一种融合用户评分可信度和相似度的协同过滤算法

传统基于信任的推荐算法容易受用户之间评分偏好差异的影响,尤其在存在评分欺骗数据的情况下,算法的准确性波动很大.针对这些问题,本文提出了新的融合用户评分可信度和相似度的推荐算法,该算法将用户评分准确度、认可度和评分数量权重因子相结合,分析了这些因素对用户评分可信度的影响,建立起可信度跟这三者之间的计算关系.本文进行了无欺骗数据存在和有欺骗数据存在的两类对比实验.实验结果表明,在无欺骗数据时该算法提高了推荐准确性,并在有欺骗数据存在的情况下同时提高了系统的准确性和鲁棒性.

基于PMF进行潜在特征因子分解的标签推荐

现有社会标签推荐技术存在数据稀疏、时间复杂度高以及可解释性低等问题,鉴于此,提出基于概率矩阵分解(PMF)进行潜在特征因子联合分解的标签推荐算法(TagRec-UPMF),它结合用户、资源及标签3方面的潜在特征,联合构建对应的概率形式的潜在特征向量,然后根据它们两两之间的特征向量内积进行线性组合,从而产生Top-N推荐.该算法解决了数据规模大且稀疏情况下的精度问题,算法的线性复杂度使得其可用于大规模数据.实验结果表明,相比于TagRec-CF,PITF,TTD,Tucker,NMF等算法,本文算法既提高了推荐的准确率,又降低了时间损耗.与PITF算法相比较,准确率得到了提高,而处理时间相差不明显;与TTD算法相比较,在准确率相差不明显的情况下,大大降低了时间损耗.因此,本文的TagRec-UPMF算法相比其他算法表现出了一定的优势.

融合停留时间的隐Markov个性化推荐模型

静态模型在推荐系统中往往将用户的兴趣偏好看作是固定不变的,而在一定程度上与实际并不符合。为此,基于隐Markov动态模型提出一种融合停留时间的类时齐隐Markov个性化推荐模型(ctqHMM)。该模型用隐含状态变量的转移来模拟Web用户的兴趣变迁,并用停留时间来描述用户对某一偏好感兴趣的程度和所推荐页面的重要性。然后,提出一种基于该模型平稳分布的用户聚类方法,并将其用于推荐系统中。在真实的Web服务器访问记录数据上的实验证明,类时齐隐Markov模型具有更好的推荐性能。

适用于关联属性的样本自适应参数孤立点检测法

为解决数据集中关联属性之间的干扰问题,通过引进Mahalanobis距离,并对传统的k近邻孤立点检测方法进行了改进,提出了一种新的基于样本的参数选取方法。该方法通过训练数据集中的正常数据和孤立点数据,以获得最优的k距离值和阈值。实验仿真结果表明,提出的算法有更高的准确率,同时降低了误检率。

基于隐反馈的类时齐 Markov 推荐模型

传统Markov链模型在用户浏览行为预测方面体现出较好的性能,但不能很好的体现出用户的兴趣度和所推荐的页面的重要性,因此本文提出类时齐Markov模型.该模型给不同的类别用户单独创建时齐Markov模型,并用时齐Markov模型的平稳分布表征用户的访问兴趣和页面的重要程度.本文进而提出了基于隐反馈的类时齐Markov推荐模型,在真实的WEB服务器日志数据上的实验证明,类时齐Markov模型具有更好的推荐性能.

大数据环境下高校实验教学中心的智能化建设与管理研究

基于传统PC机方式的实践教学模式已经无法完全满足当前教学要求,该研究利用大数据技术、云服务平台等技术手段,对高校实验教学中心的智能化建设与管理研究进行探讨,通过智能管理平台能够实现教师智能化教学模式,为学生提供多方位、多渠道的开放性实验环境,同时大大提高了实验教学中心的运行效率,实验设备的利用率,实现了实验教学中心的高效、快捷、便利的智能化管理,实现高校实验教学中心集教学资源平台搭建、智能化管理以及开放性实验室科学管理于一体的管理模式。

云计算环境约束下的软件水印方案

针对云计算环境下的软件知识产权保护需求,提出一种基于非等价语义混淆理论的软件水印方案。方案设计了一种非等价语义混淆方法,用于切割、隐藏代码语义,同时利用混淆规则虚拟映射水印。切割后的语义放置在一个独立的模块中,验证水印信息、恢复程序正常执行。对该方案的反编译实验表明,其逆向工程难度大,保障了水印顽健性,可有效保护放置在云端的代码。

