铁路自动售票系统用户特征分析

按照自动售取票旅客特征分别提供服务是提高铁路自动售取票工作效率的有效手段。为此,车站需要在不同的区域安装不同类型的自动售取票终端,并配置不同的操作界面。本文在借鉴互联网用户行为分析技术的基础上,提出了一种适应于铁路自动售取票旅客特征分析技术,包括KMeans聚类分析和Top N分析。应用这些分析技术能够为车站提供自动售取票旅客的聚类特征和最常用的售取票方式,从而可以指导车站进行自动售票终端的布局和终端软件界面配置。

Mylibrary用户个性化特征分析的方法研究

本文介绍了当前图书馆个性化服务的重要形式之一Mylibrary系统的基本概念、工作原理,阐述了进行用户个性化特征分析研究的必要性,并在对Mylibrary系统技术体系结构进行分析的基础上,提出了一种Mylibrary用户个性化特征分析的技术方法。

基于粒子群算法的低压用户超容用电优化研判策略

随着我国的经济不断发展,电网规模逐渐扩大,面临的挑战也逐渐增加。电网末端极容易出现低电压和用户超容用电等问题,低压用户超容用电会严重影响局部电力系统稳定性,容易造成线损增加甚至威胁电网安全。本文提出了一种基于粒子群算法的低压用户超容用电优化研判策略,建立了用户特征优化模型,通过分析海量用户数据中出现的异常情况来准确判断用户是否为低压超容用户,同时针对海量低压超容用户研判的常规流程进行改进,提出了优化研判策略。算例结果表明,本文所述方法能够从海量用户中准确研判低压超容用户,并且较人工审核方式提高了2.86%的判断准确率。

面向聚类的新媒体用户行为挖掘模型构建

为提高传统SSLOK-means聚类的效率,提出采用CH函数对聚类的参数进行优化判别。其中,利用网络爬虫技术获取新媒体用户的数据信息,并对数据进行标准化处理,然后通过CH函数判别SSLOK-means聚类的最优K值。最后分析用户特征,得出6类兴趣小组,可根据每类兴趣小组的用户特征进行个性化推荐服务。研究结果具有实践应用价值。