线控主动四轮转向汽车控制策略研究

目的针对线控四轮转向汽车横向稳定性不足及控制鲁棒性差等问题,提出一种主动转向反馈控制策略。方法使用Simulink搭建线控转向系统转向执行机构动力学模型,将MATLAB/Simulink与Carsim联合仿真,建立线控四轮转向整车模型;基于二自由度模型分析横摆角速度和质心侧偏角对汽车稳定性的影响,推导理想的横摆角速度和质心侧偏角;以横摆角速度增益恒定为依据设计理想传动比,得到期望前轮转角,以横摆角速度误差为控制量设计模糊控制器得到附加前轮转角对期望转角实时修正,实现前轮主动转向;针对横摆角速度和质心侧偏角与理想值之间的误差,加权得到稳定性控制目标;设计自适应积分滑模反馈控制策略输出后轮转角,对理想值进行跟踪,实现后轮主动转向。结果仿真实验结果表明:所搭建的线控转向系统能够准确反映汽车动力学特性。相比无控制的机械前轮转向汽车与横摆反馈控制的四轮转向汽车,线控主动四轮转向汽车在双移线工况下将质心侧偏角控制在0值附近波动,横摆角速度跟踪误差控制在1.149 deg/s以内;在角阶跃工况下将质心侧偏角稳态值控制在0.065 deg,横摆角速度稳态值误差为0.074 deg/s。结论线控主动四轮转向控制策略在双移线和角阶跃工况下控制效果显著,鲁棒性能好,能有效提高汽车的操纵稳定性和主动安全性。

基于U-net和胶囊网络的图像语义分割结构研究

目的 针对苹果病害中比较常见的症状——花叶病,尤其在昼夜温差大的条件下发病迅速,落叶率提高,造成苹果大面积减产,产生巨大的经济损失;对于花叶病病斑数量太多,尺度不一的影响,从而造成病害识别准确率较低等问题,提出了一种引入迁移学习和胶囊网络的方法,以提高病害识别率。方法 首先对获得的花叶病数据集进行扩充、数据增强等处理,并利用Labelme工具对图像进行标注,分别标记出病斑区域和叶片区域;其次将训练好的VGG16模型权重通过迁移学习技术移至U-net中编码部分,并引入胶囊网络,使得整个网络具有更强的特征提取能力;然后对VGG16模型、胶囊网络部分进行训练,最后将训练好的网络模型进行语义分割并输出测试的结果。结果 实验结果表明,原始数据集的准确率为87.51%,引入迁移学习后的准确率提升至91.78%,提升了4.88%;引入胶囊网络的准确率提升至90.04%,提升了2.89%;而引入迁移学习和胶囊网络之后,准确率提升至93.42%,提升了6.75%。并且模型每一轮的训练时间也在引入了迁移学习后提升了2 s。结论 据实验结果可以证明模型方法引入迁移学习和胶囊网络后,相较于传统模型在识别准确率方面有了一定的提升,其次也减少了每一轮的模型训练时间,总体分割性能较好。

软件定义网络下两阶段大象流识别算法

目的针对数据中心网络(Data Center Network,DCN)中数据流量多导致大象流与老鼠流识别精确度低的问题,提出一种基于软件定义网络(Software Defined Networking,SDN)下两阶段大象流识别算法。方法将SDN与DCN结合,第一阶段,采用高斯分布动态阈值优化算法,通过对数据包阈值的设定,计算大象流误检率与漏检率,不断优化得到最优阈值,以此识别出可疑大象流;第二阶段,在依据流传输速率与流持续时间精确得到大象流的基础上,提出阈值约束、流量检测机制、Count计数器等三方面改进对大象流识别阈值下限的约束,将网络中大象流的数据量与流持续时间进行周期内阈值计算,提高大象流的识别精确度。结果实验结果表明:算法与已有相关算法相比,第一阶段可疑大象流平均字节数比网络流平均字节数多11.3%;不同阈值下的算法准确度提高1.7%,不同网络流量下的大象流平均检测时间降低至6 ms以内。结论软件定义网络下两阶段大象流识别算法在第一阶段具有较强的大象流识别能力,同时算法的精确度有所提高,大象流的平均检测时间降低,提高了网络质量,能为进行网络流量调度策略的进一步研究提供相关性条件。

