基于MLP改进型深度神经网络学习资源推荐算法

针对在线学习过程中出现的知识过载及传统推荐算法中存在的数据稀疏和冷启动问题,提出了一种基于多层感知机(MLP)的改进型深度神经网络学习资源推荐算法。该算法利用多层感知机对非线性数据处理的优势,将学习者特征和学习资源特征进行向量相乘的预测方式转换为输入多层感知机的方式,改进了DN-CBR神经网络推荐模型。为验证模型的有效性,以爱课程在线学习平台数据为样本构建数据集,通过对比实验表明,在该数据集上,改进后模型相较于DN-CBR模型在归一化折损累积增益和命中率指标上分别提升了1.2%和3%,有效地提高了模型的推荐性能。

多特征融合的行人目标优选算法研究

行人检测是目标检测研究与应用中的热点和难点,在车辆辅助驾驶、智能视频监控和人体行为分析等领域中占据重要的位置。针对行人检测工程化中相似目标的优选问题,提出一种基于相似度的联合多特征提取方法。首先对目标图像进行高斯预处理,然后将目标图像一分为二,分别提取HOG-HOC特征并计算相似度,最后通过支持向量机SVM确定相似度的阈值,比较目标图像相似度与阈值的大小以确定最优目标。实验结果表明,该方法能有效的解决目标图像的优选问题。

综艺节目核心元素的场景化表达探究--以《我是唱作人》为例

综艺节目多元素杂糅风气过盛,致使节目创作趋于同质。《我是唱作人》以“创作”为主题、以“原创音乐”为核心元素进行节目制作,收获好评。本文从嘉宾组成、舞台竞演、衍生节目等方面出发,分析“原创音乐”这一核心元素在节目中的场景化表达,并为单主题综艺节目核心元素的场景化表达提出建议。