| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| § 1.1 研究背景及选题意义 | 第8-10页 |
| § 1.2 国内外研究现状 | 第10-12页 |
| §1.2.1 聚类方法的研究现状 | 第10-11页 |
| §1.2.2 QPSO算法的研究现状 | 第11-12页 |
| § 1.3 本文的创新点及内容的安排 | 第12-13页 |
| 第二章 量子粒子群算法 | 第13-25页 |
| § 2.1 智能优化简介 | 第13-14页 |
| § 2.2 粒子群算法简介 | 第14-17页 |
| § 2.2.1 PSO算法的基本原理 | 第14-16页 |
| § 2.2.2 PSO算法的基本流程 | 第16-17页 |
| § 2.3 量子粒子群优化算法 | 第17-19页 |
| § 2.3.1 量子粒子群的思想来源 | 第17页 |
| § 2.3.2 QPSO算法的基本原理 | 第17-18页 |
| § 2.3.3 QPSO算法的基本流程 | 第18-19页 |
| § 2.4 改进的QPSO算法 | 第19-23页 |
| § 2.4.1 基本思想 | 第19-20页 |
| § 2.4.2 EQPSO算法的基本步骤 | 第20-21页 |
| § 2.4.3 EQPSO算法性能分析 | 第21-23页 |
| § 2.5 本章小结 | 第23-25页 |
| 第三章 基于改进的QPSO优化的K均值聚类算法 | 第25-35页 |
| § 3.1 聚类分析简介 | 第25-27页 |
| § 3.1.1 聚类分析类别简介 | 第25-26页 |
| § 3.1.2 K均值算法 | 第26-27页 |
| § 3.2 QPSO优化的K均值聚类算法 | 第27-30页 |
| § 3.3 EQPSO优化的K均值聚类算法 | 第30-31页 |
| § 3.4 实验分析 | 第31-34页 |
| § 3.4.1 实验数据简介 | 第31-32页 |
| § 3.4.2 算法比较 | 第32-34页 |
| § 3.5 本章小结 | 第34-35页 |
| 第四章 基于改进的QPSO优化的模糊C均值聚类算法 | 第35-46页 |
| § 4.1 模糊C均值聚类算法 | 第35-39页 |
| § 4.1.1 FCM的基本思想 | 第35-38页 |
| § 4.1.2 FCM算法的基本流程 | 第38-39页 |
| § 4.2 基于QPSO优化的FCM聚类算法 | 第39-41页 |
| § 4.2.1 QPSO-FCM算法基本概念 | 第39-40页 |
| § 4.2.2 QPSO-FCM算法实现的基本步骤 | 第40-41页 |
| § 4.3 基于EQPSO优化的FCM聚类算法 | 第41-43页 |
| § 4.3.1 EQPSO-FCM算法基本概念 | 第41页 |
| § 4.3.2 EQPSO-FCM算法实现的基本步骤 | 第41-43页 |
| § 4.4 实验分析 | 第43-45页 |
| § 4.5 本章小结 | 第45-46页 |
| 第五章 基于改进QPSO优化的核模糊C均值聚类算法 | 第46-57页 |
| § 5.1 基于核优化的FCM聚类算法 | 第46-50页 |
| § 5.1.1 核函数简介 | 第46-48页 |
| § 5.1.2 基于核优化的FCM算法 | 第48-50页 |
| § 5.2 基于QPSO算法优化的KFCM算法 | 第50-52页 |
| § 5.2.1 QPSO-FCM算法基本概念的建立 | 第50-51页 |
| § 5.2.2 QPSO-KFCM算法流程 | 第51-52页 |
| § 5.3 基于EQPSO算法优化的KFCM算法 | 第52-54页 |
| § 5.3.1 EQPSO-KFCM算法基本概念 | 第52页 |
| § 5.3.2 EQPSO-FCM算法实现的基本步骤 | 第52-54页 |
| § 5.4 实验分析 | 第54-56页 |
| § 5.5 本章小结 | 第56-57页 |
| 第六章 结束语 | 第57-59页 |
| § 6.1 全文总结 | 第57-58页 |
| § 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士期间主要研究成果 | 第62-63页 |
| 致谢 | 第63-64页 |