基于分组遗传算法的数据中心虚拟机节能映射

近年来,随着人们对云计算业务需求持续增长,数据中心能耗日益增加,由此不仅增加了运营成本,巨大的碳排放对生态环境也产生严重的影响,数据中心节能已成为当前亟须解决的重要难题。对云数据中心的虚拟机放置(Virtual Machine Placement,VMP)进行优化能有效地提高资源利用率,同时,VMP也是减少数据中心能耗的重要技术之一;针对数据中心的能耗感知VMP问题,提出一种基于分组遗传算法的节能算法EEGGA(Energy-Efficient Grouping Genetic Algorithm),算法将节能VMP问题视为装箱问题(Bin Packing Problem,BPP),并应用基于分组编码的遗传算法对其进行求解,通过减少活动物理主机的数量(装箱数量)以实现降低数据中心能耗的目标;在算法迭代过程的交叉和变异等阶段,设计了多种启发优化策略提升子代染色体的适应度,从而提高算法的节能性能和加快迭代收敛的速度;通过仿真实验,在收敛速度和求解性能等方面将提出的算法与传统的节能遗传算法进行对比,实验结果表明:提出的算法能够有效地减少数据中心的能耗,在节能性能和求解收敛速度方面均优于其他算法。

基于轻量化NDFEDet-SOLOv2的遥感图像建筑物提取方法

目的在地籍测绘和灾害管理等领域中,建筑物轮廓和位置的自动提取是至关重要的一环。为了解决高分辨率遥感图像建筑物因环境因素导致分割精度不准确等问题,提出了一种改进的轻量化SOLOv2实例分割模型——NDFEDet-SOLOv2。方法该模型选用双向特征金字塔网络(BiFPN)特征融合方式的轻量级EfficientDet网络,其中将骨干网络部分的EfficientNet升级为EfficientNetv2,EfficientNetv2中的三层MBConv模块SE注意力更换为含有DropBlock正则化的轻量级标准化注意力机制(NAM),构成NAD-MBConv模块。BiFPN特征融合部分,向其尾端各特征层并入双水平路由注意视觉变压器(BiFormer),形成双向水平路由注意特征金字塔网络结构(Bi-FPN-Former),从而聚焦微小建筑物轮廓信息,以实现更高层次的特征融合。结果NDFEDet-SOLOv2模型相较于传统轻量级SOLOv2实例分割算法,平均精度mAP、mAP 50和mAP 75分别提高了3.9%、3.7%和2.5%,检测帧率(FPS)提高了2.7帧/s。结论轻量化NDFEDet-SOLOv2实例分割算模型消除了建筑物边角的图像畸变,在地理环境空间不均等复杂情况下也能准确提取出遥感图像建筑物的基本轮廓,从而为城市布局更新和建筑变化检测提供理论参考。

基于STE-TCN的中短期电力负荷预测

目的 针对传统电力负荷预测模型对长序列预测精度低的问题,提出一种结合跳级卷积连接与时间编码网络的新型时序卷积神经网络(TCN)模型——STE-TCN模型。方法 首先对TCN模型加入跨周期的膨胀卷积通道(Skip-convolution)提取电力数据周期信息;再进行特征融合得到Skip-TCN网络,使网络抓取周期规律,增加信息利用长度;最后设计日期编码网络(Time encoding network)捕捉生活周期和季节性特征,与Skip-TCN进行特征融合得到STE-TCN模型,实现对电力负荷数据长序列预测。结果 实验表明:在与TCN模型和传统时序网络的对比下,Skip-TCN的预测精度均有提升,在预测长度更长的测试上提升尤为明显。结论 实验结果验证了通过对更长跨度时序关系的捕捉,STE-TCN网络改进方法有效提升了对长序列电力负荷的预测精度。

