1、膜系統(tǒng)是自然計算領(lǐng)域中的一個年輕的分支，受器官、組織、細胞及其他生物構(gòu)造中化學(xué)元素處理方法的啟發(fā)而從中抽象出的分布式并行計算模型。由于具有并行性強、容錯性強和分布式等特性，膜系統(tǒng)在眾多領(lǐng)域得到了普遍的應(yīng)用，并且已經(jīng)解決了眾多的現(xiàn)實問題。
　　傳統(tǒng)的聚類方法通常假設(shè)數(shù)據(jù)之間是相互獨立的，然而，現(xiàn)在大部分的應(yīng)用數(shù)據(jù)存儲在關(guān)系數(shù)據(jù)庫以多關(guān)系的形式。傳統(tǒng)的聚類方法已不再能滿足現(xiàn)在應(yīng)用數(shù)據(jù)的要求，本文針對多關(guān)系聚類存在聚類質(zhì)量差和聚類效率低

2、的問題，展開了深入的研究。
　　本文以膜系統(tǒng)為基礎(chǔ)模型，首先提出了一種初始中心選取的方法對K-means聚類算法進行優(yōu)化改進，然后在此基礎(chǔ)上提出了兩種高效的多關(guān)系聚類算法，并將提出的算法應(yīng)用于協(xié)同過濾推薦系統(tǒng)：
　?。?）基于初始聚類中心優(yōu)化的K-means算法(OIK-means算法)。該算法首先根據(jù)相似性計算每個對象的密度，然后通過計算對象與任意高密度對象的最小距離來篩選候選中心，接著通過平均密度來排除離群點，最后確定K

3、初始中心點。OIK-means算法在人工數(shù)據(jù)集和UCI數(shù)據(jù)集上進行測驗，并與傳統(tǒng)的K-means算法在初始中心選取的準確性上進行了對比。
　?。?）基于綜合相似性的多關(guān)系聚類算法(ISMC)。算法使用元組ID傳播的思想，為關(guān)系數(shù)據(jù)庫中的每個表設(shè)置一個權(quán)重，對傳統(tǒng)的相似性計算進行改進，按照一定的權(quán)重把對象的類內(nèi)相似性和類外相似性整合成綜合相似性，基于綜合相似性對目標表中的對象進行OIK-means聚類。ISMC算法在UCI數(shù)據(jù)集Mo

4、vie上進行了測驗，并與TPC、ReCOM、LinkClus算法進行了比較。
　?。?）基于膜系統(tǒng)的遺傳K-means多關(guān)系聚類算法(GKM)。算法從膜系統(tǒng)與多關(guān)系聚類算法相結(jié)合的新角度出發(fā)，設(shè)計了由三個細胞組成的進化-交流組織型P系統(tǒng)，并在三個細胞中使用了三種不同的遺傳進化機制，這種混合遺傳機制能夠改善算法的收斂性和增強對象的多樣性，使多關(guān)系數(shù)據(jù)集能有一個準確的聚類。GKM算法在UCI數(shù)據(jù)集Movie上進行了測驗，并與ReCOM