| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第1章 绪论 | 第12-19页 |
| ·研究背景及意义 | 第12-13页 |
| ·国内外发展及现状 | 第13-16页 |
| ·课题研究目标 | 第16页 |
| ·课题研究内容 | 第16-17页 |
| ·论文结构 | 第17-19页 |
| 第2章 相关理论与技术 | 第19-36页 |
| ·聚类算法 | 第19-22页 |
| ·聚类技术概述 | 第19-20页 |
| ·聚类分析技术应用 | 第20-22页 |
| ·个性化推荐技术 | 第22-34页 |
| ·推荐系统的架构 | 第24-28页 |
| ·推荐技术的分类 | 第28-34页 |
| ·基于聚类模式的推荐技术 | 第34-36页 |
| 第3章 改进的低维度小型数据k-means聚类算法 | 第36-46页 |
| ·k-means算法 | 第36-38页 |
| ·低维度小型数据的改进算法 | 第38-43页 |
| ·基于聚类结果的推荐算法 | 第43-46页 |
| ·计算用户-项目属性类别的概率 | 第43-45页 |
| ·预测目标用户分属的类别 | 第45页 |
| ·产生推荐 | 第45-46页 |
| 第4章 改进的面向大型数据的聚类算法 | 第46-55页 |
| ·高维大型数据的改进算法 | 第46-51页 |
| ·高斯模糊及其算法实现 | 第46-50页 |
| ·其它模糊算法 | 第50-51页 |
| ·结合高斯模糊的聚类算法 | 第51页 |
| ·电信相关大型数据聚类应用 | 第51-55页 |
| 第5章 实验结果分析 | 第55-60页 |
| ·小型数据集实验分析 | 第55-56页 |
| ·数据集 | 第55页 |
| ·实验结果 | 第55-56页 |
| ·算法性能分析 | 第56页 |
| ·大型数据集实验分析 | 第56-58页 |
| ·数据存储类型转换 | 第57页 |
| ·合并排序等数据规范化 | 第57-58页 |
| ·离群点等其它问题处理 | 第58-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65-67页 |
| 致谢 | 第67页 |