| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| 1-1 研究背景和研究意义 | 第9页 |
| 1-2 论文主要内容和创新点 | 第9-10页 |
| 1-3 论文结构 | 第10-12页 |
| 第二章 电子商务推荐系统及协同推荐算法研究综述 | 第12-24页 |
| 2-1 电子商务推荐系统 | 第12-14页 |
| 2-2 电子商务推荐算法分类 | 第14-16页 |
| 2-2-1 基于内容的推荐算法 | 第14-15页 |
| 2-2-2 基于规则的推荐算法 | 第15-16页 |
| 2-3 协同过滤推荐算法 | 第16-23页 |
| 2-3-1 协同过滤的定义 | 第16-18页 |
| 2-3-2 传统的协同过滤推荐算法步骤 | 第18-20页 |
| 2-3-3 传统协同过滤推荐算法的优点及存在的缺点 | 第20-23页 |
| 2-4 本章小结 | 第23-24页 |
| 第三章 模糊聚类算法研究综述 | 第24-33页 |
| 3-1 模糊聚类简介 | 第24-25页 |
| 3-2 模糊C-均值聚类（FCM）算法研究 | 第25-27页 |
| 3-2-1 硬C-均值聚类算法 | 第25-26页 |
| 3-2-2 模糊C 均值算法 | 第26-27页 |
| 3-3 FCM 在用户-项目评分矩阵中的应用 | 第27-32页 |
| 3-3-1 用户-项目评分问题的数学模型 | 第27-29页 |
| 3-3-2 FCM 聚类算法 | 第29页 |
| 3-3-3 FCM 算法的优点 | 第29-30页 |
| 3-3-4 FCM 算法存在的问题 | 第30-32页 |
| 3-4 本章小结 | 第32-33页 |
| 第四章 基于 FCM 的协同过滤推荐算法改进研究 | 第33-47页 |
| 4-1 FCM 算法要素的改进 | 第33-44页 |
| 4-1-1 初始聚类中心的产生 | 第33-36页 |
| 4-1-2 距离函数的改进 | 第36-38页 |
| 4-1-3 基于改进的FCM 算法模型 | 第38-39页 |
| 4-1-4 对改进的FCM 算法测试 | 第39-44页 |
| 4-2 基于FCM 技术的协同过滤算法的改进 | 第44-46页 |
| 4-2-1 问题分析 | 第44页 |
| 4-2-2 算法改进的依据 | 第44-45页 |
| 4-2-3 基于改进的SCFCM 的协同过滤推荐算法 | 第45-46页 |
| 4-3 本章小结 | 第46-47页 |
| 第五章 协同过滤推荐改进算法的仿真与测试 | 第47-55页 |
| 5-1 数据集 | 第47-48页 |
| 5-2 实验设计 | 第48-50页 |
| 5-2-1 实验数据集的选取 | 第48-49页 |
| 5-2-2 实验环境 | 第49页 |
| 5-2-3 推荐度量指标 | 第49页 |
| 5-2-4 实验方案 | 第49-50页 |
| 5-3 实验仿真 | 第50-54页 |
| 5-3-1 不同邻居集比较 | 第50-51页 |
| 5-3-2 不同稀疏程度比较 | 第51-54页 |
| 5-4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-56页 |
| 6-1 总结 | 第55页 |
| 6-2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间所取得的相关科研成果 | 第61页 |