| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 选题的背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究的主要内容 | 第12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 2 推荐算法研究综述 | 第14-25页 |
| 2.1 常用的推荐算法 | 第14-17页 |
| 2.1.1 基于内容的推荐算法 | 第14-15页 |
| 2.1.2 协同过滤推荐算法 | 第15页 |
| 2.1.3 基于关联规则的推荐算法 | 第15-16页 |
| 2.1.4 基于网络结构的推荐算法 | 第16-17页 |
| 2.1.5 混合推荐算法 | 第17页 |
| 2.1.6 各种推荐算法优缺点比较 | 第17页 |
| 2.2 协同过滤推荐算法的分类 | 第17-20页 |
| 2.2.1 基于用户的协同过滤算法 | 第18-19页 |
| 2.2.2 基于项目的协同过滤算法 | 第19-20页 |
| 2.2.3 基于模型的协同过滤算法 | 第20页 |
| 2.3 其他相关技术介绍 | 第20-23页 |
| 2.3.1 相似度计算方法 | 第20-22页 |
| 2.3.2 推荐算法的评价指标 | 第22-23页 |
| 2.4 协同过滤算法存在的问题 | 第23-24页 |
| 2.4.1 稀疏性问题 | 第23-24页 |
| 2.4.2 冷启动问题 | 第24页 |
| 2.4.3 可扩展性问题 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 模糊C均值聚类算法的研究 | 第25-42页 |
| 3.1 模糊聚类概述 | 第25-26页 |
| 3.2 模糊C均值聚类算法分析 | 第26-28页 |
| 3.2.1 模糊C均值算法描述 | 第26-27页 |
| 3.2.2 模糊C均值算法存在的主要问题 | 第27-28页 |
| 3.3 模糊C均值算法的优化 | 第28-34页 |
| 3.3.1 初始聚类中心选取的优化 | 第28-31页 |
| 3.3.2 距离度量的优化 | 第31-33页 |
| 3.3.3 FCMBMD算法描述 | 第33-34页 |
| 3.4 实验与分析 | 第34-41页 |
| 3.4.1 数据集的介绍及选取 | 第34-36页 |
| 3.4.2 实验方案 | 第36-38页 |
| 3.4.3 聚类正确性比较 | 第38-39页 |
| 3.4.4 迭代次数和收敛性比较 | 第39-40页 |
| 3.4.5 聚类中心结果比较 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 CFABFC：基于模糊聚类的协同过滤算法 | 第42-56页 |
| 4.1 基于聚类的协同过滤技术 | 第42-45页 |
| 4.1.1 基于用户聚类的协同过滤技术 | 第42-43页 |
| 4.1.2 基于项目聚类的协同过滤技术 | 第43-44页 |
| 4.1.3 基于用户聚类和项目聚类相结合的协同过滤技术 | 第44-45页 |
| 4.2 CFABFC算法的设计思想 | 第45-47页 |
| 4.3 实验与分析 | 第47-55页 |
| 4.3.1 数据集的介绍及选取 | 第47-50页 |
| 4.3.2 实验的度量指标 | 第50-51页 |
| 4.3.3 实验方案 | 第51-53页 |
| 4.3.4 实验结果分析 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 本文工作总结 | 第56-57页 |
| 5.2 未来工作的展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-65页 |
| 攻读硕士学位期间的主要研究成果 | 第65页 |