基于模糊C均值聚类的环境感知推荐算法

针对现有环境感知推荐算法存在的不足,提出一种基于模糊C均值聚类的环境感知推荐算法.首先采用模糊C均值聚类算法对历史环境信息进行聚类,产生聚类及隶属矩阵;然后匹配活动用户环境信息与历史环境信息聚类,采用聚类隶属度作为映射系数将符合条件的非隶属数据映射为隶属数据,最终选择与活动环境匹配的隶属用户评分数据为用户产生推荐.同现有算法相比,该算法不仅解决了因用户环境改变不能准确推荐项目的问题,而且通过采用模糊聚类算法克服了传统硬聚类问题,并且借助于隶属映射函数解决了聚类产生的数据稀疏性问题.在MovieLens数据集上比较了新算法和其他算法的性能,验证了所提算法的有效性.

太原市国土资源“一张图”数据管理模式的探讨

针对当前太原市国土资源的不同种类、内容、来源和用途的各类数据尚不能满足有序化管理和深度应用需求的瓶颈问题,开展"一张图"数据管理模式的探索和应用是解决这个问题的关键所在。在制定数据标准和建库规范的基础上,对各类数据资源从收集、汇交到更新、整合、管理等各个环节提出操作和实施方法,形成了一套完整的国土资源数据管理新模式,充分发挥"一张图"数据在参与宏观调控、辅助决策支持及社会化服务中的重要作用。

基于Widrow-Hoff神经网络的多指标推荐算法

为解决传统的协同过滤推荐算法不能综合运用多个指标进行推荐的问题,通过引入多指标评分的概念对标准的协同过滤推荐算法进行扩展,提出一种基于Widrow-Hoff神经网络的多指标推荐算法.利用Widrow-Hoff最小二乘法自适应算法在进行系统辨识时的高精度拟合特性,提出一种基于Widrow-Hoff最小二乘法算法的用户偏好特征向量计算方法.利用用户偏好特征向量和空间距离矩阵度量用户相似度,以定位邻居集并为用户推荐最优项目.实验结果表明,本文算法可提高推荐精度,改进推荐质量.