AuAg合金纳米催化剂的制备及应用研究进展

目的纳米Au催化剂一直是多相催化领域的典型研究材料之一,其具有特殊的电子、结构性质及对诸多氧化、还原反应历程的高催化性能。但是纳米Au催化剂存在尺寸依赖性强,对O_(2)等基础物质活化能力弱等问题。Ag与Au形成合金材料则是解决上述问题的重要途径之一。已有研究中采用多种不同的AuAg催化剂制备方法,并且其在不同催化应用中涉及多种催化机理,但未有研究将其制备过程以及协同催化机理进行对比总结。因此,针对AuAg合金催化剂,综述了其常见的制备方法和预处理条件及其在CO氧化等氧化反应、不饱和醛加氢等加氢反应中的应用以及催化反应机制,并提出了未来可能的发展方向。方法通过对AuAg催化剂的研究和应用进行综述,分析了不同制备方法的特点及预处理条件对AuAg催化剂结构的影响以及AuAg催化剂在不同反应中的催化机理。结果在该合金材料的制备和预处理方面,对比了不同制备方法及其对该合金颗粒在载体表面负载状况的影响机制,也深入探讨了预处理条件对AuAg纳米粒子的尺寸及合金化程度的调控作用。在催化应用上,Ag的加入能够改善纳米Au的抗烧结能力,二者间的电子效应也可提升材料对O_(2)等基础物质活化能力,并降低Au颗粒尺寸变化对催化反应结果的影响,最终高效催化CO氧化、醇氧化、不饱和醛加氢、炔烃加氢以及硝基芳香化合物还原等反应历程。结论目前有多种制备AuAg合金纳米催化剂的方法,而其结构的可控及稳定的合成仍是未来的研究重点。同时,AuAg催化剂在不同反应中催化机理的探索对AuAg催化剂的定向设计尤为重要,应进行更深入的研究,以更快实现工业应用。

基于混沌多目标粒子群算法的综合能源调度

目的针对当前综合能源系统中资源协同优化效率不足、微网运行经济性和环保性差的问题,提出了一种计及风电储能及不稳定因素的微网优化调度方法。方法该方法在微网负荷侧需求响应对新能源消纳影响的基础上,以消纳新能源和削峰填谷为目的,提出了优化负荷曲线的方案;然后,考虑微网调度侧风电出力的不稳定性以及微网内部设备的耦合,进行优化调度以降低微网运行成本、减少环境惩罚费用并提高风电消纳平稳性;最后,采用混沌多目标粒子群算法对优化问题进行求解,并在风电不稳定度占比0%、5%、10%和15%时进行了算例仿真分析。结果当风电不稳定度为10%和加入风电储能,系统运行成本和环境治理费用最少,比方案1和无风电储能少6919.4元,风电平稳量也提高38 kWh。在电热冷网中,负荷侧加入需求响应后,系统得到稳定运行和能源合理利用,可以很好地满足负荷侧用能需求。从算法对比中,混沌多目标粒子群算法加入自适应权重和变异率后,具有较强的全局搜索能力和更好的准确性。结论该方法通过合理设置风电不稳定度能够有效降低运行成本和环境惩罚费用,提高风电稳定性,其次,负荷侧的需求响应可以一定程度地削峰填谷和消纳新能源。

基于时间线性拟合的地缆架空混合线路的行波故障定位

目的研究n段地缆架空混合输电线路中行波故障定位问题,提出一种基于时间线性拟合的行波故障定位方法。方法首先对故障区域进行判断,确定故障所在的区域,其次再将不同波阻抗线路进行归一化处理,减少因波速不同而产生的测距误差,最后使用时间线性拟合的方法对故障进行精确定位。结果解决了初始行波波头识别困难的问题,也减小了行波速度随传输距离变化而变化带来的测距误差问题。结论在MATLAB/Simulink中搭建一个500 kV的地缆架空混合输电线路仿真模型,实验的验证结果表明此故障定位方法能够有效地解决因行波速度不同而导致的双端行波测距方法不适用问题,最终实现对故障点的精确定位。

基于贝叶斯估计的空间函数型自回归模型及其应用

目的为了研究函数型数据中响应变量的空间相关性,根据现有研究方法,对具有空间依赖性的函数型数据进行研究,并提出其模型的贝叶斯估计方法。方法以典型空间自回归模型为基础,根据函数响应变量的空间依赖性,假设响应变量和解释变量间存在内生关系,生成空间函数型自回归模型,通过主成分分析将模型中函数型部分变为离散型,然后在给定先验情况下计算模型中参数的完全条件后验分布,使用贝叶斯MCMC方法进行估计。结果使用联合Gibbs采样和随机游动的Metropolis-Hastings算法对模型中参数进行估计,通过模拟研究发现:不同参数下模型的函数型系数以及其他参数的估计偏差和均方误差较小,由此验证了贝叶斯估计方法的有效性,同时将空间函数型模型用于重庆市主城区新房平均价格的实证分析,结果表明所提出模型的贝叶斯估计方法是有效的。结论使用贝叶斯估计方法对模型中参数进行估计,在不同情况下函数型解释变量的估计效果一直都比较好,并且随着样本量的增大,其估计效果也越来越好,可以认为使用贝叶斯估计方法对空间函数型自回归模型进行估计是有效且可行的,同时通过实证分析说明重庆市主城区新房平均价格具有空间自相关性,而且会受到二手房挂牌量的影响。

