發(fā)布時(shí)間：2021-11-28 23:17

　　“62.5萬部優(yōu)酷、土豆視頻被觀看”、“App Store上已有51,000個(gè)app被下載”,這些數(shù)字指標(biāo)表明我們進(jìn)入了海量數(shù)據(jù)時(shí)代。大幅增長的數(shù)據(jù)帶來無限商業(yè)發(fā)展機(jī)會(huì)的同時(shí),也使得“信息過載”愈演愈烈。在海量信息和數(shù)據(jù)中挖掘?qū)τ脩粲袃r(jià)值的信息,成為各大主流平臺(tái)應(yīng)用的主打功能。推薦系統(tǒng)正是具備此功能的有效工具,其中起關(guān)鍵作用的就是推薦算法。目前,推薦算法及系統(tǒng)己經(jīng)在眾多電子商務(wù)網(wǎng)站、視頻網(wǎng)站以及個(gè)性化廣告等領(lǐng)域得到了廣泛的關(guān)注和應(yīng)用,并帶來了巨大的經(jīng)濟(jì)利益,但仍然面臨著數(shù)據(jù)稀疏性、精確性與多樣性難以調(diào)和等諸多難題和挑戰(zhàn)。粒子群優(yōu)化算法,又稱微粒群算法,是近些年來群體智能計(jì)算領(lǐng)域發(fā)展起來的一種生物啟發(fā)式優(yōu)化算法。一易實(shí)現(xiàn),二收斂快,三預(yù)設(shè)參數(shù)少,粒子群算法在實(shí)際應(yīng)用方面中展示了其適用性和高效性。本文首先分析了粒子群優(yōu)化算法的基本原理和特點(diǎn),總結(jié)了其存在的不足,結(jié)合模擬退火思想,提出了一種融合模擬退火的粒子群算法（SA-PSO）;其次研究了半監(jiān)督聚類算法的思想和原理,并提出了一種基于SA-PSO的半監(jiān)督聚類算法;最后將改進(jìn)聚類算法合理應(yīng)用到個(gè)性化推薦上,提出了一種改進(jìn)的推薦算法。在此基礎(chǔ)上... 

【文章來源】：中央民族大學(xué)北京市 211工程院校 985工程院校

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

推薦算法分類

從式子（２－６）和式子（２－７）可以看出，粒子的移動(dòng)速度向量取決于三方面：??（１）粒子當(dāng)前的速度（２）自身經(jīng)歷的最佳位置ｐＺ？ｅｓｔｆｄ；?（３）群體經(jīng)歷的最??佳位置ｃｏ、ｒ）ｉ、ｒ｜２分別表７Ｋ三部分所占的權(quán)重。如圖２－２所示，二種移??動(dòng)方向的加權(quán)求和示意圖。式（２－６）的第一項(xiàng)代表粒子保持先前速度的自身慣??性，第二項(xiàng)代表向自身歷史最優(yōu)位置靠攏，第三項(xiàng)代表粒子間信息共享，向全局??最優(yōu)值靠攏的趨勢(shì)。在整個(gè)運(yùn)行過程中，全局和本地搜索之間的平衡對(duì)于演化算??法的成功至關(guān)重要。??、最優(yōu)解ｙ??ｎ，?／?＝??／＇?運(yùn)動(dòng)向量??自身釀??屮?＇最優(yōu)解ｙ１??圖２－２粒子移動(dòng)方向示意圖??２．３．２全局模式與局部模式??粒子群算法分兩種模式：全局模式（ＧＰＳＯ）和局部模式（ＬＰＳＯ）。??全局模式（也稱Ｇｂｅｓｌ模型）是指粒子的運(yùn)動(dòng)依賴于粒子群中所有粒子，粒??子ｉ速度和位置的更新受自身極值和種群全局極值燦ｅｓＡ影響，上面式??（２－６）和（２－７）描述的就是全局模式ＰＳＯ：而局部模式（也稱Ｌｂｅｓｌ模型）是指??粒子追隨的兩個(gè)極值，一個(gè)是自身極值，另…個(gè)不苒是全局極值??而是鄰居粒子中的局部極值ｐｂｅｓ４ｄ。局部模式下，每個(gè)粒子不再記錄＿ｇｂｅｓｔｆｄ，??ＩＩ??

