基于模糊聚类的自组织神经网络的用户模式挖掘算法研究.pdf

粼≯�鳖蟊�学位论文作者签名�中�:魂坦学位论文作者签名�中�:袈也学位论文独创性声明学位论文版权使用授权书年∥月��签字日期:�,乙年舌月��签字日期:���阥月�本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的其他人已经发表或撰写过的研究成果,也不包含为获得直昌太堂或其他教育本学位论文作者完全了解南昌大学有关保留、使用学位论文的规定,有权阅。本人授权直昌盔堂可以将学位论文的全部或部分内容编入有关数据库进行研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。签字日期:保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借检索,可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。同时授权中国科学技术信息研究所和中国学术期刊�馀贪�电子杂志社将本学位论文收录到《中国学位论文全文数据库》和《中国优秀博硕士学位论文全文数据库》中全文发表,并通过网络向社会公众提供信息服务。�C艿难�宦畚脑诮饷芎笫视帽臼谌ㄊ��/��
摘要邻域的选择与调整。最后根据隶属度的分布特征,设定输出阈值,若输入样本目前,兴起的个性化信息推荐技术已经成为当前��褂猛诰虻娜让帕煊蛑�一。个性化信息推荐是根据��没т�勒镜愕腤�日志以及其他用户的相关信息,推测其喜好和兴趣,并为其提供个性化信息服务。本文主要研究个性化推荐过程中的用户聚类算法,对��罩窘�蟹治龃佣�袢∮没У亩嘀中巳ぁ�本文提出基于聚类中心集的合并聚类算法来确定样本集的聚类数目。采用了自组织神经网络作为实施算法,预设一个较大的聚类数目进行网络学习和训练,得到聚类中心集。利用该算法对聚类中心集进行合并操作,利用夹角余弦公式计算各聚类中心的相似度,构建评价函数来判断聚类中心是否可以满足合并的要求,最后根据样本隶属聚类中心的隶属度的分布是否均匀来合并聚类中心集,从而得到样本集的新的聚类中心集和聚类数目。本文将模糊��稻劾嗨惴ㄓτ糜谧宰橹�窬��绲耐仄私峁梗�岢鲆桓�模糊聚类神经网络。利用自组织神经网络的拓扑结构和强大的训练学习能力,能够有效解决模糊��稻劾嘀写笫�萘吭怂慊郝�椭行娜ㄖ党跏蓟�纫恍┪�题;同时,模糊��稻劾嘣诖�砀丛游侍馍希�F湓黾幽:�奶匦裕�跃劾�效果有明显的改进,并且可以挖掘用户的多兴趣。在模糊聚类神经网络的应用阶段,竞争模糊层的神经元权值设置为之前训练阶段的权值,并保持稳定,不再进行更新调整。根据隶属度函数更新每个输入样本到输出神经元的隶属度。学习率根据隶属度进行自适应的调整,避免对到某一输出神经元的隶属度大于该阈值,则输出该神经元所对应的类别信息。最后,利用本文设计的挖掘模型对预处理后的数据进行训练,使该模型能够自动聚类。然后随机从输入样本中抽取数据,对模型的性能进行测试和评估,实验证明,改进后的模糊聚类神经网络聚类效果明显,能准确刻画出用户的模糊特性,即用户的多种兴趣和喜好。关键词:用户模式挖掘;隶属度;自组织神经网络;合并聚类摘要�
甌�����������瑄������瑄������������瑂���������������������甅��������,������.����瑃�����������.��’�����.�������琲���瓼��,���������畂�������.������瑀�������琭���猰������;�����甎����瑃�����瓵���,�������,����,���琣����.���瓵��������甃����
簎������������,�������������������������������.����琣���������������,���������瑃�����畉���.�������.�����—��������;��������;������������籱����’�
目录第�乱�浴����������������������论文的研究背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.���.�芯勘尘啊������������������.�√庖庖澹��������������������国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.���.��獾难芯肯肿础����������������.��诘难芯肯肿础����������������论文的主要内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.���论文的组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.�第�耊�用户模式挖掘理论基础⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯���诰颉��������������������诰蚨ㄒ澹�������������������诰虻母丛有浴�����������������诰虻姆掷唷��������������