高维稀疏数据的相关性度量方法研究

发布时间：2017-12-22 17:21

  本文关键词：高维稀疏数据的相关性度量方法研究　出处：《首都经济贸易大学》2014年硕士论文　论文类型：学位论文

  更多相关文章： 稀疏统计结构 显示变量 信息熵 相似路径 协同过滤

【摘要】：本文研究内容聚焦于稀疏数据的相关性度量理论与方法。文章从基础理论入手，首先拓展了统计结构的概念。通过定义显示变量，将一般样本空间转化为稀疏样本空间，并继续定义了在稀疏样本空间上的σ-代数和概率测度，从而引出了稀疏统计结构，，在理论上对稀疏数据进行了详细解释。然后总结并提出了一些实际应用中，比较有用的度量稀疏数据相关性的方法与理念。例如将信息熵的思想引入相关性度量，使用归一化的熵值来衡量相关性，同时又提出了稀疏相似路径的理念，探讨一种间接求解相关性的方法。最后，本文设计了一个协同过滤算法作为实验平台，并采集了相应的实验数据，通过缺失值插补方法，在稀疏数据上进行推荐评分，以此对一些常见的相关性度量方法进行实证分析。
【学位授予单位】：首都经济贸易大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：C81

【参考文献】

相关期刊论文 前10条

1 宫雷;曹贻鹏;王东兴;;多项分布无信息先验的探究[J];西安文理学院学报(自然科学版);2010年02期

2 乔奕;郭启勇;沈一帆;;基于稀疏分解的数据分类算法[J];计算机工程;2010年05期

3 刘建国;周涛;汪秉宏;;个性化推荐系统的研究进展[J];自然科学进展;2009年01期

4 姚忠;魏佳;吴跃;;基于高维稀疏数据聚类的协同过滤推荐算法[J];信息系统学报;2008年02期

5 陈平;徐若曦;;Metropolis-Hastings自适应算法及其应用[J];系统工程理论与实践;2008年01期

6 孙守义;王蔚;;一种基于用户聚类的协同过滤个性化图书推荐系统[J];现代情报;2007年11期

7 赵亚琴;周献中;何新;王建宇;;一种有效的高属性维稀疏数据聚类算法[J];模式识别与人工智能;2006年03期

8 张锋;常会友;;使用BP神经网络缓解协同过滤推荐算法的稀疏性问题[J];计算机研究与发展;2006年04期

9 胡月;多项分布与多元Poisson分布[J];浙江科技学院学报;2005年03期

10 谢宁新,周永权;基于二进制数计算相似度的高属性维稀疏数据聚类方法[J];计算机工程与应用;2004年19期

相关博士学位论文 前2条

1 邵伟;蒙特卡洛方法及在一些统计模型中的应用[D];山东大学;2012年

2 夏培勇;个性化推荐技术中的协同过滤算法研究[D];中国海洋大学;2011年

相关硕士学位论文 前1条

1 谢丹艳;基于Bayes估计的稀疏数据X-射线CT重建算法研究[D];燕山大学;2009年

本文编号：1320332