基于改进的微信点餐推荐系统设计

针对基于经典协同过滤算法的点餐推荐系统中的数据稀疏性问题,通过加入Apriori关联规则算法并融合基于内容的相似度,进行菜品评分预测,填充评分矩阵,降低数据的稀疏度;并结合点餐个性化需求,设置基于人数的推荐标准,进一步过滤推荐列表;经与User-CF、Item-CF的对比实验,改进后的系统有效地解决了经典协同过滤算法中的数据稀疏性问题,推荐效果更好和很好的泛化性能。

高危场景下ORB-SLAM2稠密地图构建

针对经典视觉ORB-SLAM2稀疏建图存在精度低、实时性差等现实问题,提出了基于ORB-SLAM2算法架构的视觉定位与稠密建图算法,并通过部署在Jetson Xavier NX为核心板的嵌入式平台上进行建图精度与实时性验证,可满足高危场景下的清晰完整地图信息的构建需求,便于人们快速摸排风险点、制定救援方案和避免二次事故发生。