1.2 国内外研究现状与水平

国内外研究现状与水平个性化推荐系统最早是在1995年3月在美国人工智能协会上提出的，提出的个性化系统包 括卡耐基梅隆大学的Robert Amstrong等人的个性化导航系统Web Watcher，和斯坦福大学的 Marko BalabaIlovic等人提出的个性化推荐系统LⅡ认。同年的8月，在国际人工智能联合大会上，麻省理工学院的Henry Liebeman提出了个f生化导航系统智能系统Litizia。个性化推荐系统在此 时得到广泛的关注和重视，也开始逐渐应用于Intenet的网站中,美国AT&T公司提出了两个基于协同过滤算法的个性化推荐系统PHOAKS和RefeIal web， 协同过滤算法被首次提出，至今仍在广泛的应用于各种个性化推荐系统之中。德雷斯顿技术大学 的Tallia Joerding，实现了个性化电子商务系统TELLIM，通过这个系统达到精准营销的目的，这 也是个性化推荐系统首次应用于电子商务之中。此后，个性化推荐系统得到飞速发展。1996年Yahoo提出了个性化入口MyYahoo，并一直开发创新，延续使用至今，为用户提供 个性化信息推荐服务，是最早的也是迄今为止非常成功的个性化推荐在网站中应用的案例。用户 可以定制喜欢的链接或主题等，系统根据用户定制定期件事，将最新的结果反馈给用户。其最大 的优点是信息的反馈和用户的兴趣高度相关，但是用户仍然处于被动接受信息的状态，用户和网 站之间没有足够的交互。 NEC研究院的Kurt等人将个性化推荐功能应用在CiteSeer搜索引擎中，此后个性化推荐系 统广泛应用于各种商业网站之中。IBM公司将个性化功能应用于其电子商务平台Websphere中商家可以使用此平台开发个性化电子商务网站。年搜索引擎G009le开创了Adwards关键词竞价广告的盈利模式，通过用户搜索的关键词来提供相关的赞助商的广告。

我国对于个性化推荐系统的研究始于2000年，我国清华大学的陆海明教授提出了个性化推荐的基于多Agent的混合智能方法，这是一种组合推荐算法，标志着我国对个性化推荐系统研究 的开始，也代表着了我国开始对个性化推荐系统组合推荐算法的研究。 由于不同的推荐方法有不同的优缺点，所以实际应用中，多种推荐方法组合的方式经常被采 用，最常用的组合是基于内容推荐和协同过滤推荐的组合。在组合方式上，一般有7种组合思路:万方数据 加权，变换，混合，特征组合，层叠，特征扩充和元级别。

1.3 论文结构

第一章为绪论，对基于潘通色的服装推荐系统做了简单的介绍。主要对课题研究目的和意义、国内外研究现状与水平以及论文结构作介绍。

第二章主要介绍这次课题中使用的技术背景。

第三章介绍本次课题的需求分析。

第四章为本次课题的总体设计，主要阐述需求、运行环境以及逻辑结构的内容。

第五章为本次课题的详细分析。主要分为两部分来介绍：颜色聚类算法设计和采集模块架构设计。

第六章是系统的测试，测试系统是否能够达到预期的效果，是否能够稳定长期的运行。

第七章是对本次课题的总结、展望以及对本次课题的心得和体会，以及致谢和参考文献部分。

2 、技术背景

本次课题是一个基于潘通色的服装推荐系统。首先我们应该了解潘通色是什么，然后从潘通色配色系统给出的意见，设计一个图片聚类算法，然后我们提取出图片的主色调和从色调，并且记录下每个色调的rgb值。我们会给出一个潘通色数据库，根据潘通色的相近似颜色推荐服装。 主色调的潘通色对比及类似服装推荐系统设计(3):http://www.youerw.com/jisuanji/lunwen_80489.html