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--模式识别与装置论文

基于分流策略和谱聚类的多图层推荐算法

中文摘要第2-3页
Abstract第3-4页
中文文摘第5-9页
第一章 绪论第9-17页
    1.1 课题来源第9页
    1.2 课题研究的背景及意义第9-11页
    1.3 国内外研究现状第11-14页
        1.3.1 国外研究现状第11-12页
        1.3.2 国内的研究现状第12-13页
        1.3.3 国内外推荐算法的研究及趋势第13-14页
    1.4 本文的主要贡献第14-15页
    1.5 论文组织第15-17页
第二章 推荐系统及其模型分析第17-29页
    2.1 邻域模型第17-21页
        2.1.1 基于kNN的邻域模型第17-19页
        2.1.2 邻域关系模型第19-21页
    2.2 受限玻尔兹曼机第21-23页
    2.3 矩阵分解模型第23-25页
        2.3.1 Basic MF第23-24页
        2.3.2 Biased MF第24-25页
        2.3.3 Probabilistic MF(PMF)第25页
    2.4 基于的图模型第25-28页
        2.4.1 基于资源分配矩阵的二部图算法第25-27页
        2.4.2 基于随机游走的二部图算法第27-28页
        2.4.3 二部图算法的不足及其改进第28页
    2.5 本章小结第28-29页
第三章 基于分流策略的多图层推荐方法第29-37页
    3.1 分流策略第29-34页
        3.1.1 电流分流原理第30-31页
        3.1.2 基于分流原理资源动态分配规则第31-32页
        3.1.3 资源分配计算和推荐第32-34页
    3.2 基于分流原理的多图层混合策略第34-35页
    3.3 本章小结第35-37页
第四章 基于分流策略和谱聚类的改进多图层推荐第37-51页
    4.1 谱聚类方法第38-41页
    4.2 图上的大规模谱聚类第41-46页
        4.2.1 超节点的产生第41-42页
        4.2.2 利用谱聚类减小图的规模第42-44页
        4.2.3 生成超级节点第44-45页
        4.2.4 复杂度分析第45-46页
    4.3 基于谱聚类增强的分流策略第46-50页
        4.3.1 利用kNN求解相似度矩阵W和拉普拉斯矩阵L第46-47页
        4.3.2 图层上产生超级节点第47页
        4.3.3 基于谱聚类改进的SPHS第47-50页
    4.4 本章小结第50-51页
第五章 实验及分析第51-63页
    5.1 实验数据集第51-53页
    5.2 实验评测指标第53-54页
    5.3 基于分流策略的实验及分析第54-56页
        5.3.1 Netflix数据集上实验第54-56页
        5.3.2 MovieLens数据集上实验第56页
    5.4 基于谱聚类的改进SPHS实验及分析第56-61页
    5.5 本章小结第61-63页
第六章 总结展望第63-65页
参考文献第65-71页
攻读学位期间承担的科研任务与主要成果第71-73页
致谢第73-75页
个人简历第75-76页

论文共76页,点击 下载论文
上一篇:三溴苯酚分子印迹传感器的制备
下一篇:一种基于AF4iOS框架的移动软件设计方法