对比算法的描述及实验参数设置 | 第37-38页 |
| 2.3.3 实验结果分析 | 第38-47页 |
| 2.4 本章小结 | 第47-49页 |
| 第三章 基于粒子群优化算法的数据流聚类 | 第49-63页 |
| 3.1 引言 | 第49-50页 |
| 3.2 相关理论背景 | 第50-51页 |
| 3.2.1 流形距离的描述 | 第50页 |
| 3.2.2 基于密度的聚类算法 | 第50-51页 |
| 3.3 基于流形距离的粒子群自动聚类算法 | 第51-53页 |
| 3.3.1 算法的编码方式描述 | 第51-52页 |
| 3.3.2 基于流形距离的粒子群自动聚类算法 | 第52-53页 |
| 3.4 基于密度的粒子群聚类算法 | 第53-54页 |
| 3.5 实验结果分析 | 第54-62页 |
| 3.5.1 算法参数设置及测试数据集 | 第54-56页 |
| 3.5.2 实验结果分析 | 第56-60页 |
| 3.5.3 参数算法性能影响的分析 | 第60-62页 |
| 3.6 本章小结 | 第62-63页 |
| 第四章 总结与展望 | 第63-65页 |
| 4.1 本文总结 | 第63-64页 |
| 4.2 研究展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73-74页 |