一种基于稀疏矩阵划分的个性化推荐算法

文章提出稀疏矩阵划分的思想,对资源评分矩阵进行划分,缩小近邻搜索的范围和需要预测的资源数目,减少数据稀疏性,提高了个性化推荐算法的可扩展性。另外,分别讨论了采取分类和聚类的方法对稀疏矩阵进行划分。实验结果表明:基于稀疏矩阵划分的个性化推荐算法在算法性能上优于传统协同过滤算法。

基于信道矩阵结构划分的用户信号恢复

多用户MIMO-OFDM信道的色散效果可以看成是一组由频点(FB)观测值组成的瞬时混叠结构。如果一个新的用户加入时,意味着引入新的干扰,信道矩阵结构被扩大。由于扩大的矩阵含有已知和未知2部分信息,由此需要设计一个针对2部分信息的盲结构。选择盲分离方法,利用信号间存在的相关性,推导出新用户的混叠结构参数矩阵,然后在每个FB上分离出不同用户的信号,由于利用了已知信道的信息,盲分离后产生的不确定性被纠正。计算机仿真验证了所提出算法的有效性。

模糊划分矩阵在岩土参数概率分布中的应用

讨论如何在小样本条件下用已有的过程经验与试验资料确定岩土参数概率分布,用模糊划分矩阵与BAYES方法相结合,给出由小样本试验数据确定岩土参数的概率分布。

面向异构计算平台的SpMV划分优化算法研究

稀疏矩阵向量乘SpMV在科学计算和工程问题中有着广泛的应用。稀疏矩阵的非零元素分布会极大地影响SpMV的计算效率,针对不同的数据分布模式使用特定算法进行加速可以获得显著的性能提升。CPU的控制能力强,适用于通用计算,而GPU的计算核心多,并行度高,适用于数据密集型计算。根据CPU和GPU的不同特点,充分发挥二者的优势,可以使SpMV获得更大的性能提升。研究CPU-GPU混合架构上SpMV的任务划分与优化方法,针对2种主要的稀疏矩阵数据分布模式:Quasi-diagonal和Tetris,提出了一种基于SVR的任务二次分配算法。研究的2种稀疏矩阵模式具有很好的代表性,在实际科学工程应用中占比达到66%。实验评测结果表明,采用本文的算法之后,与GPU相比,异构平台上Quasi-diagonal和Tetris的加速比平均值分别达到1.74×和2.15×。

基于灰关联分析的模糊聚类最优划分判定模型

在模糊聚类的模糊模式中,由于只已知样本中的部分样本,以及聚类中心选择的多样性,会得到多个聚类矩阵.如何进行最优划分的判定?针对这一问题,本文提出一个新的判定模型:根据灰色系统理论中灰关联度分析的思想,建立灰关联序模型,根据灰关联算法,判断样本代表性.若样本具有较好的代表性,则由其归纳计算得到最优划分矩阵.示例分析验证了该算法的可行性.本方法为最优划分矩阵的判定问题提供了一种新的研究工具和思路.将相关学科的研究方法与模糊集理论相结合,丰富了模糊集理论的方法体系.

模糊聚类最优划分判定的一种新模型(英文)

针对聚类分析的模糊模式未解决的问题:模糊划分空间中模糊最优划分的判定问题,提出一个新的判定模型。给出基于新的最优划分判定模型的应用例子,验证了模型算法应用的可行性。

具有鲁棒性的正交约束多视图子空间聚类算法

通过直接处理原始数据的每个视图,多视图子空间聚类算法通常可以获得潜在的子空间表示矩阵.然而,这些方法往往低估了冗余数据的影响,因此在潜在子空间表示中准确捕捉精确的聚类结果具有挑战性.此外,用于产生聚类结果的K-means算法很容易忽略子空间内数据的局部结构,导致结果不稳定.针对上述问题,本文提出了一种多视图子空间方法来获取高质量的子空间表示.具体来说,首先通过特征分解方法获得鲁棒性表示.然后,为多个视图构建一个联合潜在子空间表示.接下来,使用谱旋转来获得聚类结果,并对划分矩阵采用正交约束来重构子空间,从而提高聚类性能.最后,使用迭代优化算法来解决相关的优化问题.本文在5个基准数据集上进行了实验,结果表明,与最近的多视图聚类算法相比,本文的算法更加有效.

粗糙集的矩阵表示与刻画

以集合的向量表示为基础定义了等价关系对应的划分矩阵,运用划分矩阵表示和刻画了粗糙集理论中的一些基本概念,从而为粗糙集理论中高效的知识约简和决策规则挖掘算法的设计与实现提供新的思路。

协同过滤算法中新项目推荐方法的研究

为了有效地解决协同过滤算法中新项目难以推荐的问题,文中提出了一种对项目矩阵进行划分的方法。其基本思想是,首先利用分类树算法划分项目矩阵并计算项目间的相似度,在此基础上缩小近邻搜索的范围和需要预测的资源数目。通过用户对已有项目的评分排列顺序和项目间相似性预测用户对新项目的评分。实验结果表明:基于项目矩阵划分的协同过滤算法有效地解决新项目推荐困难的问题,显示出了比传统推荐算法更好的推荐质量和扩展性。

基于决策属性的关联规则挖掘

针对具有决策属性的数据库模型,提出了高效挖掘关联规则算法,即矩阵划分算法:根据决策属性将扫描后的数据库划分成两个包含不同决策属性的矩阵,分别采用向量法挖掘频繁项目集.关联规则的生成可充分利用“与”运算的优点,查找规则前件或后件的支持度.所提出的算法减少了候选二项频集的生成,以及“与”运算的大小,与apriori算法及传统的向量法挖掘关联规则相比,效率明显提高.

