基于上下文感知和个性化度量嵌入的下一个兴趣点推荐

随着基于位置的社交网络推荐系统的逐步发展,兴趣点推荐成为了研究热门。兴趣点推荐的研究旨在为用户推荐兴趣点,并且为商家提供广告投放和潜在客户发掘等服务。由于用户签到行为的数据具有高稀疏性,为兴趣点推荐带来很大的挑战。许多研究工作结合地理影响、时间效应、社会相关性等方面的因素来提高兴趣点推荐的性能。然而,在大多数兴趣点推荐的工作中,用户访问的周期性习惯和伴随用户偏好的上下文情境信息没有被深度地挖掘。而且,下一个兴趣点推荐中一直存在着数据的高稀疏度。基于以上考虑,针对用户签到的数据稀疏性问题,将用户周期性行为模式归结为上下文情境信息,提出了一种基于上下文感知的个性化度量嵌入推荐算法,同时将用户签到的上下文情境信息考虑进来,从而丰富有效数据,缓解数据稀疏性问题,提高推荐的准确率,并且进一步优化算法,降低时间复杂度。在两个真实数据集上的实验分析表明,本文提出的算法具有更好的推荐效果。

双曲型空间中有限共球点集的度量嵌入和度量不等式

给出了n维双曲型空间中有限共球点集的一个度量嵌入定理,同时将n维欧氏空间中共球点集的一些几何不等式推广到n维双曲型空间。

基于度量优化的保持邻域嵌入的人脸识别

监督的保持邻域嵌入算法采用欧氏度量选取k近邻。欧氏度量在数据维数较低时能获得较好的结果,但直接简单地将其从低维空间的应用推广到高维空间中不能取得较好的结果。针对该缺点,提出度量优化的保持邻域嵌入算法。该算法分为无类标号信息(MONPE)和有类标号信息(CLMONPE)2种情况,利用线性判别分析算法降维后的数据选取k近邻。在Yale人脸数据库上的实验结果表明,CLMONPE算法效果较优。

有限组两个完全同向单形的广义加权度量加

利用广义Menger度量嵌入定理,推广了关于两组两个完全同向n维单形"广义度量加"的概念,提出了关于有限组两个完全同向n维单形的"广义加权度量加"的概念,并运用距离几何理论同矩阵不等式结合的方法,证明了几个涉及"广义加权度量加"的几何不等式,它们进一步推广了杨路和张景中关于Alexander猜想的结果,这些结论蕴含近期诸多文献的主要结果.

基于EMD非相似距离度量的一种车辆自动识别新算法

车型自动识别是近几年发展起来的智能交通系统中的重要组成部分,也是图像处理和模式识别应用研究领城的一个热点,在车型识别技术中创新地引入新的分类处理方法-图像堆土机非相似距离度量及其快速近似算法策略,并给出仿真示例处理结果,取得了预期的设计目的。

一种基于EMD非相似距离度量的车型自动识别新方法

车型自动识别是近几年发展起来的智能交通系统中的重要组成部分,是图像处理和模式识别应用研究领域的一个热点,本文在车型识别技术中创新地引入新的分类处理方法-图像堆土机非相似距离度量及其快速近似算法策略,并给出仿真示例处理结果。

一种可配置策略的软件动态完整性度量架构

针对当前软件完整性度量技术在实时性、灵活性、实用性等方面存在的不足,提出了一种可配置策略的软件动态完整性度量架构。该架构通过加入策略配置模块,实现了按需配置不同软件的度量策略,提高了度量的灵活性;将度量策略嵌入到度量对象内部,节约了内存资源,并能在度量过程中提高系统效率,同时引入多线程与流水并行技术,实现度量算法并行优化,以此提高了度量架构的性能,降低了其对系统性能的影响;通过合理地设置度量点,可以对度量对象进行实时的动态完整性度量。测试结果表明,该架构能有效检测出对合法应用程序的恶意攻击,具有较高的度量效率,并且对系统性能影响较小。

优化近邻保持嵌入算法的人脸识别方法研究

人脸识别是一项极具发展潜力的生物特征识别技术,在公共安全,信息安全等领域具有广阔的应用前景。本文试验基于ORL人脸数据和Yale人脸数据,在监督的保持邻域嵌入算法(NPE),度量优化的保持邻域嵌入算法(MONPE)均取最优参数的前提下对分类准确率和运行时间进行了比较。试验表明:MONPE算法与NPE算法相比,在实际应用中可以表现出明显的优势。

一种用于复杂网络搜索的标记策略

搜索是复杂网络上的一项基本功能,设计搜索策略的一个重要目标是在每个节点上维护尽可能少的信息,并且搜索效率尽可能高。针对复杂网络搜索提出了一种新的标记策略(labelingscheme)。通过将网络嵌入到较简单的度量空间和对节点重新命名,使每个节点只需要知道邻居节点的名字,因而在节点上存放很少的信息,而搜索使用的路径长度限制在较小的范围内。由于许多真实的复杂网络都是无标度网络,利用它们的拓扑特征,该策略在这类网络上能够获得很高的搜索效率,绝大部分情况下搜索使用的路径都是最优路径。与已知的几种标记策略相比,仿真结果表明该策略的总体性能更好。

基于流形学习算法的人脸识别研究

为了有效地实现对人脸的识别,先用线性判断分析(LDA)方法将原始的人脸数据降维,利用降维后的数据选取点的k近邻,进而提出度量优化的保持邻域嵌入算法(MONPE)。MONPE算法:一方面,通过LDA降低原始数据的维数,使得欧氏度量的应用成为合理。另一方面,通过LDA拉近了类内点的距离,拉大了类间点的距离,使得某个采样的近邻点属于同一类的概率更大。

乘积流形的嵌入拉回度量与Killing向量场

在四维乘积流形M4=S2×S2上如何赋予一般的Riemann度量并考虑其相关截曲率能否保持不变号是非常有趣的几何拓扑问题,吸引了不少几何学者的极大关注和探索.本文将从以下三个角度来讨论M4的截曲率:(1)嵌入R6至R9的拉回度量;(2)作极小嵌入F:Σ?R4→S5(2)?R6得到Clifford环面;(3)偶数维紧致Riemann流形的正截曲率度量与Killing向量场的奇异点之间的关系.本文得出在这些情形之下, M4不可回避零截曲率的出现从而支持Hopf猜想.