交互式遗传算法中收敛性及用户评估质量的提高

交互式遗传算法 (IGA)有一个明显的缺点 ,即用户在交互过程中 ,对每代的所有个体都要进行评估 ,当个体的数量较大 ,进化代数较多时 ,用户容易疲劳 .针对这一问题本文提出了三种解决方法 :第一 ,利用粗糙集 (roughset)理论作为信息提取技术 ,有效地提高交互式遗传算法的收敛性 ,降低进化代数 .第二 ,引进一个自主式遗传操作过程 ,以缓解用户在交互过程中的疲劳性 .第三 ,利用相似距离值这个新概念提高用户对个体评估的精确度 .最后在人脸图形上进行实验的结果表明 。

交互式遗传算法中用户评估方法研究

交互式遗传算法是针对一些应用领域存在的适应度函数难以明确表达的问题 ,通过用户参与遗传操作过程 ,对进化个体进行评估以代替计算过程的一种改进方法 .但交互式遗传算法存在的一个主要问题是当遗传操作的收敛速度慢时 ,用户需对大量个体进行评估 ,尤其是在个体间相似程度较高时 ,容易产生疲劳现象 .针对这种问题 ,本文提出了两种方法来提高收敛性 ,缩短评估过程 ,从而最终解决用户疲劳问题 .

面向用户评估的公共图书馆评估指标体系构建

以人为本应该是面向用户评估的公共图书馆评估指标体系构建的首要原则,在理论研究的基础上构建面向用户评估的公共图书馆评估指标体系框架,运用德尔菲法征求专家对指标体系的意见和建议,通过对用户进行问卷调查,对指标体系进行测试验证,最后运用层次分析方法确定指标体系的权重系数。

虚拟参考咨询服务质量的用户评估体系建立

本文试图从用户在虚拟参考咨询过程中的感知出发,探讨虚拟参考咨询服务质量的用户评估体系的建立。

交互式遗传算法中用户评估质量和收敛性能提高

交互式遗传算法主要是针对一些应用领域存在的适应度函数难以明确表达的问题,通过用户参与遗传操作过程,对进化个体进行评估以代替计算过程的一种改进方法。但交互式遗传算法存在的主要问题是:当遗传操作的收敛速度慢时,用户需对大量个体进行评估,尤其是在个体间相似程度较高时,容易产生疲劳现象。针对这种问题,本文提出三种方法来提高收敛性及评估过程的质量。在人脸图形上所做的实验结果表明,算法可以有效地缓解用户的疲劳问题。

智能汽车交互界面用户体验评估方法体系综述

目的对智能汽车人机界面的相关研究进行综述,以总结归纳用户体验评估对象、评估指标和评估方法,从学术的角度建立智能汽车交互界面用户体验评估方法体系。方法通过系统文献综述,对纳入系统综述的文献进行信息提取,从而得到基础数据;通过总结归纳的方式,进行数据分析。结果分析了汽车数字化、智能化的发展趋势对汽车交互界面用户体验设计与评估的影响,从评估对象、评估指标、评估方法三个方面总结智能汽车领域用户体验研究进展。提出产品类型以及构成产品的产品要素(物理特征和虚拟要素)两个评估对象维度,基于人机系统优化层次重点阐述了安全、效能、感性体验三类评估指标,基于研究对象、方法属性和质量效率构建三个评估方法维度,为评估方法选择提供参考,并详细分析了不同研究中评估工具的应用。最后总结评估对象、评估指标以及评估方法,形成该领域的方法体系。结论在智能汽车时代下,技术发展使汽车人机交互界面日趋复杂,用户体验评估被证明有利于提供反馈,以帮助开发者设计和改进产品并完成产品迭代。通过这种方法,可以为车辆开发人员提供有关如何进行成功的用户体验评估所需的理论知识和实践参考。

基于GitHub的用户影响力评估算法

GitHub社交平台是代码托管领域的主流平台,拥有超过7300万开发人员.评估GitHub社交网络中用户的影响力对开源成果的学习和应用有重要意义.针对PageRank算法及其改进方法在评估用户影响力时对用户交互行为与用户自身因素分析不全面的局限性,提出了一种引入用户行为权值分配策略的影响力计算方法CUIE(Comprehensive User Influence Evaluation)算法,将用户行为对其他用户影响力的贡献比例作为权值计算用户的CUIE值.基于真实数据的实验结果表明:将用户交互行为作为评价用户影响力分析的因素之一,能使模型获得更好的结果,与传统算法进行对比,在Top-500及以上的情况下,CUIE算法均取得最优的准确率和召回率.此方法能有效发现被传统方法忽略的部分核心用户,可作为传统方法的补充,在舆情分析与引导中也具有一定实用价值.