基于服务器并行求解三角形方程组的设计与实现

针对在实际应用中超出内存容量的大规模矩阵不可调入的问题,设计并实现了一种面向A矩阵连续划分的、子文件大小可调节的求解三角形方程组的并行方案。理论上只要在不超过硬盘容量的前提下,该算法可以在小规模内存条件下求解任意规模的矩阵。最后给出在Altix3700服务器上基于ABEEM模型的数值实验,实验结果表明了该算法的有效性。

高斯消去的并行化研究

为满足大规模线性方程组对内存容量的要求,针对对称方程组提出一种高斯消去的并行化方案。对称方程组在高斯消去过程中其子方阵的对称性仍然存在,因此在并行计算时只读入和计算三角部分的数据,从而减少储存空间的大小,提高并行效率。测试表明,该方案的并行效率优于传统算法,可应用于对称方程组的大规模数值计算中。

推荐系统中遗漏值解决方法的研究

在推荐系统中用户评分矩阵通常含有大量的遗漏值。这严重影响了协同推荐算法的推荐精度。常用的解决方法是使用缺省值或预测值代替这些遗漏值。通过实验比较了使用不同的替代值的效果,并提出了一种结合矩阵划分和评分预测值的方法。实验结果显示,通过这种方法获得的替代值可以使推荐系统达到更好的推荐质量,尤其是在评分矩阵非常稀疏的情况下。

一种挖掘频繁闭项集的深度优先算法

频繁闭项集挖掘是许多数据挖掘应用中的重要问题。为减少候选项集数量和降低支持度计算的开销,提出一种新的深度优先搜索频繁闭项集(DFFCI)的算法。将改进的压缩频繁模式树(CFP-Tree)表示的数据集信息投影到划分矩阵,使用二进制向量逻辑运算计算支持度,简化了计算过程,减少了时间开销;采用基于支持度预计算技术的全局2-项剪枝和局部扩展剪枝,有效削减了搜索空间。实验结果表明该算法的性能优于其他主流深度优先算法。

面向国产异构系统的HPL异构协同设计

HPL是高性能计算广泛采用的Linpack测试软件包,传统HPL算法中,求解矩阵将以块为单位循环分布到所有处理器,由于国产加速器(China Accelerator)的底层矩阵乘接口仅支持定制接口,传统HPL算法已不适合CPU+China Accelerator异构系统,因此,必须基于定制接口完成矩阵分布细致划分与封装dPEM,以提供一个通用的HPL测试配置环境;同时,为了充分发挥国产异构系统的效率,设计了异构协同矩阵乘调度算法OA4MM,以提高国产异构系统的效率。实验验证了dPEM的有效性和OA4MM算法的高效性,OA4MM较传统的异构HPL调度算法性能提升近10%。

一种扩展的条件模糊C-均值聚类算法

在综合分析标准的模糊C-均值聚类算法和条件模糊C-均值聚类算法基础上,对模糊划分空间进行修改,进一步弱化模糊划分矩阵的约束,给出一种扩展的条件模糊C-均值聚类算法。算法的划分矩阵和原型不依赖于背景约束及模糊划分矩阵的隶属度总和。实验结果表明:该算法可以得到不同的聚类原型,并具有很好的聚类效果。

基于模糊C均值聚类改进的最大似然分类法

基于参数密度分布模型的最大似然分类法(MLC)是遥感影像经典分类方法之一,它具有清晰的参数解释能力、易于与先验知识融合和算法简单而易于实施等优点,但是由于遥感数据具有高度的模糊性和随机性,使得贝叶斯(Bayes)判别函数中的均值向量和协方差矩阵很难准确确定。因此首先利用模糊C均值聚类得到模糊划分矩阵,然后基于模糊划分矩阵计算出每一个聚类类别模糊均值和模糊协方差矩阵,并利用模糊均值和模糊协方差矩阵来代替贝叶斯判别函数中的均值向量和协方差矩阵从而建立一个新的判别函数,最后与传统的最大似然分类结果进行比较,结果表明改进后的最大似然分类法在总体精度、Kappa系数均优于传统的最大似然分类方法。

多论域粗糙集模型及其应用

作为一种软计算方法,粗糙集理论的研究在当今各领域中方兴未艾。从论域方向推广粗糙集模型,给出了N论域粗糙集的概念、性质及属性约简。

Fuzzy ISODATA聚类分析应用于马尾松子代的分级

本文根据福建省洋口林场1986年对建阳地区所选的马尾松优树子代测定数据,引进家系的亩蓄积量的相对指标,合理选择分类因子,应用FunyISODATA聚类分析法,把家系分级,为制定和判别家系质量标准提供定量依据。

马尔柯夫链状预测的概率计算及拓广

提出了一种马尔柯夫链状预测中的概率计算新方法:状态划分矩阵法;具有模糊状态的马尔柯夫链的概率计算公式.并用实例计算作了说明.