本文提出一種可用于電影推薦先聚類再分類的方法。首先結(jié)合肘部函數(shù)預(yù)先估算類簇?cái)?shù)量,再結(jié)合最大最小距離方法的K-means算法對(duì)初始聚類中心進(jìn)行選取,最終得到聚類的簇以及簇的聚類中心。根據(jù)用戶對(duì)電影評(píng)分以及用戶的個(gè)人信息的測(cè)試數(shù)據(jù)與聚類中心之間的相似度,將其分到所屬簇,把簇中的樣本集作為訓(xùn)練集進(jìn)行K近鄰分類。本文的算法縮小了比對(duì)的范圍,同時(shí)提高了推薦和聚類的準(zhǔn)確度。 

【文章來(lái)源】：電子技術(shù)與軟件工程. 2020,(18)

【文章頁(yè)數(shù)】：2 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]最小化誤差平方和k-means初始聚類中心優(yōu)化方法[J]. 周本金,陶以政,紀(jì)斌,謝永輝.  計(jì)算機(jī)工程與應(yīng)用. 2018(15)
[2]數(shù)據(jù)挖掘中的推薦算法綜述[J]. 耿鑫,劉晉佩.  電腦知識(shí)與技術(shù). 2012(19)



本文編號(hào)：3390934