伊华伟，女，1978年8月生，辽宁朝阳人；2017年1月毕业于燕山大学计算机应用技术专业，获工学博士学位；辽宁工业大学电子与信息工程学院副教授、硕士生导师。主要从事推荐系统、可信计算及信息安全等方面的科学研究，先后在《软件学报》《电子与信息学报》《Journal of Intelligent Information Systems》等国内外高水平期刊发表相关学术论文20余篇；主持完成辽宁省自然科学基金项目、辽宁省教育厅科学研究项目2项，参与国家自然科学基金项目、辽宁省自然科学基金项目4项；获得各类授权专利20余件。

第1章 绪论
1.1 研究背景和意义
1.2 鲁棒推荐技术研究现状
1.2.1 基于内存的鲁棒推荐算法研究现状
1.2.2 基于模型的鲁棒推荐算法研究现状
1.2.3 目前存在的问题
1.3 主要研究内容
1.4 本书组织结构
镑2章基于k-距离和项目类别信息的鲁棒推荐方法
2.1 引言
2.2 相关理论
2.2.1 基于用户的协同过滤推荐算法
2.2.2 基于k-近邻的离群点检测
2.3 基于用户的协同过滤推荐系统脆弱性分析
2.4 基于k-距离的用户可疑度计算
2.5 融合用户可疑度和项目类别信息的缺失值填充
2.6 鲁棒推荐算法
2.7 本章小结
第3章 基于可疑用户度量和多维信任的鲁棒推荐方法
3.1 引言
3.2 相关向量机
3.3 基于相关向量机的可疑用户度量
3.4 可靠多维信任模型
3.4.1 信任属性的挖掘
3.4.2 可靠多维信任模型的构建
3.5 鲁棒推荐算法
3.6 本章小结
第4章 基于模糊核聚类和支持向量虮的鲁韩推荐方法
4.1 引言
4.2 相关理论
4.2.1 基本矩阵分解技术
4.2.2 模糊核聚类
4.2.3 支持向量机
4.3 基于矩阵分解的协同过滤推荐系统脆弱性分析
4.4 基于模糊核聚类的攻击概貌检测
4.5 基于支持向量机的攻击概貌识别
4.6 鲁棒推荐算法
4.7 本章小结
第5章 基于可疑用户识别和TukeyM-估计量的鲁棒推荐方法
5.1 引言
5.2 融合可疑用户识别的可靠近邻模型
5.2.1 可疑用户识别
5.2.2 可靠近邻模型
5.3 基于TukeyM-估计量的鲁棒矩阵分解模型
5.4 鲁棒推荐算法
5.5 参数值的确定
5.6 本章小结
第6章 实验与评价
6.1 实验数据集
6.2 评价指标
6.3 实验设置
6.4 基于k-距离和项目类别信息的鲁棒推荐算法性能评价
6.4.1 算法推荐精度的对比及分析
6.4.2 算法鲁棒性的对比及分析
6.5 基于可疑用户度量和多维信任的鲁棒推荐算法性能评价
6.5.1 算法推荐精度的对比及分析
6.5.2 算法鲁棒性的对比及分析
6.6 基于模糊核聚类和支持向量机的鲁棒推荐算法性能评价
6.6.1 算法推荐精度的对比及分析
6.6.2 算法鲁棒性的对比及分析
6.7 基于可疑用户识别和TukeyM-估计量的鲁棒推荐算法性能评价
6.7.1 算法推荐精度的对比及分析
6.7.2 算法鲁棒性的对比及分析
6.8 本章小结
结论
爹考文献