会计类专业本科生计算思维能力影响因素研究

当今时代,云计算和大数据已经融入到社会的方方面面,在这种背景下,现代会计与传统会计工作的区别越来越明显,会计类人才的培养已经基本离不开信息技术,而且对从业人员的计算思维要求已经逐渐普及。美国卡内基美隆大学周以真教授将计算思维定义为运用计算机概念进行问题求解、系统分析等一系列思维活动。因此,对于会计类本科生要特别注重培养学生数据处理及分析挖掘的能力,尤其是计算思维能力,而不仅仅是计算能力。本文着眼于研究会计类专业本科生计算思维能力现状,继而探讨影响计算思维能力的因素,找出这些影响因素对如何更好的培养会计类本科生计算思维能力,帮助学生提高自身素质,更好的适应现代社会,有重要的意义。

大数据环境下基于CDIO电子信息工程类人才培养模式的研究与实践

在大数据环境下,根据CDIO的工程教育理念,对电子信息工程专业人才培养模式进行了深入探讨。以人为本、以学生为中心,按照人的发展思维构建出个性化的应用型创新人才培养模式,生成从抽象性思维、主动性思维和自适应设计思维的理论模型。基于数据分析和云推送,将培养目标、课程设置、教学方式和评价体系贯穿于高等教育的整个过程。

电力电子变压器输出级电能质量改善策略

评价电力电子变压器(Power Electronics Transformer,PET)运行性能好坏的一个重要指标就是其输出侧电压质量,而PET输出侧电压质量受其所连接的非线性负荷影响较大。基于此,以输出侧并联的模块化电力电子变压器为研究对象,首先阐述了PET的拓扑结构及工作原理;其次分析了造成PET输出侧电压质量恶化的机理;然后通过建立PET输出侧的主从控制策略模型,提出了一种改善PET输出侧电压质量的控制策略,其中输出侧的一个逆变器采用电压电流双闭环控制,可等效为电压源,为其它逆变器提供电压参考,而其余逆变器则采用电流单环控制,可等效为电流源,在提供部分基波电流的同时,增加了谐波电流补偿功能。最后,通过仿真与实验验证了所提控制策略的有效性与可行性。

面向计算思维能力培养的Python课程

分析当前计算思维培养在大学通识教育中的状况,提出以Python课程为例的三阶段课程建设构架,从入门阶段、培育阶段和拓展阶段阐述面向计算思维培养的Python课程教学建设。

一种基于集对分析的三角模糊数多属性决策方法

针对属性权重和决策矩阵均为三角模糊数的多属性决策问题,提出了一种基于集对分析的三角模糊数多属性决策方法。该方法通过集对分析理论,将三角模糊数的属性值和属性权重转换为同异型二元联系数形式,构造属性值的绝对正、负理想联系数并分别计算各方案与二者之间的距离,从而确定相对联系数距离,并依据该值的大小对方案进行排序,并分析其合理性。最后,论文通过算例分析验证所提方法的可行性和有效性。与现有的数学规划等方法相比,该方法计算更为简明,便于现场决策应用。

一种对等网络环境下多维数据分布式处理框架

对等网络环境下,有效处理多维数据,很大程度取决于建立的空间索引,常用的方法有基于树结构、网格索引以及基于树结构和网格索引相结合的方法。然而,基于树结构的方法存在算法复杂、数据结构复杂或难以动态维护等问题,基于网格索引虽然算法简单却难以保存空间多维数据的位置与方向特性。针对这些问题,本文利用网格技术,通过定义一种新的距离度量标准,对空间数据进行编号排序,构建一个完全分布式的系统框架——Dir-Loc-P2P,能够较好地保存空间多维数据的方位,允许信息动态插入或删除,支持节点随时加入或者退出。实验表明,Dir-Loc-P2P系统索引框架具有可扩展性高、查找路径短、索引更新成本低等特点。

论文推荐系统的关键技术研究

随着海量的研究论文出版发表,向研究人员推荐相关论文以满足他们的信息需求的论文推荐系统成为了一个重要的研究领域。论文相关度是论文推荐系统的核心,详细介绍了围绕这一核心的三类关键技术:引用关系分类技术、基于引用图的相关性度量技术和论文推荐算法,并实验对比了目前常用的五种相关性度量方法(共引、共联、CCIDF、HITS Vector-based和Katz距离)的推荐效果,由此提出用引用关系来量化论文之间的依赖关系,再结合Katz距离计算全局相关性这一改进意见.

基于大数据技术的农特产品精准智能决策辅助系统构建与应用

随着农业现代化步伐的不断加快,我国促进农村农特产品的各项指导政策已逐步出台,网络营销已经成为农特产品经营流通的主要渠道。农特产品精准智能决策辅助系统通过搭建信息资源模块、专家资料模块、智能决策辅助等模块,并利用大数据挖掘技术整合分析与农特产品生产、销售等相关的数据资源,为农特产品的科学种植、加工包装、市场布局、价格制定等提供科学可行的理论依据;同时通过消费者与供应商的双向选择,促使农特产品市场向健康良性的方向发展。