基于模糊本体和遗传算法的推荐系统

针对在数字图书馆中刻画教育者和学习者图书偏好的文本和网络数据不精确、不一致和不通用问题,提出一种基于模糊本体和遗传算法的推荐系统框架。将模糊逻辑引入领域本体,处理在图书领域中的模糊信息,采用遗传算法对图书的特征进行权重优化,通过聚类算法缩小推荐搜索空间,达到精细化的推荐结果。实验结果表明,该方法有效解决了冷启动、数据稀疏性问题,解决了本体推荐图书的不确定性和主观判断问题,与传统方法相比精度和泛化能力有所提高。

复杂环境中的线结构光中心提取方法

为避免复杂环境和物体不均等因素影响,造成提取的线结构光中心不完整、无效或者断裂问题,提出一种多尺度卷积并行的方式,利用端到端深度学习方法提取线结构光中心。用第一个网络进行目标检测,用于提取感兴趣的图像特征区域,检测到线结构光。因为第一个网络中加入解码层和编码层,即使在复杂的背景环境中,也可以提取线结构光的面积。使用第二个网络和稀疏算法得到单像素的线结构光中心。通过不断优化算法定义的损失函数值,得到平滑、完整的中心线。实验结果表明,该方法速度快,有效排除了环境干扰,在复杂环境中提取的线结构光中心线完整。