2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩72頁未讀 繼續(xù)免費閱讀

下載本文檔

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、蘇州大學學位論文獨創(chuàng)性聲明本人鄭重聲明:所提交的學位論文是本人在導師的指導下,獨立進行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外,本論文不含其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果,也不含為獲得蘇州大學或其它教育機構的學位證書而使用過的材料。對本文的研究作出重要貢獻的個人和集體,均已在文中以明確方式標明。本人承擔本聲明的法律責任。論文作者簽名:盔!扭裊El融合圖像相似性與協(xié)同過濾的個性化推薦算法研究中文摘要融合圖像相似性與協(xié)同過濾

2、的個性化推薦算法研究中文摘要隨著計算機互聯(lián)網(wǎng)的迅猛發(fā)展,電子商務將迎來前所未有的高速發(fā)展時期。電子商務推薦系統(tǒng)作為一個非常重要的購物助手,可以幫助用戶在海量商品中快速找到所需的商品,可以幫助企業(yè)有效地留住用戶,增加銷量,提升企業(yè)競爭力。目前推薦系統(tǒng)已廣泛應用在大型電子商務網(wǎng)站中,例如亞馬遜、淘寶、京東等。但是傳統(tǒng)的協(xié)同過濾技術依然存在著冷啟動、數(shù)據(jù)稀疏、可擴展性等多個難題,尤其是目前大多數(shù)電子商務購物網(wǎng)站都是通過商品的圖片信息來吸引顧客

3、,但是目前推薦系統(tǒng)大多沒有用到商品的圖片信息,本文針對如何利用商品的圖像信息進行推薦進行研究,將圖像相似性和傳統(tǒng)的協(xié)同過濾推薦算法相結合,提出了基于融合策略的個性化推薦算法,本文主要研究工作如下:(1)針對目前推薦系統(tǒng)評分系統(tǒng)稀疏問題、新項目問題以及傳統(tǒng)的協(xié)同過濾在近鄰尋找時出現(xiàn)的可信度不高問題,從相似性度量算法出發(fā),提出了可以依據(jù)不同用戶間的評分數(shù)據(jù)自適應調(diào)整的相似度度量因子以及區(qū)分用戶積極傾向和消極傾向的近鄰偏好因子,綜合上述兩個因

4、子提出了優(yōu)化近鄰選擇的協(xié)同過濾算法。(2)圖像相似度推薦的關鍵問題是圖像匹配,本文在深入研究局部特征算法的基礎上,針對尺度不變特征變換算法的不足,提出了新的局部特征描述算法CGCISIFT,并通過實驗與SIFT以及其著名的擴展算法ASIFT、SURF以及PCA—SIFT在尺度不變性、旋轉不變性、光照不變性、仿射不變性以及時效性等六個方面做了對比驗證,驗證了CGCISIFT的性能。(3)提出基于融合策略興趣偏好模型以及可調(diào)節(jié)加權平衡因子,

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。

評論

0/150

提交評論