摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-18页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-16页 |
1.3 论文的研究内容 | 第16-17页 |
1.4 论文的组织结构 | 第17-18页 |
第2章 相关理论和技术 | 第18-23页 |
2.1 人脸识别 | 第18-19页 |
2.1.1 发展历史 | 第18页 |
2.1.2 技术特点 | 第18页 |
2.1.3 人脸识别过程 | 第18页 |
2.1.4 人脸图像的采集和检测 | 第18-19页 |
2.1.5 人脸图像的预处理 | 第19页 |
2.1.6 人脸图像的特征提取 | 第19页 |
2.1.7 人脸图像的匹配与识别 | 第19页 |
2.2 关联规则挖掘算法 | 第19-22页 |
2.2.1 关联规则相关概念 | 第19页 |
2.2.2 Apriori算法 | 第19-20页 |
2.2.3 FPGrowth算法 | 第20页 |
2.2.4 聚类的定义 | 第20页 |
2.2.5 聚类算法的性能评价指标 | 第20-21页 |
2.2.6 聚类算法分类 | 第21页 |
2.2.7 K-means聚类算法 | 第21-22页 |
2.2.8 AGNES聚类算法 | 第22页 |
2.3 本章小结 | 第22-23页 |
第3章 面向成长模型的LinkedIn社交网络中成员的年龄预测方法 | 第23-37页 |
3.1 成长模型设计 | 第23-25页 |
3.2 年龄预测算法描述 | 第25-26页 |
3.3 实验数据准备 | 第26-27页 |
3.3.1 具有真实年龄的用户数据集 | 第26页 |
3.3.2 LinkedIn账户数据集 | 第26-27页 |
3.3.3 具有真实头像图片的LinkedIn账户数据集 | 第27页 |
3.4 实验设计与结果分析 | 第27-35页 |
3.4.1 实验设置 | 第27-28页 |
3.4.2 实验结果及分析 | 第28-35页 |
3.5 本章小结 | 第35-37页 |
第4章 面向LinkedIn社交网络中大数据的职业技能分布特征研究 | 第37-50页 |
4.1 职业技能采集与识别 | 第37-39页 |
4.1.1 职业技能采集 | 第37-38页 |
4.1.2 职业技能词识别 | 第38-39页 |
4.2 FP-Growth关联规则挖掘算法 | 第39-42页 |
4.2.1 FP-Tree的构建 | 第40-41页 |
4.2.2 FP-Tree上频繁项集的挖掘 | 第41-42页 |
4.3 AGNES聚类算法 | 第42-44页 |
4.4 职业技能关联分析 | 第44-46页 |
4.4.1 职业技能关联分析模型 | 第44-45页 |
4.4.2 职业技能关联特征 | 第45-46页 |
4.5 聚类分析 | 第46-48页 |
4.5.1 职业技能聚类分析模型 | 第46-47页 |
4.5.2 职业技能聚类特征 | 第47-48页 |
4.6 本章小结 | 第48-50页 |
第5章 职业技能生命曲线聚类分析 | 第50-63页 |
5.1 职业技能生命曲线 | 第50-52页 |
5.1.1 职业技能生命曲线定义 | 第50页 |
5.1.2 职业技能数据集采集 | 第50-52页 |
5.2 协方差与相关系数 | 第52-53页 |
5.2.1 协方差 | 第52-53页 |
5.2.2 相关系数 | 第53页 |
5.2.3 利用相关系数计算两条职业技能生命曲线的距离 | 第53页 |
5.3 K-means++聚类算法介绍以及改进 | 第53-55页 |
5.3.1 K-means++聚类算法 | 第53-54页 |
5.3.2 距离计算方法改进 | 第54-55页 |
5.4 聚类算法优劣评价指标 | 第55-57页 |
5.4.1 无标签评价指标 | 第55-56页 |
5.4.2 有标签评价指标 | 第56-57页 |
5.5 聚类结果分析 | 第57-61页 |
5.5.1 实验设置 | 第57页 |
5.5.2 结果分析 | 第57-61页 |
5.6 本章小结 | 第61-63页 |
第6章 总结和展望 | 第63-65页 |
6.1 工作总结 | 第63-64页 |
6.2 未来工作展望 | 第64-65页 |
致谢 | 第65-66页 |
参考文献 | 第66-70页 |
附录 | 第70-71页 |
详细摘要 | 第71-73页 |