| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-11页 |
| ·实例分析 | 第11-12页 |
| ·协同过滤推荐的研究现状 | 第12-14页 |
| ·基于内存的协同过滤推荐的研究现状 | 第12-13页 |
| ·基于模型的协同过滤推荐的研究现状 | 第13-14页 |
| ·主要研究内容 | 第14-15页 |
| ·本文组织结构 | 第15-16页 |
| 第2章 基于最小中值二乘估计量的鲁棒推荐算法 | 第16-22页 |
| ·引言 | 第16页 |
| ·矩阵分解模型 | 第16-17页 |
| ·基本定义 | 第17-19页 |
| ·基于最小中值二乘估计量的鲁棒推荐 | 第19-20页 |
| ·基于最小中值二乘估计量的鲁棒推荐算法的时间复杂度分析 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于核函数与 Welsch 加权 M-估计量的鲁棒推荐算法 | 第22-31页 |
| ·引言 | 第22页 |
| ·基于中值函数的用户、项目偏移量计算方法 | 第22-24页 |
| ·基于核函数的相似度计算方法 | 第24-26页 |
| ·基于 Welsch 加权 M-估计量的鲁棒参数估计 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 基于非线性特征与 Cauchy 加权 M-估计量的鲁棒推荐算法 | 第31-40页 |
| ·引言 | 第31页 |
| ·基于核主成分分析的评分矩阵非线性特征提取 | 第31-35页 |
| ·基于 Cauchy 加权 M-估计量的鲁棒参数估计 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 实验与评价 | 第40-51页 |
| ·实验数据 | 第40-41页 |
| ·实验环境 | 第41页 |
| ·实验设置 | 第41-42页 |
| ·评价指标 | 第42页 |
| ·基于最小中值二乘估计量的鲁棒推荐算法性能评价 | 第42-45页 |
| ·实验结果及分析 | 第42-44页 |
| ·参数对 PS 值的影响 | 第44-45页 |
| ·基于核函数与 Welsch 加权 M-估计量的鲁棒推荐算法性能评价 | 第45-47页 |
| ·基于非线性特征与 Cauchy 加权 M-估计量的鲁棒推荐算法性能评价 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |
