| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-18页 |
| ·研究背景和选题意义 | 第8-13页 |
| ·态势估计概述 | 第9-11页 |
| ·态势估计中的目标分群 | 第11-12页 |
| ·聚类分析的基本概念 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·态势估计的国内外研究现状 | 第13-15页 |
| ·目标分群的国内外研究现状 | 第15-16页 |
| ·聚类分析的国内外研究现状 | 第16页 |
| ·本文主要工作及安排 | 第16-18页 |
| ·研究内容 | 第16-17页 |
| ·篇章结构 | 第17-18页 |
| 第二章 基于聚类分析的目标分群的技术及其应用 | 第18-30页 |
| ·目标分群技术 | 第18-20页 |
| ·目标分群的数学模型 | 第18-19页 |
| ·目标分群算法的研究 | 第19-20页 |
| ·聚类技术 | 第20-25页 |
| ·划分聚类算法及其在目标分群中的应用 | 第25-28页 |
| ·K-means 算法及其在目标分群中的应用 | 第25-26页 |
| ·K-mediods 算法及其在目标分群中的应用 | 第26-27页 |
| ·ISODATA 算法及其在目标分群中的应用 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 基于 GEWCKM 算法的目标分群 | 第30-46页 |
| ·基于熵权重的 K-means 算法 | 第30-34页 |
| ·K-means 算法用于目标分群问题的局限性 | 第30页 |
| ·基于特征权重的 K-means 算法的主要思想和流程 | 第30-32页 |
| ·基于熵权重的 K-means 算法的主要思想和流程 | 第32-34页 |
| ·全局 K-means 算法 | 第34-38页 |
| ·基于熵权重的 K-means 算法用于目标分群问题的局限性 | 第34页 |
| ·全局 K-means 算法的主要思想和流程 | 第34-36页 |
| ·快速全局 K-means 算法 | 第36-38页 |
| ·基于熵权重的重心稳定的全局 K-means 算法 | 第38-40页 |
| ·GEWCKM 算法的 k 值优化 | 第40页 |
| ·基于 GEWCKM 算法的群的逐层建立 | 第40-43页 |
| ·空间群的划分 | 第40-42页 |
| ·相互作用群的确定 | 第42页 |
| ·群的动态维护 | 第42-43页 |
| ·基于 GEWCKM 算法的目标分群求解总结 | 第43页 |
| ·本章小结 | 第43-46页 |
| 第四章 目标分群系统的实现 | 第46-58页 |
| ·群目标动态场景仿真平台 | 第46-48页 |
| ·仿真平台描述 | 第46页 |
| ·仿真平台软件的设计与实现 | 第46页 |
| ·仿真平台软件组成结构及模块说明 | 第46-48页 |
| ·目标分群系统仿真软件 | 第48-51页 |
| ·软件系统介绍 | 第48-49页 |
| ·软件使用说明 | 第49-51页 |
| ·实验过程及实验结果 | 第51-56页 |
| ·小批量目标的目标分群仿真实验 | 第52-53页 |
| ·大批量目标的目标分群仿真实验 | 第53-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 研究成果 | 第66-67页 |
