| 目录 | 第1-6页 |
| 摘要 | 第6-9页 |
| Abstract | 第9-12页 |
| 第1章 绪论 | 第12-37页 |
| ·研究课题的背景和意义 | 第12-23页 |
| ·聚类分析介绍及意义 | 第14-18页 |
| ·计算智能技术介绍及意义 | 第18-23页 |
| ·聚类算法及研究现状 | 第23-28页 |
| ·基于划分的方法 | 第23-24页 |
| ·层次聚类的方法 | 第24-25页 |
| ·基于密度聚类的方法 | 第25-27页 |
| ·基于图聚类的方法 | 第27-28页 |
| ·计算智能技术及研究进展 | 第28-32页 |
| ·人工神经网络及研究现状 | 第28-29页 |
| ·遗传算法及研究现状 | 第29-30页 |
| ·离散 Morse 理论及研究现状 | 第30-32页 |
| ·论文研究内容及组织 | 第32-37页 |
| ·研究内容 | 第32-34页 |
| ·论文创新点 | 第34-35页 |
| ·论文组织 | 第35-37页 |
| 第2章 基于神经网络的聚类算法研究 | 第37-54页 |
| ·引言 | 第37-38页 |
| ·基于 SOM 网络的聚类分析模型 | 第38-40页 |
| ·SOM 网络的拓扑结构及基本原理 | 第39-40页 |
| ·SOM 网络的训练算法 | 第40页 |
| ·TreeGNG~[91]层次拓扑聚类模型 | 第40-42页 |
| ·FCM：模糊 C 均值聚类算法 | 第42-44页 |
| ·DSOM-FCM：一种新的动态模糊自组织神经网络模型 | 第44-52页 |
| ·网络结构 | 第44-45页 |
| ·相关定义及概念 | 第45页 |
| ·DSOM-FCM 网络训练算法 | 第45-47页 |
| ·参数选择及相关分析 | 第47-48页 |
| ·实验结果与分析 | 第48-52页 |
| ·本章小结 | 第52-54页 |
| 第3章 基于遗传优化的谱聚类算法研究 | 第54-75页 |
| ·引言 | 第54-55页 |
| ·谱聚类算法的介绍 | 第55-65页 |
| ·图的基本知识及几种常见的图的介绍 | 第55-58页 |
| ·图的矩阵表示 | 第58-59页 |
| ·图谱的基本概念及性质 | 第59-60页 |
| ·谱聚类算法的研究 | 第60-65页 |
| ·改进的谱聚类算法 ISC-CLARANS | 第65-68页 |
| ·改进谱聚类算法 ISC-CLARANS 实验及分析 | 第66-68页 |
| ·改进谱聚类算法 ISC-CLARANS 时间复杂度分析 | 第68页 |
| ·基于遗传算法的谱聚类方法 GA-ISC | 第68-74页 |
| ·基于 GA 的谱聚类算法设计 | 第69-71页 |
| ·基于遗传优化的谱聚类算法 GA-ISC 的整体框架 | 第71-72页 |
| ·实验结果及分析 | 第72-74页 |
| ·小结 | 第74-75页 |
| 第4章 基于 Morse 优化模型的聚类算法研究 | 第75-94页 |
| ·引言 | 第75页 |
| ·离散 Morse 理论优化模型 | 第75-82页 |
| ·预备知识及符号表示 | 第76-77页 |
| ·离散 Morse 理论基础 | 第77-78页 |
| ·离散结构—单纯复形 | 第78-79页 |
| ·算法—构造离散梯度向量场（DVF-Algorithm） | 第79-80页 |
| ·构造离散 Morse 函数及优化模型 | 第80-82页 |
| ·离散 Morse 函数的最优化 | 第82页 |
| ·实验结果及分析 | 第82-85页 |
| ·实验方法及参数设置 | 第83页 |
| ·算法在测试函数中求解结果及分析 | 第83-84页 |
| ·算法求解过程及结果在 Geomview 中的显示 | 第84-85页 |
| ·基于离散 Morse 优化模型的密度聚类算法 | 第85-92页 |
| ·离散曲面的三角剖分—单纯复形 | 第85-86页 |
| ·Morse 聚类模型设计 | 第86-89页 |
| ·实验结果及分析 | 第89-92页 |
| ·小结 | 第92-94页 |
| 第5 总结和展望 | 第94-98页 |
| ·总结 | 第94-96页 |
| ·进一步研究工作 | 第96-98页 |
| 参考文献 | 第98-107页 |
| 在学期间公开发表的论文及参与的项目 | 第107-108页 |
| 致谢 | 第108页 |
