| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-16页 |
| 1.2.1 推荐系统用户分类问题的研究现状 | 第11-12页 |
| 1.2.2 协方差矩阵估计研究现状 | 第12-13页 |
| 1.2.3 朴素贝叶斯分类器研究现状 | 第13-15页 |
| 1.2.4 Ada Boost研究现状 | 第15-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-18页 |
| 第二章 相关背景理论 | 第18-32页 |
| 2.1 贝叶斯分类器 | 第18-23页 |
| 2.1.1 贝叶斯分类方法分析 | 第18-20页 |
| 2.1.2 朴素贝叶斯分类器 | 第20-22页 |
| 2.1.3 朴素贝叶斯分类算法的优缺点 | 第22-23页 |
| 2.2 协方差矩阵估计 | 第23-30页 |
| 2.2.1 样本协方差矩阵 | 第23-24页 |
| 2.2.2 收缩估计器 | 第24-26页 |
| 2.2.3 惩罚似然估计 | 第26-27页 |
| 2.2.4 主成分分析及概率成分分析 | 第27-30页 |
| 2.3 正则化技术 | 第30-31页 |
| 2.4 本章总结 | 第31-32页 |
| 第三章 正则化高斯贝叶斯分类器 | 第32-45页 |
| 3.1 生成分类器 | 第32-33页 |
| 3.2 高斯朴素贝叶斯分类器 | 第33-36页 |
| 3.3 正则化高斯贝叶斯分类器 | 第36-38页 |
| 3.3.1 正则化高斯贝叶斯调整公式 | 第36-37页 |
| 3.3.2 正则化高斯贝叶斯算法流程 | 第37-38页 |
| 3.4 实验设计与结果分析 | 第38-43页 |
| 3.4.1 实验环境 | 第38页 |
| 3.4.2 实验数据集及评价标准 | 第38-40页 |
| 3.4.3 实验步骤与结果分析 | 第40-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 基于Ada Boost-RGB的用户分类算法 | 第45-57页 |
| 4.1 Ada Boost算法原理 | 第45-46页 |
| 4.2 基于Ada Boost的正则化高斯贝叶斯分类器 | 第46-48页 |
| 4.3 仿真实验与分析 | 第48-53页 |
| 4.3.1 实验过程 | 第48-49页 |
| 4.3.2 实验结果及分析 | 第49-53页 |
| 4.4 RGB和BRGB在用户分类中的应用 | 第53-56页 |
| 4.4.1 智能推荐体统 | 第53页 |
| 4.4.2 基于改进算法的客户分类模型 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 展望与总结 | 第57-59页 |
| 5.1 工作总结 | 第57-58页 |
| 5.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表论文情况 | 第64页 |