加速型IGV对高负荷轴流风扇性能影响研究

目的为了进一步提升小型高负荷轴流风扇在微小空间的高通流及高负荷能力,提出一种加速型进口导叶(IGV)结构设计方案。方法采用三维设计软件Pro/E设计不同加速型IGV,通过数值模拟方法研究其对风扇不同流量系数下的压力系数、全压效率以及流道损失的影响。结果采用加速型IGV使得风扇流道内通流能力增强,叶片尾缘气流延缓分离,下游流动更加均匀;随着进口气流加速程度的提高,设计工况点全压效率基本呈单调递增的趋势;相比无加速IGV风扇,当IGV加速程度为1.1、1.2时,在设计工况点,风扇压力系数提升百分比为1.61%,1.24%,效率分别提升了3.49%,5.05%;IGV的加速程度从1.0增至1.5时,风扇效率提高6.69%。结论在小型高负荷轴流风扇中,加速型IGV与无加速IGV相比,加速型IGV对风扇压力系数以及效率的提升具有更优的效果,并且IGV加速程度也并非越大越好,当加速程度为1.1、1.2时风性能表现最优,为小型高负荷轴流风扇的研究提供相关设计参考。

基于NiTi温敏形状记忆纳米结构调控的润湿性研究

NiTi合金是常见的形状记忆合金,有着良好的形状记忆效应、超弹性、耐腐蚀性和生物相容性,在生物医疗、航空航天和微机电等领域有着广泛的应用。目的研究NiTi合金表面不同纳米级结构的润湿性能,改善NiTi合金在工作环境下的磨损情况,提高NiTi合金的使用寿命。方法使用分子动力学方法模拟周期性边界条件下NiTi合金的形状记忆效应,研究在不同温度下NiTi合金原子的微观结构演化;同时基于NiTi合金温度响应下不同的微观结构,建立液滴静态接触角仿真,研究NiTi合金表面在不同微观结构下的润湿性能。结果发现NiTi合金在不同温度响应下发生相变,从而使NiTi合金的表面原子排列发生改变,展示了温度诱发NiTi合金的相变和逆相变行为以及在原子尺度下的微观结构演化,再以不同温度响应下发生相变和逆相变的NiTi合金表面作为基底,发现其表面的润湿性也发生了改变和恢复。结论NiTi合金随温度响应发生相变,微观结构发生改变,其表面的润湿性能也发生改变;而且NiTi合金随温度逆相变,微观结构恢复到初始状态,其表面润湿性也能随之恢复到初始状态;NiTi合金在相变过程中的奥氏体和马氏体含量会影响NiTi合金表面润湿性能,因此能够通过温度进行NiTi合金表面在微观结构下润湿性的自适应调控。

基于CNN-Transformer的锂离子电池健康状态估计

目的健康状态是评估锂离子电池状态的关键参数,对锂离子电池的安全使用有着十分重要的意义,为了获得准确可靠的健康状态估计结果,建立基于卷积神经网络和Transformer的锂离子电池健康状态估计方法,利用不同模型的数据挖掘特性,将健康指标的深层信息和随循环周期增加的时序信息并行提取。方法从锂离子电池放电过程中的部分电压和温度曲线中提取3个与健康状态相关性较强的健康指标作为模型输入,利用卷积神经网络强大的特征提取能力挖掘健康指标的局部特征,利用Transformer的顺序处理能力挖掘健康指标的时序特征,将健康指标的局部特征和时序特征进行特征融合,通过卷积和全局平均池化层输出健康状态估计值。结果本研究使用MIT数据集进行实验验证,并与卷积神经网络和长短时记忆神经网络进行对比分析,所提出的方法的均方根误差和平均绝对误差是最低的,为0.11和0.08,最小相对误差为0.61%。结论所提出的CNN-Transformer健康状态估计采用不同模型挖掘健康指标不同的特征信息,能够充分利用锂离子电池放电数据,且具有良好的估计效果。

