| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-22页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 相关技术 | 第10-11页 |
| 1.2.2 推荐算法介绍 | 第11-13页 |
| 1.3 协同过滤推荐技术概述 | 第13-18页 |
| 1.3.1 协同过滤算法的原理 | 第14-15页 |
| 1.3.2 协同过滤算法的步骤 | 第15-17页 |
| 1.3.3 协同过滤算法的难点与改进方法 | 第17-18页 |
| 1.4 本文的研究目标与结构 | 第18-22页 |
| 1.4.1 研究目的与意义 | 第18-19页 |
| 1.4.2 本文的工作 | 第19-20页 |
| 1.4.3 论文组织结构 | 第20-22页 |
| 第2章 优化近邻选择的协同过滤算法 | 第22-32页 |
| 2.1 问题定义以及相关工作 | 第22-23页 |
| 2.2 协同过滤算法近邻选择的优化 | 第23-26页 |
| 2.2.1 自适应的相似度影响因子 | 第23-24页 |
| 2.2.2 近邻偏好性计算 | 第24-25页 |
| 2.2.3 预测偏好定义 | 第25-26页 |
| 2.2.4 推荐算法 | 第26页 |
| 2.3 实验结果与分析 | 第26-31页 |
| 2.3.1 实验数据集 | 第26-27页 |
| 2.3.2 度量标准 | 第27-28页 |
| 2.3.3 相似度度量标准比较 | 第28-29页 |
| 2.3.4 推荐算法推荐质量比较 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于图像相似性的推荐算法 | 第32-53页 |
| 3.1 相关研究 | 第32-33页 |
| 3.2 尺度不变特征特征变换算法 | 第33-36页 |
| 3.3 CGCI-SIFT:一种更加高效简洁的局部图像描述算法 | 第36-39页 |
| 3.3.1 兴趣区域的划分 | 第36-37页 |
| 3.3.2 描述子的产生 | 第37-39页 |
| 3.4 实验及结果分析 | 第39-52页 |
| 3.4.1 实验数据集 | 第39-41页 |
| 3.4.2 评估标准 | 第41页 |
| 3.4.3 实验结果 | 第41-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章 基于融合策略的个性化推荐算法 | 第53-65页 |
| 4.1 问题定义 | 第53-55页 |
| 4.2 融合策略 | 第55-57页 |
| 4.3 推荐算法流程 | 第57-60页 |
| 4.3.1 图像特征的降维处理 | 第57-60页 |
| 4.3.2 推荐算法的步骤 | 第60页 |
| 4.4 实验及结果分析 | 第60-63页 |
| 4.4.1 实验数据集 | 第60-61页 |
| 4.4.2 度量标准 | 第61页 |
| 4.4.3 推荐质量对比分析 | 第61-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 5.1 总结与特色 | 第65-66页 |
| 5.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间公开发表的论文与科研项目 | 第73-74页 |
| 致谢 | 第74-75页 |