| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10页 |
| ·论文的主要内容及安排 | 第10-13页 |
| 第二章 自适应粒子群算法 | 第13-25页 |
| ·引言 | 第13-14页 |
| ·自适应粒子群算法 | 第14-16页 |
| ·算法的理论依据 | 第14页 |
| ·更新公式中的参数设计 | 第14-15页 |
| ·算法的整体描述 | 第15页 |
| ·实验结果及分析 | 第15-16页 |
| ·自适应变异量子粒子群算法 | 第16-19页 |
| ·量子粒子群算法 | 第16页 |
| ·自适应的量子粒子群算法 | 第16-17页 |
| ·加入扰动的量子粒子群算法框架 | 第17页 |
| ·实验结果分析 | 第17-19页 |
| ·自适应多目标粒子群算法 | 第19-22页 |
| ·最优粒子的选择 | 第19页 |
| ·变异操作策略 | 第19-20页 |
| ·自适应多目标粒子群算法步骤 | 第20页 |
| ·实验结果及分析 | 第20-22页 |
| ·本章小结 | 第22-25页 |
| 第三章 基于自适应群智能的单目标聚/分类一体化方法研究 | 第25-35页 |
| ·引言 | 第25-26页 |
| ·基于自适应群智能的单目标聚类/分类一体化方法研究 | 第26-29页 |
| ·理论依据 | 第26-27页 |
| ·对于聚类中心的求解 | 第27-29页 |
| ·实验结果分析 | 第29-33页 |
| ·聚类有效性测试 | 第29-32页 |
| ·分类有效性测试 | 第32-33页 |
| ·本章总结 | 第33-35页 |
| 第四章 基于度量学习的自适应群智能多目标聚/分类一体化方法研究 | 第35-43页 |
| ·引言 | 第35页 |
| ·自适应群智能多目标聚类/分类一体化方法 | 第35-36页 |
| ·目标函数 | 第35-36页 |
| ·算法简要步骤 | 第36页 |
| ·基于度量学习的自适应群智能多目标聚类/分类一体化方法 | 第36-38页 |
| ·度量学习引入 | 第37页 |
| ·算法简要步骤 | 第37-38页 |
| ·实验结果及分析 | 第38-42页 |
| ·Pareto 最前端 | 第38-41页 |
| ·真实数据集结果 | 第41-42页 |
| ·本章总结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| ·总结 | 第43-44页 |
| ·展望 | 第44-45页 |
| 参考文献 | 第45-51页 |
| 致谢 | 第51-52页 |
