将行为依赖融入多任务学习的个性化推荐模型

多种类型行为数据的引入缓解了协同过滤算法存在的数据稀疏和冷启动问题,在推荐领域被广泛研究和应用。尽管当前对多行为推荐的研究已经取得很大进展,但仍然存在以下问题:未能全面捕获行为之间复杂的依赖关系;忽略了行为特征与用户和项目的相关性。这导致学习到的特征向量无法准确表达用户的兴趣偏好,使得推荐结果存在偏差。为了解决以上问题,提出了将行为依赖融入多任务学习的个性化推荐模型(BDMR),将行为之间复杂的依赖关系分为特征相关性和时序相关性。首先,设置用户个性化行为向量,利用图神经网络处理多个单行为交互图,联合用户、项目和行为特征聚合高阶邻域信息,结合注意力机制学习行为之间的特征相关性;其次,将行为特征和项目特征构成的交互序列输入长短期记忆网络,捕获行为之间的时序相关性;最后,将个性化行为向量融入多任务学习框架获取更加准确的用户、行为和项目特征。为了验证提出模型的性能,在三个真实数据集上进行对比实验,在Yelp数据集上,相较于最优基线,HR和NDCG分别提升了1.5%和2.9%;在ML20M数据集上,HR和NDCG分别提升了2.0%和0.5%;在Tmall数据集上,HR和NDCG分别提升了25.6%和30.2%。实验结果表明,该模型优于其他的基准模型。

一种新的求解属性值约简算法

属性约简和规则发现是数据挖掘研究的重要组成部分,本文提出了一种基于可分辨矩阵的属性值约 简新算法,并讨论了规则的提取方法,最后,通过对算法进行描述和实例验证论证了算法的有效性。

基于蚂蚁算法的QoS组播路由问题求解

采用启发式算法中的蚂蚁算法解决了包含带宽、延时、延时抖动、包丢失率和最小花费等约束条件在内的QoS组播路由问题.实验表明算法能快速找到最优解,而且具有良好的扩充性.

改进的求解TSP问题文化蚁群优化方法

在文化算法基础上提出了一种改进的用于求解TSP问题的蚁群优化算法。改进算法采用新的双层进化机制对文化算法的种群空间与信念空间进行了重新设计,用最大最小蚁群系统(MMAS)构建种群空间,在信念空间中对当前最优解进行改进的3-OPT交叉变换操作,由于采用了这种双层进化机制,种群空间获得了更高的进化效率。通过仿真实验结果表明,改进算法比传统的蚁群算法(ACO)、文化蚁群算法(CACS)效果更好,收敛速度更快,精确度更高。

基于改进蚁群算法的多机器人路径规划研究

针对蚁群算法在机器人路径规划过程中存在的收敛速度慢、效率较低、容易陷入局部最优等缺点,提出了一种多步长的改进蚁群算法.该算法实现了多步长路径规划;同时在概率公式中加入了拐点参数,使路径更加平滑;并且提出了新的信息素奖励惩罚机制.将改进的蚁群算法应用于具有3个优化目标的多机器人路径规划中,采用碰撞预测策略和路径协调策略完成多机器人间的协调避碰.仿真结果表明,改进的蚁群算法规划的路径更短、更平滑,效率更高,验证了该算法在多机器人路径规划中的有效性和可行性.

一种新的求解TSP问题智能蚁群优化算法

提出了一种新的用于求解TSP问题的智能蚁群优化算法。新算法从TSP问题本身出发,提取出了该问题的一种本质特征,并赋予蚁群算法中的精英蚂蚁以识别该固有特征的能力,以提高精英蚂蚁的搜索质量,进而使得新算法整体的求解能力得以提高。文章中不仅阐述了新算法的原理,而且进行了仿真实验,实验结果表明新算法在求解时间和求解质量上都取得了很好的效果。