面向用户体验增强的信息检索评估模型研究

如何为用户精准提供高质量信息是信息检索系统有效提升用户体验的关键问题所在。在对国内外相关技术研究进展基础之上,从引入信息资源与用户需求之间最佳匹配的动态评估机制角度,提出了一种面向用户体验增强的信息检索动态评估模型,对模型中的信息质量评估方法、用户期望评估方法、情境动态评估方法和用户体验评估方法等进行详细设计,并对模型中各因素权重进行最优化搜索求解。仿真实验结果表明,构建的动态评估模型具有较好的“鲁棒”特性,对不满足用户需求的信息过滤效果明显,将用户所需的高质量信息返回给用户,明显增强了用户对信息检索的应用体验。

基于用户接受度的IT/IS效用评估模型

在终端用户的系统环境下,用户研究和用户测评技术越来越重要。因此,人们有必要建立预测IT/IS效用的模型、工具,为技术投资提供参考建议。本文阐述了一个具有实用价值的用户接受度模型,并深入分析了各个内部变量及其关系。同时提出了内部结构变量的测量方法以及具体的操作方案。

浏览类表的用户评估--以Information Studies Taxonomy项目为例

Information Studies Taxonomy浏览类表的用户评估采用定性和终端用户介入的方法。评估方案包括真实环境下的浏览练习和用户访谈两道程序。浏览练习题目从终端用户中征集而来,并覆盖类表的所有分面和主题分面中的全部基本大类。浏览练习的具体操作尽量保证客观公正的评估结果。用户访谈围绕类表各个组成部分对浏览功能的支持而展开。浏览练习过程与用户访谈都有相应的软件进行录制。浏览类表评估的理论与实际例子在文献中鲜见,本项目采用的评估方法与设计思路可供借鉴。

可信网络中一种基于AHP的用户行为评估方法

论述了一种新的用户行为评估方法。首先提出了基于量化评估的用户行为评估递阶层次结构模型,接着论述了用户行为证据的获得及其表示的规范化方法,进而用AHP原理确定各用户行为证据和各用户行为特性的权重。在此基础上,对用户行为进行整体评估。最后通过实例具体说明了评估过程并对结论进行了分析。该评估方法能够科学地确定各用户行为证据和各用户行为特性的权重使得用户行为评估易于实现,使资源提供者可以根据以往用户行为的评估结果对用户的未来行为进行预测或采取相应控制措施。

面向网络状态的自适应用户行为评估方法

用户复杂的行为往往会导致网络状态出现波动,破坏网络平稳运行,由于指标及权重的主观性和静态性,传统评估方法难以准确衡量用户行为对网络状态变化的影响程度。因此引入粗糙集理论,构建一种面向网络状态的自适应用户行为评估方法,使用属性约简和属性重要度方法对用户行为和网络状态数据进行挖掘,分析用户行为与网络状态变化的关联程度,以此自适应构建评估指标及权重,并随用户行为变化而动态调整,从而准确地量化用户行为对网络状态变化的影响程度。实验结果表明,该评估方法有助于准确发现造成网络状态变化的用户及其行为,能够为加强对用户行为的管控提供有效支持。

基于大数据分析的移动互联网用户感知评估系统

随着移动通信网络的逐渐演进和智能终端的迅猛发展,移动互联网业务层出不穷,竞争非常激烈,而让用户获得良好的业务感知成为在竞争中胜出的关键。移动互联网用户感知评估系统针对移动互联网各项主流业务搭建了一套用户感知评估体系,为每项主要业务设计了一套KQI(key quality indicator)以及具体的识别、提取、计算方法。利用用户感知评估系统对海量数据分组的大数据分析还原复现了用户的业务行为,并从各个维度计算获得了各项KQI的得分,实现了全面、及时、准确地评估移动互联网业务用户感知,从而为网络运营商和移动互联网公司提供高附加值的数据支撑。

