| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的及意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 国外研究现状 | 第12-14页 |
| 1.3.2 国内研究现状 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 音乐歌曲流量预测分析 | 第16-20页 |
| 2.1 音乐歌曲特征 | 第16页 |
| 2.2 音乐流量预算法介绍 | 第16-17页 |
| 2.2.1 加权模糊核聚类算法 | 第16-17页 |
| 2.2.2 可行系数空间算法 | 第17页 |
| 2.3 音乐流量预测分析方法与意义 | 第17-18页 |
| 2.4 本章内容小结 | 第18-20页 |
| 第三章 基于音乐歌曲流量组合模型 | 第20-32页 |
| 3.1 基于加权模糊核的用户聚类模型 | 第20-23页 |
| 3.1.1 加权模糊内核聚类模型 | 第20-22页 |
| 3.1.2 基于加权模糊核的用户聚类模型 | 第22-23页 |
| 3.2 基于卷积神经网络的用户分类模型 | 第23-26页 |
| 3.2.1 激活函数 | 第23-24页 |
| 3.2.2 卷积神经网络介绍 | 第24-25页 |
| 3.2.3 基于卷积神经网络的用户分类模型 | 第25-26页 |
| 3.3 基于可行系数空间的分割预测错误边界模型 | 第26-31页 |
| 3.3.1 可行空间窗口 | 第26-27页 |
| 3.3.2 可行系数空间模型 | 第27-28页 |
| 3.3.3 二阶可行系数空间模型 | 第28-29页 |
| 3.3.4 多阶可行系数空间模型 | 第29-30页 |
| 3.3.5 基于多阶可行系数空间的音乐流量预测模型 | 第30-31页 |
| 3.4 本章内容小结 | 第31-32页 |
| 第四章 算法设计实现 | 第32-44页 |
| 4.1 基于加权模糊核聚类和可行系数空间的音乐播放流量预测算法 | 第32-35页 |
| 4.2 基于加权模糊核聚类和可行系数空间的音乐播放流量预测算法流程 | 第35-37页 |
| 4.3 基于AdaBoost的卷积神经网络及可行系数空间分割的音乐流量预测算法 | 第37-40页 |
| 4.4 基于AdaBoost的卷积神经网络及可行系数空间分割的音乐流量预测算法流程 | 第40-41页 |
| 4.5 伪代码描述 | 第41-43页 |
| 4.6 本章内容小结 | 第43-44页 |
| 第五章 预测及分析 | 第44-59页 |
| 5.1 试验数据介绍 | 第44-45页 |
| 5.2 交叉验证设置 | 第45-46页 |
| 5.3 数据平台框架设计 | 第46-48页 |
| 5.4 估指标分析 | 第48-49页 |
| 5.5 验数据预测分析 | 第49-54页 |
| 5.5.1 艺人播放流量分析 | 第49-50页 |
| 5.5.2 艺人歌曲语言分布分析 | 第50-51页 |
| 5.5.3 艺人性别分布分析 | 第51页 |
| 5.5.4 艺人性别与歌曲语言分析 | 第51-52页 |
| 5.5.5 基于用户数据的总体艺人歌曲播放量分析 | 第52-54页 |
| 5.6 算法比较 | 第54-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 本文工作总结 | 第59页 |
| 6.2 进一步工作 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63页 |
