| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 引言 | 第7-10页 |
| ·数据聚类和图像分割的现状 | 第7-8页 |
| ·数据聚类和图像分割的研究意义 | 第8页 |
| ·本文的主要研究内容 | 第8-10页 |
| 第二章 聚类的算法 | 第10-17页 |
| ·层次聚类（HLC） | 第10-11页 |
| ·划分聚类 | 第11-13页 |
| ·SOM 聚类(SELF-ORGANIZING MAP) | 第13-14页 |
| ·SOTA 聚类（SELF -ORGANIZING TREES） | 第14页 |
| ·其他的聚类方法 | 第14-17页 |
| 第三章 QPSO 算法在数据聚类中的应用 | 第17-30页 |
| ·优化算法 | 第17-19页 |
| ·PSO 和K-MEANS 混合聚类--KPSO | 第19-24页 |
| ·K-Means 数据聚类 | 第19-20页 |
| ·PSO 算法 | 第20-24页 |
| ·QPSO 聚类 | 第24-27页 |
| ·QPSO 算法 | 第24-26页 |
| ·基于量子行为的微粒群优化聚类—QPSO | 第26-27页 |
| ·K-Means 和QPSO 的混合聚类-KQPSO | 第27页 |
| ·仿真实验结果及其结论 | 第27-30页 |
| 第四章 QPSO 算法在图像分割中的应用 | 第30-37页 |
| ·遗传算法 | 第30-33页 |
| ·QPSO 分割图像的完成过程 | 第33-35页 |
| ·仿真实验结果和结论 | 第35-37页 |
| 第五章 基于新标准的数据聚类和图像分割 | 第37-44页 |
| ·一种新的度量 | 第37-39页 |
| ·基于新标准的PSO 聚类 | 第39-40页 |
| ·基于新标准的QPSO 聚类及其在图像分割中的应用 | 第40-41页 |
| ·仿真实验结果及其结论 | 第41-44页 |
| 第六章 AQPSO 算法在数据聚类中的应用 | 第44-47页 |
| ·AQPSO 聚类 | 第44-45页 |
| ·仿真实验结果及结论 | 第45-47页 |
| 总结与展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 攻读硕士学位期间发表的论文 | 第51页 |