储能辅助电网参与调频的控制策略研究

目的研究储能电站在风光发电情况下保持电力系统稳态的调节原理与方法,并在此基础上设计了一种虚拟同步发电机三级模型用有源支持控制方式辅助火电机组维持电网频率稳定的主动支撑控制策略。方法利用储能电池快速响应的特性,建立储能系统,对储能换流器的控制进行改进,在传统的控制架构的基础上改进为在电压中加入虚拟阻抗的外环调节器和基于准PR控制器的电流内环控制,深入分析控制策略的原理和同步发电机的对应关系。结果随着新能源渗透率越来越高,在储能电站并网参与频率调节的情况下,频率波动的次数变少。结论控制方法可以给新能源发电系统带来一定的惯性和阻尼,从而增强了系统的稳定性,并且证明了储能电站参与电网调频的必要性和可实施性,为储能电站的分布和储能电池的容量配置提供了一定的实际的参考意义。

稀土催化剂(Ce、La)用于丙烷催化燃烧的研究进展

目的挥发性有机物(VOCs)对人体健康和生态环境都有不良影响,已引发研究者的广泛关注。催化燃烧是处理VOCs的有效技术之一,具有去除效率高、无二次污染等优势。稀土元素Ce、La及其氧化物因特殊的理化性质常作为催化助剂或载体,在催化燃烧中起着重要作用。因此针对稀土催化剂(主要为Ce、La),综述了其在丙烷催化燃烧中的应用及相应的催化反应机制以及未来的发展方向。方法通过对Ce基和La基催化剂在丙烷催化燃烧中的研究和应用进行综述,分析了稀土催化剂的反应机理及发展方向。结果首先,Ce、La及其氧化物可调节催化剂的整体结构、形貌和比表面积等物理性质;同时,上述物质也可与催化剂内的其他金属相互作用,从而有效调控材料中的氧空位密度,最终增强对丙烷催化燃烧的反应活性。其次,CeO_(2)作为载体能与活性金属产生有赖于CeO_(2)形貌和晶面的金属-CeO_(2)相互作用,这会对催化剂的结构和性能产生极大影响。此外,也讨论了通过优化合成方法和表面改性所获得的La系钙钛矿催化剂在丙烷催化燃烧中的应用研究。结论目前,稀土基催化剂的催化作用机制探索尚处于初级阶段,应对其进行更深入系统的研究,以早日实现其工业化应用。

改进残差网络与峰值帧的微表情识别

目的微表情(Micro Expression,ME)是人们流露内心情感时展现出的细微面部表情。针对微表情识别的样本较少且不同类别数量分布不均导致难以识别和识别准确率较低的问题,提出能够提高微表情识别准确率的模型框架。方法提取微表情视频序列中含有更多关键表情信息的峰值帧;使用加入SE模块的改进残差网络SE-ResNeXt-50对微表情的峰值帧进行特征提取,其中SE模块可以更好地学习特征中的关键信息,ResNeXt通过分组卷积的方式用稀疏结构取代密集结构从而使结构更加简化,提升了识别效率。与此同时,使用Focal Loss损失函数可以更好地解决因微表情数据的不平衡带来的模型性能问题。结果在微表情数据集CASMEⅡ上进行了仿真实验,可以发现改进的残差网络与峰值帧提高了微表情识别的准确率与F 1值。结论改进的残差网络与峰值帧可以降低数据集较少所带来的影响,使模型有着良好的拟合效果,同时改善了在不同类别上表现差异较大的问题,提升了微表情的识别准确率,对于微表情识别有着更好的识别性能。

基于双有序性约束的人脸年龄估计研究

目的人类年龄是人类识别和搜索任务中的重要特征,现有研究一般将人脸年龄估计视为传统的分类任务,忽略了年龄之间的有序特征,导致估计年龄与真实年龄之间的差距较大,因此,有必要寻找一种方法以缩小估计年龄与实际年龄的差距。方法提出一种基于双有序性约束卷积神经网络模型(DO-CNN)的人脸图像年龄估计方法。首先,DO-CNN使用基于广义Logistic分布的有序回归模型作为卷积神经网络的分类器,并验证比其他有序分类器在人脸估计任务上的优越性;接着,进一步提出有序竞争比损失函数,在传统竞争比损失函数上,通过引入风险项使损失函数注意到预测年龄与真实年龄的误差,进而指导模型缩小估计年龄与真实年龄的差距。结果在开源人脸图像年龄数据集FGNET和AgeDB上的对比实验显示:相比现有研究方法,DO-CNN分别提升约12%和3%的准确率,当允许的误差范围扩大后,该优势依然保持。此外,基于广义Logistic分布的有序回归分类器相比基于其他分布的有序回归分类器具有明显提升。结论实验结果表明:基于双有序性约束的卷积神经网络模型可以明显提升人脸年龄估计的准确率,并减少年龄估计的实际误差。

