遗传算法优化神经网络在推荐系统中的应用研究
| 摘要 | 第2-3页 |
| ABSTRACT | 第3-4页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义及价值 | 第9-10页 |
| 1.3 推荐系统国内外研究现状 | 第10-11页 |
| 1.3.1 国内外研究现状 | 第10-11页 |
| 1.3.2 发展趋势 | 第11页 |
| 1.4 研究内容及面临的问题 | 第11-13页 |
| 1.4.1 研究内容 | 第11-12页 |
| 1.4.2 面临的问题 | 第12-13页 |
| 1.5 本文工作与组织结构 | 第13-15页 |
| 1.5.1 本文工作 | 第13-14页 |
| 1.5.2 组织结构 | 第14-15页 |
| 2 相关理论介绍 | 第15-27页 |
| 2.1 数据挖掘 | 第15-16页 |
| 2.2 电子商务推荐系统 | 第16-20页 |
| 2.2.1 电子商务推荐系统概念 | 第16页 |
| 2.2.2 电子商务推荐技术 | 第16-18页 |
| 2.2.3 推荐系统挖掘算法 | 第18-19页 |
| 2.2.4 推荐系统结构 | 第19-20页 |
| 2.2.5 个性化推荐步骤 | 第20页 |
| 2.3 神经网络 | 第20-24页 |
| 2.3.1 基本概念 | 第20-21页 |
| 2.3.2 学习方法 | 第21-22页 |
| 2.3.3 信息处理特点 | 第22页 |
| 2.3.4 BP神经网络模型 | 第22-24页 |
| 2.3.5 BP神经网络特点 | 第24页 |
| 2.4 遗传算法 | 第24-27页 |
| 2.4.1 基本概念 | 第24页 |
| 2.4.2 遗传算法原理 | 第24-25页 |
| 2.4.3 遗传算法组成要素 | 第25页 |
| 2.4.4 遗传算法编码与解码 | 第25-26页 |
| 2.4.5 遗传算法特点 | 第26-27页 |
| 3 神经网络的改进 | 第27-36页 |
| 3.1 传统BP神经网络算法描述 | 第27-30页 |
| 3.1.1 BP神经网络模型 | 第27-29页 |
| 3.1.2 BP神经网络算法流程图 | 第29-30页 |
| 3.2 本文的改进思路 | 第30-36页 |
| 3.2.1 BP算法的优缺点 | 第30-31页 |
| 3.2.2 改进思路 | 第31页 |
| 3.2.3 BP网络的权值调整方法比较 | 第31-34页 |
| 3.2.4 L-M法改进后BP网络推荐模型训练 | 第34-36页 |
| 4 遗传算法优化神经网络 | 第36-45页 |
| 4.1 模型建立 | 第36-38页 |
| 4.1.1 未经遗传算法优化的BP神经网络建模 | 第37页 |
| 4.1.2 遗传算法优化的BP神经网络建模 | 第37-38页 |
| 4.2 算法流程 | 第38-40页 |
| 4.3 算法实现 | 第40-41页 |
| 4.4 编程实现 | 第41-45页 |
| 4.4.1 遗传算法主函数流程 | 第42页 |
| 4.4.2 适应度函数 | 第42-43页 |
| 4.4.3 选择操作 | 第43页 |
| 4.4.4 交叉操作 | 第43页 |
| 4.4.5 变异操作 | 第43页 |
| 4.4.6 遗传算法优化的BP神经网络函数拟合 | 第43-45页 |
| 5 仿真实验与分析 | 第45-59页 |
| 5.1 实验数据和实验配置 | 第45-49页 |
| 5.1.1 真实有效的数据集 | 第45-48页 |
| 5.1.2 实验环境 | 第48页 |
| 5.1.3 实验目的 | 第48页 |
| 5.1.4 算法激活函数 | 第48-49页 |
| 5.2 评价指标 | 第49-51页 |
| 5.3 实验结果与分析 | 第51-59页 |
| 6 总结与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 后记 | 第64-65页 |