基于克里金插值的自适应VIRE室内定位算法研究

VIRE算法在虚拟标签计算上往往采用线性插值方法计算RSSI与距离的关系,易导致误差增大,并且需要通过反复调整实验获得的标签消除阈值为固定值,增加了定位的时间复杂性,针对这两点问题提出一种基于克里金插值的自适应VIRE室内定位算法。利用克里金插值估计虚拟标签的RSSI值,并根据待定位标签的实时特点自动调整阈值,使邻近标签数量接近最优,更准确地排除干扰,从而获得定位坐标。实验对比结果表明,该算法不仅节约定位成本,而且提高了定位精度。

基于多尺度卷积特征融合的肺结节图像检索方法

为了解决肺结节图像检索中特征提取难度大、检索精度低下的问题,提出了一种深度网络模型--LMSCRnet用于提取图像特征。首先采用多种不同尺寸滤波器卷积的特征融合方法以解决肺结节大小不一引起的局部特征难以获取的问题,然后引入SE-ResNeXt块来得到更高级的语义特征同时减少网络退化,最后得到肺结节图像的高级语义特征表示。为满足现实中大数据量检索任务的需求,将距离计算及排序过程部署到Spark分布式平台上。实验结果表明,基于LMSCRnet的特征提取方法能够更好地提取图像高级语义信息,在肺结节预处理数据集LIDC上能够达到84.48%的准确率,检索精度高于其他检索方法,而且使用Spark分布式平台完成相似度匹配及排序过程使得检索方法能够满足大数据量检索任务需求。

基于多尺度特征融合的肺结节良恶性分类方法

为解决肺结节分类问题中肺电子计算机断层扫描(computed tomography,CT)图像特征提取不全面和随着卷积网络深度的加深易导致的梯度消失问题,提出一种基于多尺度特征融合网络(multi-scale feature fusion network,MSFFNet)的肺结节良恶性自动分类模型.使用多尺度卷积操作对输入的肺结节CT图像分别进行不同范围的特征提取和特征的融合拼接,解决特征提取不全面的问题;引入SE-ResNeXt模块,充分利用通道注意力机制,有效解决特征信息丢失的问题;输出肺结节良恶性的分类结果.在大型公开可用的肺图像联合数据库(lung image database consortium,LIDC-IDRI)上进行实验,MSFFNet模型的分类准确率达97.2%,特异性和敏感性分别为96.14%和98.62%,优于SE-ResNeXt等方法的分类效果.

一种基于佳点集遗传算法的QoS组播路由选择方法

QoS组播路由选择是通信网络多点路由优化问题的重要部分,已被证明是NP-complete问题。该文针对目前QoS路由算法中存在的一些问题提出了一种新的算法,其核心是佳点集遗传算法。该算法首先通过预处理简化问题,而后采用遗传算法求解:编码采用Prüfer树结构,变异和交叉概率自适应选择。仿真结果表明,该算法是有效的、稳定的,具有较强的实用性。

基于改进BP神经网络的税收收入预测模型

针对税收收入预测的特点,提出了一种综合共轭梯度和自适应变步长的改进BP算法,并利用改进的BP算法建立了税收收入预测模型,通过与传统回归分析预测方法结果的比较,证明了该算法收敛速度快,学习精度高,而且有效避免了常规BP算法得局部极小值问题.

蚁群算法在物化视图选择问题中的应用

提出用蚁群算法来解决物理空间约束下的物化视图选择问题,算法中应用信息素的局部和全局更新,并对每次迭代的最优解进行局部搜索,最终得出合理的解决方案。实验结果表明,应用蚁群算法可以有效地解决物化视图选择问题,并且其求解性能优于遗传算法。

基于正反馈机制的遗传算法

提出了一种基于正反馈机制的遗传算法(Genetic Algorithm based on Mechanism of Positive Feedback,GAMPF),它将蚂蚁算法的正反馈机制引入到两交换启发交叉算法(HGA),用信息素指导遗传算法的交叉操作,实现了蚂蚁算法与遗传算法的融合。TSP仿真实验证明,新算法在求解质量和求解效率上都取得了很好的效果。

基于FWA-SVM的室内无线定位研究

针对无线网络室内位置指纹定位中存在定位精度低,跳跃性较大的问题,提出一种烟花算法优化支持向量机的室内定位模型,对多次采集到的接收信号强度进行高斯滤波去除奇异值,通过烟花算法优化SVM的参数,建立室内无线定位优化模型.实验对比证明,烟花算法比粒子群算法更能提高SVM的优化速率及室内无线网络定位精度.

