| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文的研究内容 | 第11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 2 聚类中心选择方法研究 | 第13-21页 |
| 2.1 问题描述 | 第13页 |
| 2.2 相关工作研究 | 第13-15页 |
| 2.3 基于最小方差和最大化最小距离的聚类中心选择方法 | 第15-20页 |
| 2.4 改进的聚类中心选择方法性能分析 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 用户相似度度量方法研究 | 第21-30页 |
| 3.1 问题描述 | 第21页 |
| 3.2 相关工作研究 | 第21-23页 |
| 3.3 基于信任关系和评分偏好的相似度度量方法 | 第23-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 基于改进K-means聚类算法的推荐方法 | 第30-48页 |
| 4.1 问题描述 | 第30-31页 |
| 4.2 改进的K-means算法 | 第31-34页 |
| 4.3 基于IKC算法的推荐方法实现 | 第34-37页 |
| 4.4 评分预测的相关方法 | 第37-38页 |
| 4.5 实验及结果分析 | 第38-46页 |
| 4.6 本章小结 | 第46-48页 |
| 5 总结与展望 | 第48-50页 |
| 5.1 主要研究成果 | 第48-49页 |
| 5.2 下一步工作展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |