| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·论文内容及结构 | 第11-13页 |
| 第二章 聚类分析 | 第13-23页 |
| ·聚类分析概述 | 第13-17页 |
| ·聚类分析中的数据类型 | 第13-14页 |
| ·聚类分析中的数据结构 | 第14-15页 |
| ·聚类分析中的准则函数 | 第15-17页 |
| ·聚类算法的分类 | 第17-18页 |
| ·基于层次的方法 | 第17页 |
| ·基于划分的方法 | 第17页 |
| ·基于网格的方法 | 第17-18页 |
| ·基于密度的方法 | 第18页 |
| ·基于模型的方法 | 第18页 |
| ·K均值聚类算法 | 第18-21页 |
| ·K均值聚类算法的概述 | 第18-19页 |
| ·K均值聚类算法的不足及现有改进 | 第19-21页 |
| ·常见的改进K均值聚类算法 | 第21-22页 |
| ·基于遗传算法的K均值聚类算法 | 第21页 |
| ·基于粒子群的K均值聚类算法 | 第21-22页 |
| ·改进的层次K均值聚类算法 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第三章 粒子群优化算法 | 第23-28页 |
| ·粒子群优化算法概述 | 第23-24页 |
| ·粒子群优化算法的优缺点及现有改进 | 第24-25页 |
| ·粒子群优化算法的优缺点 | 第24页 |
| ·粒子群优化算法的现有改进 | 第24-25页 |
| ·常见的改进粒子群优化算法 | 第25-27页 |
| ·自适应粒子群优化算法 | 第25-26页 |
| ·免疫粒子群优化算法 | 第26页 |
| ·变异粒子群优化算法 | 第26页 |
| ·混沌粒子群优化算法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 基于波动控制的改进粒子群和K均值的混合聚类算法 | 第28-39页 |
| ·免疫系统 | 第28-31页 |
| ·生物免疫系统概述 | 第28-29页 |
| ·生物免疫系统的基本概念 | 第29页 |
| ·生物免疫系统的免疫机制 | 第29-30页 |
| ·人工免疫系统的仿生机理 | 第30-31页 |
| ·基于波动控制的改进粒子群和K均值的混合聚类算法 | 第31-38页 |
| ·算法概述 | 第31-35页 |
| ·算法流程 | 第35-36页 |
| ·实验仿真与分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于扰动策略的免疫粒子群聚类算法 | 第39-47页 |
| ·带扰动算子的粒子群优化算法 | 第39-41页 |
| ·算法概述 | 第39-40页 |
| ·算法流程 | 第40-41页 |
| ·基于扰动策略的免疫粒子群聚类算法 | 第41-43页 |
| ·算法描述 | 第41-42页 |
| ·算法流程 | 第42-43页 |
| ·实验仿真及分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 致谢 | 第54-55页 |
| 附录 (攻读硕士学位期间发表的论文) | 第55页 |