| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-35页 |
| 1.1 聚类分析的研究背景和意义 | 第17-20页 |
| 1.1.1 聚类的定义 | 第17-18页 |
| 1.1.2 聚类的相似性测度 | 第18-20页 |
| 1.1.3 聚类算法 | 第20页 |
| 1.2 基于智能优化算法的聚类分析的研究进展和现状 | 第20-21页 |
| 1.3 矢量量化 | 第21-29页 |
| 1.3.1 矢量量化的理论基础 | 第22-23页 |
| 1.3.2 矢量量化的定义和基本原理 | 第23-25页 |
| 1.3.3 矢量量化中的关键技术 | 第25-27页 |
| 1.3.4 性能衡量指标---失真测度 | 第27-29页 |
| 1.4 矢量量化技术的研究进展和现状 | 第29-33页 |
| 1.4.1 LBG(GLA)算法 | 第29-31页 |
| 1.4.2 矢量量化码书设计算法的发展现状 | 第31-33页 |
| 1.5 本文章节安排以及研究的主要内容 | 第33-35页 |
| 第二章 基于局部学习算子的人工免疫多目标聚类算法 | 第35-61页 |
| 2.1 模糊C-均值(C-MEANS)聚类算法 | 第35-40页 |
| 2.1.1 模糊集合的基本知识 | 第35-36页 |
| 2.1.2 C-均值聚类算法 | 第36-38页 |
| 2.1.3 模糊C-MEANS聚类算法 | 第38-40页 |
| 2.2 人工免疫系统与多目标优化 | 第40-45页 |
| 2.2.1 多目标优化问题 | 第40-42页 |
| 2.2.2 自然免疫系统 | 第42-43页 |
| 2.2.3 人工免疫系统(AIS,Artificial Immune System) | 第43-44页 |
| 2.2.4 人工免疫系统与多目标优化 | 第44-45页 |
| 2.3 克隆选择算法 | 第45-50页 |
| 2.3.1 克隆选择原理 | 第45页 |
| 2.3.2 克隆选择算法 | 第45-46页 |
| 2.3.3 抗体编码和初始抗体群的产生 | 第46页 |
| 2.3.4 克隆操作 | 第46-50页 |
| 2.4 基于局部学习算子的免疫克隆多目标聚类算法(LCSA-FCM) | 第50-54页 |
| 2.4.1 抗体编码的实现 | 第50页 |
| 2.4.2 目标函数的计算 | 第50-51页 |
| 2.4.3 最优解的选择 | 第51-52页 |
| 2.4.4 局部学习 | 第52页 |
| 2.4.5 LCSA-FCM算法步骤 | 第52-54页 |
| 2.5 仿真实验及结果分析 | 第54-60页 |
| 2.5.1 实验用到的数据集 | 第54-56页 |
| 2.5.2 算法参数设置及实验结果 | 第56-58页 |
| 2.5.3 算法参数分析 | 第58-60页 |
| 2.6 本章小结 | 第60-61页 |
| 第三章 模拟退火遗传核空间聚类算法 | 第61-89页 |
| 3.1 遗传算法 | 第61-65页 |
| 3.1.1 遗传算法的基本原理 | 第61页 |
| 3.1.2 染色体编码及初始种群的产生 | 第61-62页 |
| 3.1.3 适应度函数 | 第62页 |
| 3.1.4 遗传算子 | 第62-64页 |
| 3.1.5 遗传聚类算法 | 第64-65页 |
| 3.2 模拟退火算法 | 第65-67页 |
| 3.3 模拟退火遗传聚类算法 | 第67-72页 |
| 3.3.1 初始种群的产生 | 第67页 |
| 3.3.2 适应度的计算 | 第67-68页 |
| 3.3.3 模拟退火算子 | 第68-70页 |
| 3.3.4 交叉操作 | 第70-71页 |
| 3.3.5 突变操作 | 第71页 |
| 3.3.6 选择操作 | 第71-72页 |
| 3.4 基于遗传的模拟退火核函数矢量量化算法 | 第72-76页 |
| 3.4.1 Mercer核函数 | 第72-73页 |
| 3.4.2 适应度的计算 | 第73-74页 |
| 3.4.3 相应的模拟退火算子 | 第74-75页 |
| 3.4.4 变异操作 | 第75-76页 |
| 3.5 算法框架 | 第76-77页 |
| 3.6 实验结果及分析 | 第77-88页 |
| 3.6.1 数据聚类 | 第78-85页 |
| 3.6.2 图像压缩 | 第85-87页 |
| 3.6.3 运行时间比较 | 第87-88页 |
| 3.7 本章小结 | 第88-89页 |
| 第四章 基于流形距离的克隆选择聚类算法 | 第89-105页 |
| 4.1 流行距离 | 第89-90页 |
| 4.1.1 针对复杂分布数据存在的问题 | 第89-90页 |
| 4.1.2 流形距离 | 第90页 |
| 4.2 基于流形距离的遗传码书设计算法 | 第90-92页 |
| 4.2.1 适应度函数计算 | 第90-91页 |
| 4.2.2 抗体编码及初始种群的形成 | 第91页 |
| 4.2.3 基于流形距离的遗传码书设计算法 | 第91-92页 |
| 4.3 基于流形距离的克隆选择码书设计算法 | 第92-93页 |
| 4.3.1 适应度函数的计算 | 第92页 |
| 4.3.2 初始抗体群的形成 | 第92-93页 |
| 4.3.3 基于流形距离的克隆选择码书设计算法 | 第93页 |
| 4.4 实验结果及分析 | 第93-103页 |
| 4.4.1 实验设置 | 第94-95页 |
| 4.4.2 基于CSAMD、GAMD和C-MEANS的数据聚类 | 第95-100页 |
| 4.4.3 基于CSAMD、GAMD和CMMD的图像压缩 | 第100-101页 |
| 4.4.4 基于CSAMD、GAMD和LBG码书应用于图像压缩 | 第101-103页 |
| 4.5 本章小结 | 第103-105页 |
| 第五章 结论和展望 | 第105-107页 |
| 5.1 研究结论 | 第105-106页 |
| 5.2 研究展望 | 第106-107页 |
| 参考文献 | 第107-115页 |
| 致谢 | 第115-117页 |
| 作者简介 | 第117-119页 |
