高维稀疏数据的相关性度量方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| §1.1 稀疏数据 | 第8-9页 |
| ·稀疏数据概述 | 第8页 |
| ·稀疏数据的来源与种类 | 第8页 |
| ·稀疏数据相关概念 | 第8-9页 |
| §1.2 向量的相关性 | 第9-11页 |
| ·相关性度量 | 第9页 |
| ·Pearson 相关系数 | 第9-10页 |
| ·Spearman 相关系数 | 第10页 |
| ·余弦相关系数 | 第10-11页 |
| §1.3 国内外研究现状 | 第11-12页 |
| ·实务中的缺失值填补 | 第11-12页 |
| ·稀疏聚类 | 第12页 |
| §1.4 论文组织结构 | 第12-14页 |
| 第二章 稀疏统计理论构架 | 第14-19页 |
| §2.1 统计结构 | 第14-15页 |
| §2.2 显示变量 | 第15-16页 |
| §2.3 稀疏统计结构 | 第16-19页 |
| 第三章 稀疏相关性度量方法 | 第19-23页 |
| §3.1 基于信息熵的相关性度量 | 第19-20页 |
| ·信息熵 | 第19页 |
| ·算法设计 | 第19-20页 |
| ·一些补充说明 | 第20页 |
| §3.2 稀疏相似路径 | 第20-23页 |
| ·基本思想 | 第20-21页 |
| ·间接相关系数 | 第21页 |
| ·相似路径 | 第21-23页 |
| 第四章 个性化推荐系统实证分析 | 第23-31页 |
| §4.1 概述 | 第23-24页 |
| ·写作背景 | 第23页 |
| ·个性化推荐 | 第23-24页 |
| ·协同过滤 | 第24页 |
| §4.2 数据集说明 | 第24-25页 |
| ·数据来源 | 第24-25页 |
| ·数据容量 | 第25页 |
| ·数据划分 | 第25页 |
| §4.3 算法设计 | 第25-27页 |
| ·评分矩阵缺省值填补 | 第25-26页 |
| ·计算近邻用户和推荐评分 | 第26-27页 |
| ·预测误差 | 第27页 |
| §4.4 结果分析 | 第27-31页 |
| ·近邻数的选取 | 第27-29页 |
| ·不同相关性度量方式的误差 | 第29-31页 |
| 参考文献 | 第31-33页 |
| 附录 A | 第33-36页 |
| 附录 B | 第36-38页 |
| 致谢 | 第38-39页 |
