| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状及趋势 | 第12-16页 |
| 1.2.1 膜计算的研究现状及趋势 | 第12-14页 |
| 1.2.2 聚类分析研究现状及趋势 | 第14-15页 |
| 1.2.3 基于膜计算的聚类分析研究现状及趋势 | 第15-16页 |
| 1.3 理论概述 | 第16-20页 |
| 1.3.1 组织型P系统 | 第16-17页 |
| 1.3.2 时控组织型P系统 | 第17-18页 |
| 1.3.3 划分聚类 | 第18页 |
| 1.3.4 PAM算法原理 | 第18-20页 |
| 1.4 论文的主要内容与结构 | 第20-22页 |
| 1.4.1 主要研究内容及创新点 | 第20页 |
| 1.4.2 结构安排 | 第20-22页 |
| 第二章 优先级可变的组织型P系统(PVT-P) | 第22-29页 |
| 2.1 PVT-P的形式化定义 | 第22-24页 |
| 2.2 PVT-P膜系统计算过程 | 第24-26页 |
| 2.3 PVT-P膜系统计算能力分析 | 第26-29页 |
| 第三章 基于PVT-P的改进RK-medoids聚类算法(PVT-MDRK) | 第29-39页 |
| 3.1 基于最大距离法的RK-medoids聚类算法(MDRK) | 第29-32页 |
| 3.1.1 RankedK-medoids概述 | 第29-31页 |
| 3.1.2 基于最大距离法的RankedK-medoids算法 | 第31-32页 |
| 3.2 基于PVT-P的MDRK聚类算法 | 第32-35页 |
| 3.2.1 PVT-P系统设计 | 第32-34页 |
| 3.2.2 PVT-P系统中MDRK聚类算法的运算过程 | 第34-35页 |
| 3.3 实例描述 | 第35-36页 |
| 3.4 算法的性能比较分析 | 第36-39页 |
| 第四章 基于PVT-P的KNN-PAM聚类算法(PVT-KPAM) | 第39-49页 |
| 4.1 基于KNN改进PAM聚类算法(KNN-PAM) | 第39-41页 |
| 4.2 基于PVT-P的KNN-PAM聚类算法 | 第41-45页 |
| 4.2.1 PVT-P系统的构建 | 第41-43页 |
| 4.2.2 PVT-P系统中KNN-PAM聚类算法的运算过程 | 第43-45页 |
| 4.3 算法的性能分析 | 第45-49页 |
| 第五章 对象控制流程的时控组织型P系统在聚类分析中的应用 | 第49-61页 |
| 5.1 高新技术企业划分问题 | 第49-56页 |
| 5.1.1 PVT-P系统设计 | 第52-54页 |
| 5.1.2 系统进化过程 | 第54-55页 |
| 5.1.3 结果分析 | 第55-56页 |
| 5.2 携程官微用户划分问题 | 第56-61页 |
| 5.2.1 PVT-P系统设计 | 第58-59页 |
| 5.2.2 系统进化过程 | 第59-61页 |
| 第6章 总结与展望 | 第61-64页 |
| 6.1 总结 | 第61-62页 |
| 6.2 论文的不足之处 | 第62页 |
| 6.3 进一步研究工作 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第70-71页 |
| 攻读硕士期间获得的奖励 | 第71-72页 |
| 致谢 | 第72页 |
