基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出利用MDS(Multidimensional Sealing)变换聚类算法提取数字电视用户的收视特征,解决了传统聚类算法因中间聚类中心无距离度量而无法应用的问题.基于实际运行的有线数字电视系统,建立了由时间、频道、节目主类别、节目子类别表述的节目特征模型及节目差异模型;提出了基于MDS聚类算法提取用户收视特征的具体步骤;基于实际用户收视记录的计算结果具有特征一致性,以提取特征为基准的节目推荐结果与用户实际的收视记录比对,具有70%准确性.
推荐文章
应用于数字电视用户浏览行为的二分K-medoids聚类算法
数字电视
用户浏览行为
聚类算法
云相似度
二分K-medoids
基于量子核聚类算法的图像边缘特征提取研究
计量学
图像识别
边缘特征提取
量子核聚类
基于自动编码器的短文本特征提取及聚类研究
深度学习
自动编码器
特征提取
聚类
基于量子傅里叶变换的模式特征提取算法
特征提取
模式识别
量子傅里叶变换
图像识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于MDS变换聚类算法的数字电视用户特征提取
来源期刊 电子学报 学科 工学
关键词 MDS 聚类 数字电视 用户特征 特征提取
年,卷(期) 2008,(9) 所属期刊栏目 学术论文
研究方向 页码范围 1786-1789
页数 4页 分类号 TN949
字数 3103字 语种 中文
DOI 10.3321/j.issn:0372-2112.2008.09.025
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李衍达 清华大学自动化系 96 3275 26.0 56.0
2 路海明 清华大学自动化系 24 459 10.0 21.0
3 徐江山 12 26 3.0 5.0
4 陶疆 2 14 2.0 2.0
5 马卫民 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (2)
同被引文献  (3)
二级引证文献  (2)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
MDS
聚类
数字电视
用户特征
特征提取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子学报
月刊
0372-2112
11-2087/TN
大16开
北京165信箱
2-891
1962
chi
出版文献量(篇)
11181
总下载数(次)
11
总被引数(次)
206555
论文1v1指导