基于优化支持向量机的个性化推荐研究pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

基于优化支持向量机的个性化推荐研究PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论 1

1.1 研究背景与意义 1

1.2 国内外研究现状 3

1.3 本书的主要工作 9

1.4 本书的组织结构 12

1.5 本章小结 13

第2章 支持向量机与个性化推荐相关研究分析 14

2.1 支持向量机相关研究和优势分析 14

2.2 个性化推荐系统相关分析 18

2.3 基于支持向量机的个性化推荐技术 25

2.4 评价指标 29

2.5 本章小结 32

第3章 基于支持向量分类机的推荐方法 33

3.1 支持向量分类机算法在个性化推荐应用中的分析 36

3.2 支持向量分类机和参数优化对象 37

3.3 粒子群优化（PSO）算法提升SVM的分类性能 44

3.4 分类准确率实验结果与分析 49

3.5 个性化推荐实验结果与分析 53

3.6 本章小结 61

第4章 基于支持向量机先分类再回归的推荐方法 62

4.1 支持向量机回归算法在个性化推荐应用中的分析 64

4.2 支持向量回归机和参数优化对象 65

4.3 带进化速度和聚集度的自适应PSO算法 67

4.4 准确率实验结果与分析 71

4.5 个性化推荐实验结果与分析 75

4.6 本章小结 83

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 84

5.1 对称支持向量机分析 86

5.2 利用平滑技术和核减少技术改进对称支持向量机 88

5.3 核减少的平滑对称支持向量机（RSTWSVM）算法 96

5.4 RSTWSVM算法性能测试结果及分析 100

5.5 个性化推荐实验结果与分析 108

5.6 本章小结 118

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 119

6.1 半监督支持向量机、主动学习和基于图的方法 121

6.2 正则化框架和样本选择策略 126

6.3 基于主动学习的半监督直推式支持向量机（ALTSVM）算法 130

6.4 ALTSVM算法性能测试结果及分析 133

6.5 个性化推荐实验结果及分析 140

6.6 本章小结 149

第7章 结论与展望 150

7.1 结论 150

7.2 展望 152

参考文献 154