简介：为了在保证计算精度的前提下使模型简化并便于计算,要尽量少地用对模型影响较大、相互独立的特征变量进行建模。在进行特征变量选择时,既要考虑选择对主因素有重要影响的变量,也要排除各影响变量间的多重相关性的干扰。首先建立各特征变量同费用的灰色关联度,根据关联度的大小对众多特征变量进行排序,排除关联度相对极小并同其他因素关联度差异明显的特征变量,减少次要影响因素对估算结果造成的干扰;其次,应用基于特征权值的模糊动态聚类方法,并突出近期数据的重要性,对影响因素进行聚类分析,排除影响因素间多重相关性的干扰。论文通过实例分析进行了验证。
简介：针对目前快速增长的智能数字电视的点播直播节目，观众对感兴趣的节目选择困难的现状，本文提出一种面向智能数字电视的点播直播节目数字电视推荐系统，它基于改进的聚类和协同过滤组合推荐算法。系统统一了点播直播节目的节目标签，以便于用户点播直播历史数据统一打分，然后形成用户-评分矩阵表，再针对高维矩阵表进行基于PCA和K-means的分裂层次聚类算法聚类形成相似用户簇群。接着对用户所在的簇群进行基于协同过滤算法计算，得出用户对未观看节目的预测评分，给用户推送最佳节目。
特征变量的灰色模糊动态聚类选择方法
基于聚类与协同过滤组合算法的数字电视推荐系统设计
