-
题名基于Canopy和共享最近邻的服务推荐算法
被引量:3
- 1
-
-
作者
邵欣欣
-
机构
大连东软信息学院
-
出处
《计算机科学》
CSCD
北大核心
2020年第S02期479-481,503,共4页
-
基金
辽宁省自然科学基金(2019-ZD-0354)。
-
文摘
为辅助银行机构进行精准的服务推荐,提出了基于改进的Canopy和共享最近邻相似度的聚类算法。基于该算法对用户进行细分,针对用户群特点进行精准服务推荐。该算法首先采用最大值和最小值对Canopy算法进行改进,并应用该算法得出初始聚类结果,然后利用共享最近邻相似度算法对聚类结果中的交叉部分数据进行归类,最终得出用户聚类数据。该算法在某银行对真实客户数据进行应用,选择基于客户的贡献度、忠诚度和活跃度3个指标进行聚类,结果表明,该算法提高了客户细分的质量和聚类的效率,聚类结果对于客户的消费数据刻画非常准确,能够为银行的精准服务推荐提供数据支持。
-
关键词
客户聚类
服务推荐
Canopy算法
共享最近邻相似度
聚类指标
-
Keywords
Customer clustering
Service recommendation
Canopy algorithm
Shared nearest neighbor similarity
Clustering index
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名改进的多扩展目标PHD滤波算法
- 2
-
-
作者
彭聪
王杰贵
朱克凡
程泽新
-
机构
国防科技大学电子对抗学院
-
出处
《现代防御技术》
2019年第1期97-104,110,共9页
-
文摘
在扩展目标产生量测密度差异较大的情况下,传统的基于距离划分的多扩展目标高斯混合概率假设密度(ET-GM-PHD)滤波算法计算量大,跟踪效果不佳。针对这个问题,提出了一种改进的ET-GM-PHD滤波算法,该算法首先通过局部异常因子(LOF)检测对量测集进行杂波的滤除,然后采用共享最近邻(SNN)相似度为量测划分准则。SNN相似度体现了量测分布的局部信息,考虑了量测周围的量测信息,因此利用SNN相似度划分量测密度差别较大的量测集时,划分效果比较理想。提出的算法相较于传统算法,减少了运行时间,提升了跟踪的稳定性。
-
关键词
目标跟踪
扩展目标
多扩展目标高斯混合概率假设密度滤波器
量测划分
局部异常因子
共享最近邻相似度
-
Keywords
target tracking
extended target
multi extended target Gauss mixture probability hypothesis density(ET-GM-PHD) filter
measurement division
local outlier factor(LOF)
shared nearest neighbor(SNN) similarity
-
分类号
TP212
[自动化与计算机技术—检测技术与自动化装置]
TN713
[电子电信—电路与系统]
-