基于数据挖掘技术的信任模型研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 结论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 研究现状 | 第8-11页 |
| 1.2.1 数据挖掘研究现状 | 第8-10页 |
| 1.2.2 信任模型研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文结构 | 第12-13页 |
| 第二章 相关背景知识介绍 | 第13-22页 |
| 2.1 信任模型 | 第13-14页 |
| 2.2 聚类算法 | 第14-18页 |
| 2.2.1 聚类算法概念 | 第14-15页 |
| 2.2.2 常用聚类算法介绍 | 第15-18页 |
| 2.3 神经网络 | 第18-21页 |
| 2.3.1 神经网络概念 | 第18-19页 |
| 2.3.2 常用神经网络介绍 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于改进PSO的自适应FCM聚类算法 | 第22-32页 |
| 3.1 问题分析 | 第22-23页 |
| 3.2 基于改进PSO的自适应FCM聚类算法 | 第23-27页 |
| 3.2.1 理论分析 | 第23-24页 |
| 3.2.2 编码与适应度函数 | 第24页 |
| 3.2.3 惯性因子调整 | 第24-25页 |
| 3.2.4 应对早熟现象 | 第25-26页 |
| 3.2.5 算法流程 | 第26-27页 |
| 3.3 仿真实验与结果分析 | 第27-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于PSO-LSTM的信任评估模型 | 第32-48页 |
| 4.1 问题分析 | 第32-33页 |
| 4.2 基于PSO-LSTM的信任评估模型 | 第33-38页 |
| 4.2.1 理论分析 | 第33-34页 |
| 4.2.2 编码与适应度函数 | 第34-35页 |
| 4.2.3 模型结构 | 第35-36页 |
| 4.2.4 归一化 | 第36页 |
| 4.2.5 输入层构建 | 第36-37页 |
| 4.2.6 隐藏层构建 | 第37-38页 |
| 4.2.7 输出层构建 | 第38页 |
| 4.3 仿真实验与结果分析 | 第38-47页 |
| 4.3.1 仿真环境与实验数据 | 第39页 |
| 4.3.2 评价指标 | 第39-40页 |
| 4.3.3 性能对比分析 | 第40-43页 |
| 4.3.4 伪装节点识别能力对比分析 | 第43-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于数据挖掘技术的信任模型原型系统实现 | 第48-53页 |
| 5.1 原型系统结构 | 第48-49页 |
| 5.2 系统流程分析 | 第49-50页 |
| 5.3 原型系统实现 | 第50-52页 |
| 5.3.1 训练集导入 | 第50-51页 |
| 5.3.2 数据预处理 | 第51页 |
| 5.3.3 信任评估 | 第51-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第58-59页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第59-60页 |
| 致谢 | 第60页 |
