| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第8-11页 |
| 图索引 | 第11-12页 |
| 表索引 | 第12-13页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.1.1 课题研究背景 | 第13-14页 |
| 1.1.2 课题研究意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 云模型相似性度量研究现状 | 第14-16页 |
| 1.2.2 时间序列分类研究现状 | 第16-17页 |
| 1.2.3 协同过滤推荐系统研究现状 | 第17-18页 |
| 1.3 本文主要研究内容和组织结构 | 第18-21页 |
| 第2章 理论研究基础 | 第21-29页 |
| 2.1 云模型及其数字特征 | 第21-24页 |
| 2.1.1 云模型基本概念 | 第21-22页 |
| 2.1.2 正向云发生器及其算法 | 第22页 |
| 2.1.3 逆向云发生器及其算法 | 第22-23页 |
| 2.1.4 云模型 3En 规则 | 第23-24页 |
| 2.2 云模型的雾化特性 | 第24-26页 |
| 2.3 云模型的逻辑运算 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 基于正态云模型重叠度的相似性度量方法 | 第29-47页 |
| 3.1 现有云模型相似性度量方法 | 第29-33页 |
| 3.1.1 基于云滴的度量算法 | 第29-31页 |
| 3.1.2 基于向量的度量方法 | 第31-32页 |
| 3.1.3 基于公共面积的度量方法 | 第32-33页 |
| 3.2 基于云模型期望曲线重叠度的相似云度量算法 | 第33-39页 |
| 3.2.1 云的小于关系与包含关系 | 第34-35页 |
| 3.2.2 云模型重叠度 | 第35-36页 |
| 3.2.3 基于期望曲线重叠度的相似云 | 第36-37页 |
| 3.2.4 算法可行性分析 | 第37-39页 |
| 3.3 基于最大边界曲线重叠度的相似云度量算法 | 第39页 |
| 3.4 正态云模型相似度的性质 | 第39-41页 |
| 3.5 正态云模型相似性度量的进一步研究 | 第41-45页 |
| 3.5.1 云模型的α -截集定义 | 第41-42页 |
| 3.5.2 云模型相似性度量拓展 | 第42-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第4章 实验仿真及时间序列分类应用研究 | 第47-57页 |
| 4.1 实验仿真 | 第47-49页 |
| 4.1.1 四个云的分类实验 | 第47-48页 |
| 4.1.2 三个云的相似性度量 | 第48-49页 |
| 4.2 时间序列分类实验 | 第49-53页 |
| 4.2.1 时间序列简介 | 第49-50页 |
| 4.2.2 时间序列分类数据集 | 第50-52页 |
| 4.2.3 基于云模型相似性的时间序列分类算法 | 第52-53页 |
| 4.3 实验结果分析 | 第53-55页 |
| 4.3.1 实验结果正确率分析 | 第54页 |
| 4.3.2 实验结果时间复杂度分析 | 第54-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 云模型相似性在协同过滤推荐中的应用研究 | 第57-71页 |
| 5.1 协同过滤推荐系统 | 第57-58页 |
| 5.2 影评数据集及协同过滤推荐算法步骤 | 第58-62页 |
| 5.2.1 MovieLens 站点提供的影评数据集 | 第58-59页 |
| 5.2.2 协同过滤推荐算法 | 第59-62页 |
| 5.3 影评数据集实验结果比较与分析 | 第62-64页 |
| 5.3.1 推荐结果对比 | 第62-63页 |
| 5.3.2 推荐结果分析 | 第63-64页 |
| 5.4 Jester Joke 数据集及协同过滤推荐算法 | 第64-68页 |
| 5.4.1 Jester Joke 数据集 | 第64-65页 |
| 5.4.2 基于 Jester Joke 数据集的协同过滤推荐算法 | 第65-68页 |
| 5.5 Jester Joke 数据集实验结果比较与分析 | 第68-69页 |
| 5.6 本章小结 | 第69-71页 |
| 第6章 总结和展望 | 第71-73页 |
| 6.1 全文总结 | 第71-72页 |
| 6.2 下一步工作展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 攻读学位期间发表的学术论文目录 | 第81页 |
