首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于CUR分解的偏好处理方法研究

摘要第3-4页
Abstract第4-5页
1 绪论第8-19页
    1.1 研究背景与意义第8页
    1.2 国内外研究发展现状第8-11页
        1.2.1 CUR矩阵分解与数据分析第8-10页
        1.2.2 RSVD矩阵分解与推荐系统第10页
        1.2.3 推荐系统中的推荐算法第10-11页
    1.3 基本概念及性质第11-17页
        1.3.1 SVD分解及其改进算法SVD++第11-13页
        1.3.2 特征提取的方法和技术第13-16页
        1.3.3 矩阵恢复第16-17页
    1.4 研究思路与创新点第17-18页
    1.5 内容组织第18-19页
2 基于CUR矩阵分解的偏好特征提取第19-39页
    2.1 CUR算法描述第19-20页
    2.2 CUR算法的求解实例第20-22页
    2.3 算法的性质分析第22-24页
        2.3.1 时间复杂度分析第22-23页
        2.3.2 空间复杂度分析第23页
        2.3.3 算法的准确性和压缩率第23-24页
    2.4 实验结果与分析第24-38页
        2.4.1 实验过程第25-26页
        2.4.2 评估尺度第26页
        2.4.3 实验讨论与对比第26-38页
    2.5 本章小结第38-39页
3 CUR/C+RSVD两阶段协同预测框架第39-59页
    3.1 正则化奇异值分解算法第39-41页
        3.1.1 RSVD的优势第40页
        3.1.2 RSVD面临的挑战第40-41页
    3.2 CUR/C+RSVD协同预测算法第41-48页
        3.2.1 改进CUR矩阵分解算法第41-42页
        3.2.2 CUR/C+RSVD算法描述第42-44页
        3.2.3 CUR/C+RSVD算法求解实例第44-48页
    3.3 算法的性质分析第48-52页
        3.3.1 算法正确性分析第49-50页
        3.3.2 算法时间复杂度分析第50-51页
        3.3.3 算法空间复杂度分析第51页
        3.3.4 算法的优势第51-52页
    3.4 实验结果与分析第52-58页
        3.4.1 评估尺度第52-54页
        3.4.2 实验过程第54-55页
        3.4.3 实验讨论与对比第55-58页
    3.5 本章小结第58-59页
4 总结与展望第59-61页
参考文献第61-66页
致谢第66-67页
攻读硕士期间发表的论文第67-68页
附录一 表目录第68-69页
附录二 图目录第69-71页

论文共71页,点击 下载论文
上一篇:基于立体视觉的非接触式车轮定位技术的研究
下一篇:混合内存云架构的数据对象管理策略