基于优化支持向量机的个性化推荐研究--聚文网

精选

¥5.83

世界图书名著昆虫记绿野仙踪木偶奇遇记儿童书籍彩图注音版

¥5.39

正版世界名著文学小说名家名译中学生课外阅读书籍图书批发 70册

¥8.58

简笔画10000例加厚版2-6岁幼儿童涂色本涂鸦本绘画本填色书正版

¥5.83

世界文学名著全49册中小学生青少年课外书籍文学小说批发正版

¥4.95

全优冲刺100分测试卷一二三四五六年级上下册语文数学英语模拟卷

¥8.69

父与子彩图注音完整版小学生图书批发儿童课外阅读书籍正版1册

¥24.2

好玩的洞洞拉拉书0-3岁宝宝早教益智游戏书机关立体翻翻书4册

¥7.15

幼儿认字识字大王3000字幼儿园中班大班学前班宝宝早教启蒙书

¥11.55

用思维导图读懂儿童心理学培养情绪管理与性格培养故事指导书

¥19.8

少年读漫画鬼谷子全6册在漫画中学国学小学生课外阅读书籍正版

¥64

科学真好玩

¥12.7

一年级下4册·读读童谣和儿歌

¥38.4

原生态新生代(传统木版年画的当代传承国际研讨会论文集)

¥11.14

法国经典中篇小说

¥11.32

上海的狐步舞--穆时英(中国现代文学馆馆藏初版本经典)

¥21.56

猫的摇篮(精)

¥30.72

幼儿园特色课程实施方案/幼儿园生命成长启蒙教育课程丛书

旧时风物(精)

三希堂三帖/墨林珍赏

寒山子庞居士诗帖/墨林珍赏

苕溪帖/墨林珍赏

楷书王维诗卷/墨林珍赏

兰亭序/墨林珍赏

祭侄文稿/墨林珍赏

蜀素帖/墨林珍赏

真草千字文/墨林珍赏

进宴仪轨(精)/中国古代舞乐域外图书

舞蹈音乐的基础理论与应用

内容简介

个性化推荐在实际应用中存在小样本、高维度和非线性等问题。鉴于以上问题，本书提出了基于支持向量机的个性化推荐方法，实现对项目的内容信息以及用户行为信息的综合分析与挖掘。针对传统的协同过滤推荐方法存在相似度计算方式单一，不易利用项目的内容信息和冷启动等问题，提出了利用支持向量分类机方法来代替传统的相似度计算，不仅考虑了用户的行为信息，而且也利用了项目的内容信息和用户的人口统计学信息。同时，利用带收缩因子的动态惯性权重自适应粒子群优化算法对支持向量分类机的参数进行优化，以期提高推荐模型的准确率。针对实际应用中，不仅需要推荐列表，而且还需要详细的评分信息，提出了基于支持向量机先分类再回归的推荐方法。针对大规模数据中的推荐效率和实时性等问题，提出了基于平滑技术和核减少技术的对称支持向量机推荐方法。针对个性化推荐中有标签数据价值高但稀少，同时对无标签数据标注存在耗时、耗力、代价高等问题，提出了基于主动学习的半监督直推式支持向量机推荐方法。

作者简介

文俊浩，男，重庆大学软件学院教授、博士生导师。年来主要从事服务计算、数据挖掘等方面的研究。主持国家自然科学基金面上项目2项，主持国家“十一五”科技支撑计划项目1项，主研国家自然科学基金2项，主持并参与省部级项目10余项。2015年获国家教学成果二等奖（排名第2）。2014年获国家教学成果二等奖（排名靠前），2013年获重庆市教学成果一等奖（排名靠前），2011年获重庆市科技进步二等奖（排名靠前）。年来。发表学术论文70余篇，其中SCI检索20余篇，EI检索30余篇。

第1章绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 本书的主要工作
1.4 本书的组织结构
1.5 本章小结
第2章支持向量机与个性化推荐相关研究分析
2.1 支持向量机相关研究和优势分析
2.2 个性化推荐系统相关分析
2.3 基于支持向量机的个性化推荐技术
2.4 评价指标
2.5 本章小结
第3章基于支持向量分类机的推荐方法
3.1 支持向量分类机算法在个性化推荐应用中的分析
3.2 支持向量分类机和参数优化对象
3.3 粒子群优化（PSO）算法提升SVM的分类性能
3.4 分类准确率实验结果与分析
3.5 个性化推荐实验结果与分析
3.6 本章小结
第4章基于支持向量机先分类再回归的推荐方法
4.1 支持向量机回归算法在个性化推荐应用中的分析
4.2 支持向量回归机和参数优化对象
4.3 带进化速度和聚集度的自适应PS0算法
4.4 准确率实验结果与分析
4.5 个性化推荐实验结果与分析
4.6 本章小结
第5章基于平滑技术和核减少技术的对称支持向量机推荐方法
5.1 对称支持向量机分析
5.2 利用平滑技术和核减少技术改进对称支持向量机
5.3 核减少的平滑对称支持向量机（RSTWSVM）算法
5.4 RSTWSVM算法性能测试结果及分析
5.5 个性化推荐实验结果与分析
5.6 本章小结
第6章基于主动学习的半监督直推式支持向量机推荐方法
6.1 半监督支持向量机、主动学习和基于图的方法
6.2 正则化框架和样本选择策略
6.3 基于主动学习的半监督直推式支持向量机（AIXSVM）算法
6.4 ALTSVM算法性能测试结果及分析
6.5 个性化推荐实验结果及分析
6.6 本章小结
第7章结论与展望
7.1 结论
7.2 展望
参考文献

基于优化支持向量机的个性化推荐研究

库存： {{selectedSku?.stock}} 库存充足