使得聚類算法在迭代速度上有一定程度的提高。??ＳＡＰＳＯＳＳＣ算法的框架如圖３－１所示。??ｉ￣￣￣１?｜￣；??雜無標(biāo)記數(shù)據(jù)???ｉ???使闈距離公式度ｓ??計(jì)筲已鍛定的Ｋ個(gè)類中心?計(jì)筲無標(biāo)記數(shù)據(jù)與類中心??的質(zhì)心?點(diǎn)的最小矩離???????分別指定有標(biāo)記數(shù)據(jù)和??無標(biāo)記數(shù)捱兩占權(quán)重??????重新定義目標(biāo)函數(shù)???ｘ?［???聚類算法???ｖ???Ｃ?＾?）??圖３－丨ＳＡＰＳＯＳＳＣ算法設(shè)計(jì)流程??根據(jù)己經(jīng)定義好的粒子群編碼，每個(gè)粒子代表一個(gè)聚類中心簇，包含所有的??聚類中心。??基于ＳＡ－ＰＳＯ的半監(jiān)督聚類算法流程如下：??算法：ＳＡＰＳＯＳＳＣ??輸入：有標(biāo)簽數(shù)據(jù)，無標(biāo)簽數(shù)據(jù)，聚類數(shù)目Ｍ，粒子群數(shù)量ｓ，最大迭代次數(shù)??輸出：聚類結(jié)果，目標(biāo)函數(shù)值??１）

【參考文獻(xiàn)】：
期刊論文
[1]多維數(shù)據(jù)判別分析的非參核密度算法研究[J]. 石凱,聶富強(qiáng),孫峰.  計(jì)算機(jī)工程與應(yīng)用. 2019(06)
[2]基于粒子群優(yōu)化算法的協(xié)同過濾推薦并行化研究[J]. 游思晴,周麗,趙東杰,薛菲.  北京郵電大學(xué)學(xué)報(bào). 2018(06)
[3]基于聚類和隨機(jī)森林的協(xié)同過濾推薦算法[J]. 楊興雨,李華平,張宇波.  計(jì)算機(jī)工程與應(yīng)用. 2018(16)
[4]基于主動(dòng)學(xué)習(xí)先驗(yàn)的半監(jiān)督K-means聚類算法[J]. 柴變芳,呂峰,李文斌,王垚.  計(jì)算機(jī)應(yīng)用. 2018(11)
[5]基于標(biāo)簽聚類和興趣劃分的協(xié)同過濾推薦算法[J]. 朱東郡,李敬兆,譚大禹,楊大禹.  計(jì)算機(jī)工程. 2017(11)
[6]智能推薦算法研究綜述[J]. 張松蘭.  長春師范大學(xué)學(xué)報(bào). 2017(06)
[7]基于云填充和混合相似性的協(xié)同過濾推薦算法的研究[J]. 成韻姿,陳曦,傅明.  計(jì)算技術(shù)與自動(dòng)化. 2016(04)
[8]基于最近鄰居聚類的協(xié)同過濾推薦算法[J]. 魏慧娟,戴牡紅,寧勇余.  中國科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2016(09)
[9]一種自適應(yīng)的Tri-Training半監(jiān)督算法[J]. 彭雅琴,宮寧生.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2016(08)
[10]基于用戶影響力和個(gè)性的協(xié)同過濾推薦算法[J]. 周國強(qiáng),金禮仁,張文聰.  計(jì)算機(jī)應(yīng)用. 2016(S1)

博士論文
[1]協(xié)同過濾推薦系統(tǒng)關(guān)鍵問題研究[D]. 孔維梁.華中師范大學(xué) 2013

碩士論文
[1]基于半監(jiān)督學(xué)習(xí)的推薦算法研究[D]. 高奇.長春理工大學(xué) 2018
[2]個(gè)性化混合推薦算法及應(yīng)用研究[D]. 陳恭泳.中央民族大學(xué) 2016
[3]基于J2EE的跨境電商平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 蔡振凡.吉林大學(xué) 2016



本文編號(hào)：3525347