| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第11-24页 |
| 1.1 研究课题背景及意义 | 第11-12页 |
| 1.2 膜计算介绍 | 第12-18页 |
| 1.2.1 膜计算的产生 | 第12-13页 |
| 1.2.2 膜计算的分类 | 第13-15页 |
| 1.2.3 细胞型膜系统的形式化定义 | 第15-16页 |
| 1.2.4 膜计算国内外研究现状及趋势 | 第16-18页 |
| 1.3 粒子群优化算法介绍 | 第18-19页 |
| 1.4 聚类算法国内外研究现状及趋势 | 第19-20页 |
| 1.5 粒子群聚类算法概述 | 第20-21页 |
| 1.6 论文研究内容及组织结构 | 第21-24页 |
| 第2章 基于避免最差思想改进粒子群优化算法(MIPSO) | 第24-34页 |
| 2.1 标准粒子群优化算法 | 第24-26页 |
| 2.2 MIPSO算法描述 | 第26-30页 |
| 2.3 MIPSO算法基本流程 | 第30-31页 |
| 2.4 MIPSO算法性能分析 | 第31-34页 |
| 2.4.1 基本测试函数设置 | 第31-32页 |
| 2.4.2 仿真实验与结果分析 | 第32-34页 |
| 第3章 一种基于P系统的改进粒子群聚类算法 | 第34-44页 |
| 3.1 基于模拟退火规则的MIPSO算法 | 第34-36页 |
| 3.2 划分聚类算法 | 第36-37页 |
| 3.3 种基于P系统的粒子群聚类算法 | 第37-40页 |
| 3.3.1 P系统的构建 | 第37-38页 |
| 3.3.2 MMIPSOPS算法描述 | 第38-39页 |
| 3.3.3 MMIPSOPS聚类算法描述 | 第39-40页 |
| 3.4 MMIPSOPS聚类算法的验证仿真与分析 | 第40-44页 |
| 3.4.1 仿真实验数据集 | 第40-41页 |
| 3.4.2 MMIPSOPS聚类算法性能检测与分析 | 第41-44页 |
| 第4章 一种基于P系统改进的K-means聚类算法 | 第44-57页 |
| 4.1 K-means聚类 | 第44-45页 |
| 4.2 基于遗传机制的粒子群优化算法 | 第45-47页 |
| 4.3 基于P系统改进的K-means聚类算法 | 第47-48页 |
| 4.3.1 P系统的构建 | 第47页 |
| 4.3.2 算法描述 | 第47-48页 |
| 4.4 改进K-means聚类算法的验证仿真与分析 | 第48-57页 |
| 4.4.1 仿真实验数据集 | 第48-50页 |
| 4.4.2 改进K-means聚类算法的性能检测与分析 | 第50-57页 |
| 第5章 基于P系统改进的K-means聚类算法在客户细分中的应用 | 第57-61页 |
| 5.1 客户细分 | 第57页 |
| 5.2 改进的K-means聚类算法进行客户细分 | 第57-59页 |
| 5.3 本章小结 | 第59-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 未来的工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第67-68页 |
| 致谢 | 第68页 |