基于Hadoop的IPTV隐式评分模型

根据网路协定电视(IPTV)用户收视行为数据中的隐式特性,提出一种新型的隐式评分模型。首先,介绍了IPTV用户收视行为数据的主要特点,提出一种新的用户收视比值、用户兴趣偏置因子以及视频类型影响因子相结合的多特征混合隐式评分模型;然后,提出基于收视时长和收视比值的收视行为筛选策略;最后,设计并实现了基于Hadoop的分布式模型架构。实验结果表明,所提模型有效提高了IPTV系统中推荐结果的质量,同时提升了时间效率,对于大规模数据有良好的可扩展性。

基于骨骼向量夹角的人体动作识别算法

人体动作识别是计算机视觉领域的研究热点,特别是在智能家居中,由于动作特征提取受到环境等各方面的干扰以及动作本身的多样性,使其识别难度更大。利用KINECT摄像头进行特征提取;对提取到的特征数据进行动作描述及优化;采用神经网络对特征数据进行训练,方法取得了较好的性能。对比性实验结果验证了方法的有效性。

商场客流分析探讨及其应用研究

随着计算机技术在商业领域的普及,客流信息在商业竞争中正日益凸现其重要性。监测客流、研究客流、分析客流,形成决策,进而围绕客流进行定位,以各种手段吸引客流,最终提高企业竞争力。提出了智能化的商场客流监测系统解决方案,并在此系统的基础上对基于商场客流分析的决策支持进行了探讨。

基于遗传算法的最小约简算法研究

基于粗集理论和扩张矩阵理论 ,提出了一种利用遗传算法求解最小约简的方法。通过对算法的分析提出了改进性意见 ,并用 JAVA语言实现了该算法。实验结果表明 ,该算法是高效的。

基于大数据的IPTV视频评估模型

随着网络信息技术的发展以及"三网融合"的推进,交互式网络电视IPTV成为越来越多用户的选择,成为新媒体中的一支主力军,但快速发展的同时也面临着巨大的挑战。如何有效评估供应商提供的大量视频,选择符合用户需求的视频成为IPTV发展的关键问题。提出利用新媒体和传统媒体的视频大数据和IPTV历史收视大数据,在Spark平台上使用BP神经网络建立视频评估模型。基于新媒体和传统媒体从视频收视度、视频影响度和视频内容三个方面完善视频评估体系;基于IPTV历史收视大数据,建立反映IPTV受众群体喜好的视频隐式评分策略,使用BP神经网络构建视频评估模型;针对大数据的海量性,在Spark并行化平台上建立视频评估模型,实现数据的并行训练,完成模型的建立。实验结果证明,新的视频评估模型能从IPTV受众群体的角度有效评估视频,在Spark平台上进行评估模型的训练,能够有效提高大数据量的评估模型训练速度。

基于节点中心性和社区相似性的快速标签传播算法

为了减少标签传播算法(LPA)中不必要的更新、解决算法准确率低且稳定性差的问题,提出了基于节点中心性和社区相似性的快速标签传播算法(FNCS_LPA)。按照节点中心性度量对网络的节点从低到高进行排序后加入节点信息列表,利用节点信息列表来指导更新过程,提高社区发现的稳定性并避免不必要的更新;采取基于社区相似性的更新规则,提高了社区发现的准确率。在真实社会网络和LFR基准网络上进行实验:相比LPA和三种较好的LPA改进算法,FNCS_LPA在执行速度方面提升了几十倍,真实社会网络的模块度也相对较高,在社区结构比较模糊的LFR基准网络上的归一化互信息有明显的优势。实验结果表明FNCS_LPA在提高执行速度的基础上,提高了算法的稳定性和准确率。