| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 论文的选题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 量子遗传算法的研究现状 | 第11-12页 |
| 1.2.2 粒子群算法的研究现状 | 第12-13页 |
| 1.2.3 聚类分析的研究现状 | 第13-15页 |
| 1.3 本文的主要工作及内容安排 | 第15-16页 |
| 第2章 量子遗传算法和改进 | 第16-26页 |
| 2.1 量子计算和量子理论 | 第16页 |
| 2.2 量子遗传算法 | 第16-20页 |
| 2.2.1 量子比特编码原理 | 第17-18页 |
| 2.2.2 量子变异 | 第18-19页 |
| 2.2.3 量子遗传算法的基本流程 | 第19-20页 |
| 2.3 量子遗传算法的改进 | 第20-22页 |
| 2.4 量子粒子群算法 | 第22-25页 |
| 2.4.1 粒子群算法理论基础 | 第22-23页 |
| 2.4.2 粒子群算法基本流程 | 第23-24页 |
| 2.4.3 量子粒子群算法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 多精英策略量子粒子群算法 | 第26-34页 |
| 3.1 量子与粒子群的融合 | 第26-27页 |
| 3.2 多精英策略 | 第27-29页 |
| 3.3 多精英策略量子粒子群算法 | 第29-30页 |
| 3.3.1 MEPQGA的基本思想 | 第29页 |
| 3.3.2 MEPQGA的基本流程 | 第29-30页 |
| 3.4 实验 | 第30-32页 |
| 3.4.1 测试集和参数选择 | 第30-31页 |
| 3.4.2 试验结果对比 | 第31-32页 |
| 3.5 本章小结 | 第32-34页 |
| 第4章 多精英策略量子粒子群算法在聚类中的应用 | 第34-52页 |
| 4.1 聚类算法 | 第34-37页 |
| 4.1.1 K-means算法的基本原理及流程 | 第34-36页 |
| 4.1.2 K-means算法的特点 | 第36-37页 |
| 4.2 基于量子遗传算法的K-means算法 | 第37-41页 |
| 4.2.1 量子遗传算法在聚类分析中需解决的问题 | 第37-38页 |
| 4.2.2 基于量子遗传的K-means算法基本思想 | 第38-41页 |
| 4.3 基于多精英量子粒子群的K-means算法 | 第41-47页 |
| 4.3.1 K-MEPQGA算法的基本思想 | 第41页 |
| 4.3.2 染色体编码 | 第41-42页 |
| 4.3.3 个体适应度评价函数 | 第42-43页 |
| 4.3.4 K-MEPQGA算法的各种操作 | 第43-44页 |
| 4.3.5 迭代和概率参数 | 第44-45页 |
| 4.3.6 K-MEPQGA算法的基本流程 | 第45-47页 |
| 4.4 实验 | 第47-51页 |
| 4.4.1 性能标准 | 第47-48页 |
| 4.4.2 数据集 | 第48页 |
| 4.4.3 实验结果 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第60-62页 |
| 致谢 | 第62页 |