| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·选题背景及意义 | 第7页 |
| ·群体智能算法的研究概况 | 第7-9页 |
| ·图像压缩的研究概况 | 第9-10页 |
| ·本论文研究的主要内容 | 第10-13页 |
| ·主要工作 | 第10页 |
| ·论文创新点 | 第10-11页 |
| ·本论文的组织 | 第11-13页 |
| 第二章 图像压缩技术 | 第13-19页 |
| ·压缩思想的形成 | 第13-14页 |
| ·图像压缩技术的发展及其可行性研究 | 第14-19页 |
| 第三章 群体智能算法概述 | 第19-33页 |
| ·遗传算法(GA) | 第19-23页 |
| ·粒子群算法(PSO) | 第23-30页 |
| ·基于量子行为的粒子群算法（QPSO） | 第30-31页 |
| ·各类算法应用的比较 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于遗传算法的聚类在图像压缩中的应用 | 第33-43页 |
| ·设计遗传算法的基本原则 | 第33页 |
| ·设计遗传算法的基本步骤 | 第33-34页 |
| ·遗传算子的设计 | 第34-35页 |
| ·遗传算法模型的应用 | 第35-39页 |
| ·目标函数 | 第35页 |
| ·聚类方案：有序序列 | 第35页 |
| ·初始化种群构造器 | 第35-36页 |
| ·实施步骤 | 第36-39页 |
| ·聚类算法的实现 | 第39-40页 |
| ·实证结果 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于量子行为粒子群优化算法及在图像压缩中的应用 | 第43-50页 |
| ·两种基本的进化模型 | 第43页 |
| ·粒子群算法的缺点 | 第43-44页 |
| ·基于量子行为的粒子群算法在图像压缩中的应用 | 第44-49页 |
| ·聚类分析概念 | 第44页 |
| ·划分方法 | 第44-46页 |
| ·粒子评价 | 第46页 |
| ·QPSO 算法的模型应用 | 第46页 |
| ·算法的基本步骤 | 第46-47页 |
| ·实证结果 | 第47-49页 |
| ·结论 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第六章 结论与展望 | 第50-52页 |
| ·研究结论 | 第50页 |
| ·研究过程中的一些问题 | 第50页 |
| ·研究展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 读研期间发表的论文 | 第53-54页 |
| 参考文献 | 第54-56页 |