首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于偏好数据库的无环CP-nets结构学习方法研究

摘要第11-13页
ABSTRACT第13-15页
第一章 引言第16-28页
    1.1 研究背景与意义第16-19页
    1.2 CP-nets结构学习方法研究进展第19-22页
    1.3 CP-nets结构学习面临的困难与挑战第22-24页
    1.4 论文主要贡献与结构安排第24-28页
第二章 CP-nets结构学习基本方法研究第28-54页
    2.1 引言第28-29页
    2.2 CP-nets相关概念第29-35页
        2.2.1 偏好及偏好关系第29-30页
        2.2.2 CP-nets第30-35页
    2.3 偏好数据库设计第35-37页
    2.4 条件偏好判定方法第37-42页
    2.5 基于评分函数的CP-nets结构学习算法第42-46页
        2.5.1 CP-nets结构学习算法第42-44页
        2.5.2 CP-nets结构去环算法第44-45页
        2.5.3 CP-nets条件偏好表学习第45-46页
        2.5.4 算法复杂度分析第46页
    2.6 实验结果及分析第46-53页
        2.6.1 模拟数据实验结果及分析第48-49页
        2.6.2 SUSHI偏好数据集实验结果及分析第49-50页
        2.6.3 MovieLens数据集实验结果及分析第50-52页
        2.6.4 实验对比与分析第52-53页
    2.7 本章小结第53-54页
第三章 基于A*算法的CP-nets结构学习方法研究第54-74页
    3.1 引言第54页
    3.2 最短路径问题第54-56页
        3.2.1 状态空间搜索图第54-55页
        3.2.2 最短路径搜索方法第55-56页
    3.3 基于A*算法的CP-nets结构学习方法第56-67页
        3.3.1 评分函数设计第56-57页
        3.3.2 启发式函数设计第57-62页
        3.3.3 基于A*算法学习CP-nets结构第62-67页
        3.3.4 算法复杂度分析第67页
    3.4 实验结果及分析第67-71页
        3.4.1 模拟数据实验结果及分析第67-69页
        3.4.2 SUSHI偏好数据集实验结果及分析第69页
        3.4.3 MovieLens数据实验结果及分析第69-70页
        3.4.4 实验对比与分析第70-71页
    3.5 本章小结第71-74页
第四章 基于流式偏好数据的CP-nets结构学习方法研究第74-92页
    4.1 引言第74-75页
    4.2 流式偏好数据学习方法相关研究工作第75-76页
    4.3 流式偏好数据库设计第76-78页
    4.4 基于流式偏好数据的CP-nets结构学习算法第78-84页
        4.4.1 学习框架第78-79页
        4.4.2 学习算法第79-84页
        4.4.3 算法复杂度分析第84页
    4.5 实验结果及分析第84-91页
        4.5.1 模拟数据结果及分析第84-86页
        4.5.2 SUSHI偏好数据集实验结果及分析第86-88页
        4.5.3 MovieLens数据集实验结果及分析第88-91页
    4.6 本章小结第91-92页
第五章 多CP-nets聚合学习方法研究第92-110页
    5.1 引言第92-93页
    5.2 CP-nets表示与聚合相关研究工作第93-96页
        5.2.1 CP-nets表示相关研究工作第93-95页
        5.2.2 CP-nets聚合相关研究工作第95-96页
    5.3 PCP-nets及聚合选择第96-100页
        5.3.1 PCP-nets概述第96-97页
        5.3.2 PCP-nets学习方法第97-98页
        5.3.3 聚合方法选择第98-100页
    5.4 基于Max聚合的PCP-nets学习第100-105页
        5.4.1 学习框架及算法设计第100-104页
        5.4.2 算法复杂度分析第104-105页
    5.5 实验结果及分析第105-107页
        5.5.1 模拟数据实验结果及分析第105-106页
        5.5.2 SUSHI偏好数据集实验结果及分析第106-107页
        5.5.3 MovieLens数据集实验结果及分析第107页
    5.6 本章小结第107-110页
第六章 总结与展望第110-114页
    6.1 本文主要工作与创新内容总结第110-112页
    6.2 未来工作展望第112-114页
参考文献第114-130页
致谢第130-132页
攻读博士学位期间发表科研论文、授权软件著作权及主持参与科研项目第132-134页
学位论文评阅及答辩情况表第134页

论文共134页,点击 下载论文
上一篇:钢中MnS夹杂物的激光诱导击穿光谱统计表征
下一篇:新型层片含铝双相钢的组织调控及其对力学性能影响机制