| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-24页 |
| ·研究背景及意义 | 第11-12页 |
| ·粒子群算法 | 第12-18页 |
| ·基本粒子群算法 | 第12-14页 |
| ·粒子群算法的参数分析 | 第14-15页 |
| ·粒子群算法的研究现状 | 第15-18页 |
| ·粒子群算法与遗传算法的比较 | 第18页 |
| ·蚁群算法 | 第18-20页 |
| ·基本蚁群算法的原理 | 第18-20页 |
| ·蚁群算法的研究现状 | 第20页 |
| ·蜂群算法 | 第20-22页 |
| ·论文的研究成果 | 第22-24页 |
| 第2章 一种改进的动态改变惯性权重的粒子群算法 | 第24-31页 |
| ·基本粒子群算法（Particle Swarm Optimization,PSO） | 第24页 |
| ·惯性权重参数w的改进现状 | 第24-25页 |
| ·改进的动态改变惯性权重的粒子群算法 | 第25-27页 |
| ·实验与分析 | 第27-30页 |
| ·结论 | 第30-31页 |
| 第3章 个性化变异免疫粒子群算法 | 第31-45页 |
| ·基本粒子群算法(Particle Swarm Optimization,PSO)与免疫算法 | 第31-36页 |
| ·PSO 算法概述 | 第31-32页 |
| ·生物免疫原理 | 第32-33页 |
| ·人工免疫算法原理 | 第33-34页 |
| ·人工免疫算法特点及应用 | 第34页 |
| ·克隆选择算法 | 第34-36页 |
| ·改进的个性化变异免疫粒子群算法 | 第36-41页 |
| ·实验与分析 | 第41-44页 |
| ·结论 | 第44-45页 |
| 第4章 基于二次退火机制的改进多态蚁群算法 | 第45-58页 |
| ·多态蚁群算法 | 第45-46页 |
| ·多态蚁群算法的缺陷及修正 | 第46-47页 |
| ·基于二次退火机制的改进多态蚁群算法 | 第47-52页 |
| ·实验与分析 | 第52-58页 |
| 第5章 基于动态整体更新和试探机制的蜂群算法 | 第58-68页 |
| ·引言 | 第58-59页 |
| ·基本蜂群算法和粒子群算法概述 | 第59-60页 |
| ·改进的粒子蜂群算法 | 第60-63页 |
| ·ABCPSO 算法流程（求最小值） | 第63页 |
| ·实验与分析 | 第63-67页 |
| ·结论 | 第67-68页 |
| 第6章 基于蜂群优化的模糊聚类算法的研究 | 第68-84页 |
| ·聚类算法及常用模糊聚类算法分析 | 第68-75页 |
| ·聚类算法概念及分类 | 第68-69页 |
| ·硬c 均值聚类算法 | 第69-71页 |
| ·模糊c 均值聚类算法 | 第71-75页 |
| ·模糊核层次聚类算法 | 第75-83页 |
| ·核函数方法 | 第76-78页 |
| ·λ截集因子 | 第78-79页 |
| ·优化目标函数 | 第79-81页 |
| ·层次聚类方法 | 第81-82页 |
| ·实验数据及分析 | 第82-83页 |
| ·结论 | 第83-84页 |
| 第7章 蜂群优化聚类算法在纺织品颜色测量中的应用研究 | 第84-102页 |
| ·基于小波变换的图像预处理 | 第84-95页 |
| ·小波变换和Radon 变换 | 第86-90页 |
| ·混纺织物纹理方向检测 | 第90-92页 |
| ·图像旋转和水平纹理提取 | 第92-95页 |
| ·基于二值化的图像预处理 | 第95-96页 |
| ·混纺织物样本预处理结果 | 第96-97页 |
| ·混纺织物颜色测量结果及分析 | 第97-102页 |
| 第8章 总结与展望 | 第102-104页 |
| 参考文献 | 第104-110页 |
| 致谢 | 第110页 |
| 攻读学位期间的研究成果 | 第110页 |
