首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

动点聚类算法及其量子化研究

摘要第1-8页
Abstract第8-12页
目录第12-19页
1 绪论第19-47页
   ·聚类算法研究进展第19-27页
     ·经典聚类算法第20-22页
     ·聚类算法研究现状第22-27页
   ·量子计算研究进展第27-36页
     ·量子计算的优势第29-32页
     ·量子计算研究现状第32-36页
   ·模式识别与量子计算第36-41页
   ·研究动机与研究内容第41-45页
     ·研究动机第41-43页
     ·研究内容第43-45页
   ·本章小结第45-47页
2 复杂网络与量子计算第47-65页
   ·复杂网络第47-55页
     ·真实世界中的网络第47-48页
     ·从随机图到复杂网络第48-51页
     ·小世界网络与无标度网络第51-55页
   ·量子计算第55-63页
     ·量子力学基础第55-59页
     ·量子比特、量子门和量子线路第59-63页
   ·本章小结第63-65页
3 基于改进随机游动模型的聚类算法第65-83页
   ·随机游动理论第66-67页
     ·经典随机游动第66页
     ·图上的随机游动第66-67页
   ·改进的随机游动模型第67-70页
   ·模型的收敛性分析第70-72页
   ·算法与分析第72-76页
     ·聚类算法(RW1,RW2)第72-74页
     ·算法分析第74-76页
   ·实验与讨论第76-82页
     ·实验设定第76-78页
     ·参数对算法的影响第78-80页
     ·实验结果第80-82页
   ·本章小结第82-83页
4 基于复杂网络上的群集聚类算法第83-99页
   ·经典群集(Flocking)模型第84-86页
   ·建立的复杂网络上的群集(Flocking)模型第86-88页
   ·算法与分析第88-92页
     ·聚类算法(FLCN1,FLCN2)第88-90页
     ·算法分析第90-92页
   ·讨论第92-95页
     ·近邻数对聚类类数的影响第92-93页
     ·算法FLCN2中比例因子对聚类结果的影响第93-94页
     ·近邻数对算法收敛速度的影响第94-95页
   ·实验第95-97页
     ·实验设定第95-96页
     ·实验结果第96-97页
   ·本章小结第97-99页
5 基于演化网络上的博弈聚类算法第99-119页
   ·博弈论第100-104页
     ·经典博弈论第100-102页
     ·演化博弈论第102-104页
   ·提出的演化网络上的博弈模型第104-107页
   ·算法与分析第107-111页
     ·聚类算法(EG1,EG2,EG3)第108-110页
     ·算法分析第110-111页
   ·讨论第111-115页
     ·近邻数与聚类类数的关系第111-112页
     ·探索率对EG1算法的影响第112-113页
     ·三种断边重连函数比较第113-115页
   ·实验第115-117页
     ·实验设定第115-116页
     ·实验结果第116-117页
   ·本章小结第117-119页
6 量子随机游动与数据聚类第119-135页
   ·量子随机游动第120-122页
     ·一维量子随机游动第120-121页
     ·图上的量子随机游动第121-122页
   ·聚类算法第122-127页
     ·基于一维量子随机游动的聚类算法(1D-QRW)第122-126页
     ·基于高维量子随机游动的聚类算法(nD-QRW)第126-127页
   ·讨论第127-130页
     ·最近邻数与聚类类数第127-128页
     ·步数对1D-SCMS和1D-MCMS算法的影响第128-130页
   ·实验第130-131页
     ·实验设定第130-131页
     ·实验结果第131页
   ·本章小结第131-135页
7 量子博弈与数据聚类第135-153页
   ·量子博弈第136-140页
     ·研究现状第136-137页
     ·量子博弈的物理模型:两个例子第137-140页
   ·基于量子博弈的聚类算法第140-145页
     ·量子策略与收益矩阵第141-143页
     ·链接移除与重连函数设计第143-144页
     ·链接强度更新第144-145页
   ·讨论第145-149页
     ·聚类类数与最近邻数第145-146页
     ·类SD收益矩阵中参数c对算法的影响第146-147页
     ·算法总收益与收敛速度第147-149页
   ·实验第149-151页
     ·实验设定第149-150页
     ·实验结果第150-151页
   ·本章小结第151-153页
8 结论与展望第153-157页
   ·研究工作总结第153-154页
   ·研究工作展望第154-157页
参考文献第157-177页
攻读博士学位期间主要研究成果第177页

论文共177页,点击 下载论文
上一篇:电力系统运行信息的数据挖掘研究
下一篇:信号估计及滤波若干关键技术研究