| 摘要 | 第3-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第15-22页 |
| 第一节 研究背景和意义 | 第15-16页 |
| 第二节 国内外研究现状 | 第16-17页 |
| 第三节 推荐算法概述 | 第17-19页 |
| 一、评价准则 | 第18页 |
| 二、推荐算法分类 | 第18-19页 |
| 第四节 聚类算法概述 | 第19-20页 |
| 第五节 基于聚类的协同过滤推荐算法 | 第20页 |
| 第六节 本文所做的工作 | 第20-22页 |
| 第二章 一种改进的聚类算法 | 第22-31页 |
| 第一节 CFSFDP聚类算法 | 第22-24页 |
| 第二节 CFSFDP-DF聚类算法 | 第24-26页 |
| 第三节 改进的CFSFDP-DF聚类算法 | 第26-29页 |
| 一、改进原理 | 第26-28页 |
| 二、改进算法流程 | 第28-29页 |
| 第四节 本章小结 | 第29-31页 |
| 第三章 协同过滤推荐及其组合实现方法 | 第31-36页 |
| 第一节 基于内存的协同过滤推荐算法实现模型 | 第31-33页 |
| 第二节 协同过滤推荐过程中的组合模型 | 第33-35页 |
| 第三节 本章小结 | 第35-36页 |
| 第四章 融合聚类的协同过滤推荐 | 第36-38页 |
| 第一节 融合聚类的目的 | 第36页 |
| 第二节 基于IMP-CFSFDP-DF聚类的协同过滤推荐方案 | 第36-37页 |
| 第三节 本章小结 | 第37-38页 |
| 第五章 实验设计与验证 | 第38-55页 |
| 第一节 实验数据 | 第38-39页 |
| 一、人工合成的二维数据集 | 第38-39页 |
| 二、电影评分数据集 | 第39页 |
| 第二节 实验运行环境 | 第39页 |
| 第三节 实验设计方案 | 第39-40页 |
| 第四节 实验结果与分析 | 第40-52页 |
| 一、IMP-CFSFDP-DF聚类与CFSFDP-DF聚类对比 | 第40-42页 |
| 二、IMP-CFSFDP-DF聚类算法处理二维数据集和K-means对比 | 第42-46页 |
| 三、用户特征聚类 | 第46-47页 |
| 四、基于聚类的协同过滤推荐实验 | 第47-52页 |
| 第五节 讨论 | 第52-53页 |
| 第六节 本章小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-58页 |
| 第一节 总结 | 第55-56页 |
| 第二节 本文的创新点 | 第56页 |
| 第三节 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术论文目录 | 第63页 |
