检索结果-南通市图书馆

检索条件"主题词=密度Canopy"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于密度canopy的高维模糊C均值聚类推荐算法

基于密度Canopy的高维模糊C均值聚类推荐算法

引用

作者：王海岚桂林理工大学

学位级别：硕士

随着互联网技术的不断发展,数据和信息也越来越多,用户获取有价值的信息越来越难。为了帮助用户迅速找到需要的信息,推荐算法成为了非常重要的技术,得到了越来越广泛的重视。模糊C均值因其算法简洁灵活、聚类高效而被应用于推荐算法,但... 详细信息

随着互联网技术的不断发展,数据和信息也越来越多,用户获取有价值的信息越来越难。为了帮助用户迅速找到需要的信息,推荐算法成为了非常重要的技术,得到了越来越广泛的重视。模糊C均值因其算法简洁灵活、聚类高效而被应用于推荐算法,但该算法存在需要人工预先确定簇数、初始簇中心选取不稳定、难以处理复杂高维数据带来的维数灾难等局限性。与此同时,协同过滤推荐算法因其高效精准的优势,在电子商务网站、社交网站和新闻推送等领域都表现出了良好性能,但该推荐算法仍存在数据稀疏、冷启动、用户主观性影响推荐结果等问题。因此,本文进行了如下研究:针对模糊C均值(Fuzzy C-Means,FCM)聚类算法需要预先人工确定簇数导致自适应性较差、初始簇中心选择不稳定导致稳定性较低、复杂高维数据聚类时相似性度量失效等问题,提出了一种等距特征映射和密度canopy优化的FCM聚类算法(Fuzzy CMeans based on density canopy and manifold isometric feature mapping,DM-FCM)。首先,本文提出一种基于改进局部密度的密度canopy算法自动确定簇数和初始簇中心,提高算法的自适应性和稳定性。其次,考虑到高维数据往往呈现为非线性结构,采用等距特征映射算法构造流形空间结构、保留了复杂高维数据的全局几何特性,提高算法对复杂高维数据集的聚类效果。实验使用FM指数(Fowlkes-Mallows Index,FMI)、均一性和完整性的加权平均(the harmonic mean between homogeneity and completeness,Vmeasure)、调整互信息(Adjusted Mutual Information,AMI)、调整兰德系数(Adjusted Rand index,ARI)作为聚类算法的性能度量,结果表明:等距特征映射算法是较优的相似性度量方法,改进后的FCM算法相较传统FCM算法在AMI性能度量上平均提高了6.99%、ARI性能度量平均提高了13.01%、V-measure性能度量平均提高了6.27%。针对协同过滤推荐算法在数据稀疏时进行推荐会导致准确度下降以及推荐效率较低的问题,提出一种基于密度canopy算法和等距特征映射的模糊C均值的协同过滤推荐算法(Collaborative filtering algorithm based on DM-FCM,DMFCM-CF)。采用密度canopy算法和等距特征映射优化FCM聚类算法,提升聚类效率。采用基于密度canopy和等距特征映射的FCM算法对用户进行模糊划分,减少计算量。采用基于邻域方法的矩阵填充算法缓解了数据稀疏问题。基于密度canopy算法和等距特征映射的FCM聚类协同过滤推荐算法相较于传统协同过滤推荐算法的推荐准确度更高,有效缓解了数据稀疏性和数据高维等问题。

关键词：模糊C均值算法簇中心密度canopy 等距特征映射协同过滤推荐

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：