基于R-DCAformer的结直肠息肉分割模型

目的 现有Transformer模型虽然在形态复杂的结直肠息肉分割中拥有较高准确率,但是其注意力分散,编码器输出多级语义信息在融合中会产生信息丢失,限制了模型准确率进一步提高,针对此问题,提出一种新的肠道息肉图像分割模型:双通管道聚合网络(Dual-Channel Aggregation Transformer, R-DCAformer)。方法R-DCAformer模型使用金字塔混合的Transformer(Mix Transformer, MIT)和Resnet18充当编码器,设计了双通道聚合(DualChannel Aggregation, DCA)模块充当解码器。DCA解码器由注意力聚合模块(Attention Aggregation, AA)和双通道特征聚合模块(Dual-Channel Feature Fusion,DFF)组成,其中,金字塔MIT编码器可以为模型提供充足泛化能力,AA模块可以通过融合Resnet18的额外特征限制模型MIT中的注意力分散,DFF模块则可以缓解多级语义信息融合中的信息丢失问题。结果 泛化能力实验中,R-DCAformer在CVC-ColonDB中相比于基线模型中最优的m Dice、m IoU和MAE分别提高了2.10%、1.65%和22.5%,在ETIS中,相比于基线模型中最优的m Dice、m IoU和MAE分别提高了2.56%、2.12%和15%;模型在CVC-ClinicDB数据集上,相比于基线模型中的最优m Dice、m IoU提高了约0.85%、1.35%;在Kvasir-SEG数据集上,相比于基线模型中的最优m Dice、m IoU和MAE提高了约1.19%、1.97%和17.39%。此外还通过消融实验和注意力图论证了本文所提出模块的有效性。结论R-DCAformer在学习和泛化实验中效果都较为优异,总体上优于对比的基线模型,为结直肠息肉分割提供了新的高性能模型。

线性约束下纵向数据部分线性模型的估计

目的 研究纵向数据部分线性模型的参数和未知回归函数的估计问题。方法 考虑在一些统计应用中,模型参数通常带有一定的约束,提出一种基于约束最小二乘与二次光滑局部线性估计的方法。该方法首先利用profile最小二乘法和Lagrange乘数法得到参数和回归函数的约束,即profile最小二乘估计量;再结合改进的二次光滑局部线性估计方法得到约束条件下模型的最终估计,并在一定正则条件下,证明了所构造的参数和回归函数估计量的渐近正态性;同时,通过数值模拟得到了有约束和无约束两种情况下参数分量的偏差、标准差和均方误差,并绘制了两种情况下回归函数的拟合曲线,验证了上述方法的有效性。结果 模拟结果表明:相对于不考虑约束条件的估计量,考虑约束条件的估计量具有更高的估计精度;回归函数的拟合曲线展现出了良好的拟合效果,进一步验证了所提出估计方法的有效性。结论 在实际研究中,通常可以获取参数分量的一些额外信息,充分利用这些信息能够提高估计的准确性;与无约束的估计方法相比,带有约束的估计方法能使估计的效率得到提高。

基于社区划分的社交推荐隐私保护方法

目的 社交推荐是在传统推荐的基础上引入用户的社交信息以更好地生成推荐结果。由于社交推荐不仅涉及用户本身的信息,还涉及用户的社交关系信息,因此对用户的隐私保护变得更加重要。然而,目前的社交推荐方法大多只注重提高推荐准确性,而忽视了对用户个人信息隐私保护的问题。因此针对社交推荐中用户的评分数据和社交关系数据的隐私保护问题,提出了一种基于社区划分的社交推荐隐私保护方法(SRCD)。方法 首先,考虑评分值的分布范围对用户相似度的影响,并结合用户之间的社交关系,来给社交网络中的用户划分社区,并计算每个社区中用户对所看过项目的评分的均值;然后,根据社区划分的结果,寻找与目标用户所在社区相似的其他社区。从而可以构造出一个社区-项目评分均值矩阵。并且针对实际场景中评分均值矩阵稀疏的情况,采用了中位数填补矩阵的缺失元素。最后,用矩阵分解的结果来预测用户对项目的评分,从而评估算法的性能。结果 通过仿真实验验证,所提方法相比于现有的社交推荐算法不仅在隐私保护方面提供了保障,而且在推荐准确度方面具有相近的预测准确率。结论 提出的方法不仅在一定程度上保护了用户的隐私信息,还为用户提供了令人满意的推荐结果。