已閱讀1頁，還剩63頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領
文檔簡介
1、近年來，隨著電子商務市場的急速擴增以及網(wǎng)絡購物成交量的日益加大，海量的商品信息充斥著每個消費者的生活，如何方便快捷地為用戶提供滿足其個性化需求的信息，推薦技術應運而生。協(xié)同過濾推薦技術是目前個性化推薦技術中學者們研究的熱點，也是應用最廣、推薦效果較優(yōu)的一種推薦技術。
文章介紹常用的推薦算法及其他相關技術，比較各種推薦算法的優(yōu)缺點。并對協(xié)同過濾推薦算法的分類及其存在的問題進行闡述。
對傳統(tǒng)的模糊C均值聚類算法中的距離度
2、量公式和初始聚類中心的選擇兩方面進行優(yōu)化，將密度函數(shù)及馬氏距離公式引入傳統(tǒng)的模糊C均值聚類算法中，提出模糊C均值聚類優(yōu)化算法(Fuzzy C-means Based on Mahalanobis and Destiny，即FCMBMD算法)，實驗結果表明:FCMBMD算法不論在聚類的正確性、收斂性及迭代次數(shù)方面都優(yōu)于傳統(tǒng)的模糊C均值聚類算法。
再將FCMBMD算法應用到傳統(tǒng)的協(xié)同過濾推薦技術中，得到基于模糊聚類的協(xié)同過濾算法(
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于模糊C均值聚類的協(xié)同過濾推薦算法研究.pdf
- 雙向聚類迭代的協(xié)同過濾推薦算法.pdf
- 基于Hadoop的聚類協(xié)同過濾推薦算法研究及應用.pdf
- 基于雙重模糊聚類的協(xié)同過濾算法研究.pdf
- 基于用戶聚類的協(xié)同過濾推薦算法研究.pdf
- 結合用戶聚類的協(xié)同過濾推薦算法研究.pdf
- 基于聚類專家選擇的協(xié)同過濾推薦算法研究.pdf
- 協(xié)同過濾算法在圖書推薦系統(tǒng)中的應用.pdf
- 基于社會興趣聚類的協(xié)同過濾推薦算法研究.pdf
- 基于項目聚類的協(xié)同過濾推薦算法的研究.pdf
- 基于Hadoop的改進聚類協(xié)同過濾推薦算法研究.pdf
- 基于K-means聚類的協(xié)同過濾推薦算法研究.pdf
- 基于灰色關聯(lián)度聚類的協(xié)同過濾推薦算法.pdf
- 基于聚類的協(xié)同過濾個性化推薦算法研究.pdf
- 基于遺傳聚類的協(xié)同過濾推薦系統(tǒng).pdf
- 協(xié)同過濾推薦算法在移動智能推薦中的研究與應用.pdf
- 一種基于聯(lián)合聚類的協(xié)同過濾推薦算法研究
- 一種基于聯(lián)合聚類的協(xié)同過濾推薦算法研究
- 協(xié)同過濾推薦算法在社交網(wǎng)絡中的研究與應用.pdf
- 協(xié)同過濾推薦算法及其改進研究.pdf
評論
0/150
提交評論