基于集群辨识的电力用户需求响应潜力评估

针对电力市场参与需求响应(DR)用户的特性不一、响应能力差异大,导致DR潜力评估难度大的问题,提出了一种自底向上的负荷DR潜力评估方法。首先,对用户的用电行为进行分析,将每个用户的负荷变化分别用基于概率分布和隐马尔科夫模型的聚类方法进行聚类,得到适合价格和激励的DR用户分类。然后,将用户负荷大小用K-means算法进行聚类,得到每个用户所属的行业类别。在对每个用户的多标签分类和电力DR潜力进行定性评估后,通过计算区域内各用户负荷与总负荷之间的皮尔逊系数,得到用户的调峰潜力。最后,通过具体算例分析某区域用户的DR潜力和调峰潜力,验证了所提方法的有效性。

考虑信息价值的需求侧用户响应潜力评估方法

需求响应的实施过程中,对用户响应潜力的事先评估,可有效提高聚合商任务分配准确程度。考虑各用户信息本身的准确度与传输过程中造成的误差,将信息价值纳入评估指标体系,提出一种考虑信息价值的需求侧用户响应潜力评估方法。首先,全面分析与用户响应潜力相关的因素,建立评估指标体系并计算权重,实现各个指标量化分析;然后,通过集对分析与可变模糊集相结合的方法计算潜力等级;利用聚合商评估结果,对用户负荷响应任务量进行分配;最后,对聚合商与用户之间的负荷分配进行仿真实验,实验结果表明:考虑信息价值的评估指标体系,能有效提升评估准确性及用户任务完成情况。

基于PageRank和用户行为的微博用户影响力评估

微博用户在消息传播过程中起到一个至关重要的作用,具有强大影响的微博用户是舆论形成、传播引导的关键因素。为了更准确地评估微博用户的影响力,文章提出了基于Page Rank和用户行为的用户影响力评估(UIA,User Influence Assessment)算法,该算法对用户自身的活跃度和用户之间的联系度进行综合考量,通过对用户的行为分析,可以提取并量化出影响用户自身活跃度和影响用户之间联系度的相关因素,进而计算出权值分配比例。该算法既避免了Page Rank的主题漂移现象,又系统化地衡量了用户影响力,具有较高的准确性。

基于LSTM的内部用户安全行为评估方法

内部用户安全行为评估方法由于较少考虑用户操作行为的前后关联性,导致用户操作行为评估的准确率受到影响。针对该情况,结合长短期记忆网络(LSTM)适合处理时间序列问题的特性,提出了一种基于LSTM的内部用户安全行为评估方法。该方法首先对数据作向量化处理;然后按照Nvs1方案进行数据划分,利用LSTM算法对已知用户操作行为习惯进行统一建模;最后使用双峰阈值(bimodal threshold)机制来确定判决阈值,并对用户操作行为进行评估。实验结果表明,该方法的数据划分方案提升了其检测未知用户操作异常的能力,而且通过引入双峰阈值机制,提高了其检测未知用户异常操作的查准率与查全率。

基于多层次分析法的数字档案用户体验评估研究

文章针对目前数字档案服务质量无法进行量化的问题,提出利用多层次分析法分析用户在使用数字档案过程中的用户体验评估模型。将无法定性的指标量化成数值,计算得出各评价指标在用户体验评估中的权重,通过一致性检验计算评估权重的可信度。以用户体验为中心,通过权重计算找出在使用电子档案资源过程中影响用户体验的主要因素,结合数字档案的使用说明计算过程,为数字档案资源的建设,提升数字档案资源的服务提供参考方法。

可信网络中基于AHP的用户行为评估性质及应用

文献[3]讨论了可信网络中一种基于AHP的用户行为评估方法。该文在文献[3]的基础上进一步讨论了用户行为评估中各特性和各证据的权重、证据值的变化对用户行为评估值的影响进行了讨论,并论证了基于AHP的用户行为评估中的一个重要性质。在此基础上,介绍了该性质在用户行为控制中的应用。

基于多维决策属性的网络用户行为可信度评估

针对已有模型在动态适应性、主观分类权重、决策属性建模粗糙等方面的不足,提出了一种新的网络用户行为可信评估模型。采用更完善的决策属性来衡量用户行为可信性,基于AHP原理计算直接可信度,运用信息熵理论客观的分类方法,确定各个决策属性的权重,并通过加权几何平均融合各决策属性。实验结果表明,该模型能够准确评价网络用户行为的可信性,反映网络用户行为可信性的动态变化特性。与传统模型相比,在准确度和安全性方面有了很大提高。