| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-26页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状及趋势 | 第10-13页 |
| 1.2.1 膜计算的研究现状及趋势 | 第10-11页 |
| 1.2.2 多关系聚类的研究现状及趋势 | 第11-13页 |
| 1.2.3 基于膜系统的聚类优化算法研究现状及趋势 | 第13页 |
| 1.3 相关理论基础 | 第13-24页 |
| 1.3.1 膜计算基础 | 第13-18页 |
| 1.3.2 多关系聚类基础 | 第18-20页 |
| 1.3.3 K-means算法基础 | 第20-21页 |
| 1.3.4 遗传算法 | 第21-24页 |
| 1.4 论文组织结构 | 第24页 |
| 1.5 论文创新点 | 第24-26页 |
| 第2章 基于初始聚类中心优化的K-means算法（OIK-means） | 第26-33页 |
| 2.1 K初始聚类中心的选择 | 第26-28页 |
| 2.1.1 算法设置 | 第26-27页 |
| 2.1.2 K初始聚类中心的选择 | 第27-28页 |
| 2.2 基于初始聚类中心优化的K-means算法（OIK-means算法） | 第28-30页 |
| 2.2.1 OIK-means算法原理 | 第28页 |
| 2.2.2 OIK-means算法流程 | 第28-30页 |
| 2.3 实验结果分析 | 第30-33页 |
| 2.3.1 人工数据集测试 | 第30-31页 |
| 2.3.2 UCI数据集测试 | 第31-32页 |
| 2.3.3 算法性能分析 | 第32-33页 |
| 第3章 基于综合相似性的多关系聚类方法（ISMC） | 第33-43页 |
| 3.1 元组ID传播 | 第33-35页 |
| 3.2 改进的相似性计算 | 第35-38页 |
| 3.2.1 类内相似性 | 第36页 |
| 3.2.2 类外相似性 | 第36-37页 |
| 3.2.3 综合相似性 | 第37-38页 |
| 3.3 基于综合相似性的多关系聚类(ISMC) | 第38-39页 |
| 3.3.1 ISMC算法原理 | 第38页 |
| 3.3.2 ISMC算法流程 | 第38-39页 |
| 3.4 实验结果及分析 | 第39-43页 |
| 3.4.1 实验数据 | 第39-40页 |
| 3.4.2 参数设置 | 第40-41页 |
| 3.4.3 实验结果 | 第41-43页 |
| 第4章 基于膜系统的遗传K-means多关系聚类方法（GKM） | 第43-52页 |
| 4.1 组织型P系统的设计 | 第43-46页 |
| 4.1.1 组织型P系统的结构设计 | 第43-44页 |
| 4.1.2 组织P系统的规则设计 | 第44-46页 |
| 4.2 基于膜系统的遗传K-means多关系聚类算法(GKM) | 第46-48页 |
| 4.2.1 GKM算法原理 | 第46-47页 |
| 4.2.2 GKM算法流程 | 第47-48页 |
| 4.3 实验结果 | 第48-52页 |
| 4.3.1 实验数据 | 第48-49页 |
| 4.3.2 实验结果 | 第49-50页 |
| 4.3.3 算法的扩展性测试 | 第50-52页 |
| 第5章 基于膜系统的多关系聚类方法在协同过滤推荐上的应用 | 第52-63页 |
| 5.1 综合相似性计算 | 第52-53页 |
| 5.2 基于膜系统和多关系聚类的协同过滤算法(MCMCF) | 第53-58页 |
| 5.2.1 膜系统的结构设计 | 第53-54页 |
| 5.2.2 膜系统的规则设计 | 第54-57页 |
| 5.2.3 MCMCF算法的流程 | 第57-58页 |
| 5.3 实验及结果分析 | 第58-63页 |
| 5.3.1 实验数据集 | 第58-59页 |
| 5.3.2 评测指标 | 第59页 |
| 5.3.3 参数设置 | 第59-61页 |
| 5.3.4 实验结果 | 第61-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士期间发表的学术论文和科研项目参加情况 | 第70-71页 |
| 致谢 | 第71页 |
