期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于聚类与预测填充的协同过滤图书推荐算法研究
1
作者 涂铁 刘斌 《贵州工程应用技术学院学报》 2024年第3期100-105,共6页
推荐技术作为一种能够提高用户满意度的个性化技术,在注重客户需求的场景下应用十分广泛。本文针对学校图书借阅场景提出了一种组合推荐算法,该算法在常用的协同过滤算法基础上前置了Mini Batch K-means聚类算法,并在划分后的读者簇中... 推荐技术作为一种能够提高用户满意度的个性化技术,在注重客户需求的场景下应用十分广泛。本文针对学校图书借阅场景提出了一种组合推荐算法,该算法在常用的协同过滤算法基础上前置了Mini Batch K-means聚类算法,并在划分后的读者簇中应用了基于图书项目特征的预测评分数据填充技术,从而降低了读者—图书矩阵的稀疏度,提高了推荐效率。实验表明,该算法相对于传统的协同过滤算法,其推荐质量得到了一定程度的提高,同时其预测评分机制也可以改善新入库图书的冷启动问题。 展开更多
关键词 图书推荐 协同过滤 聚类 数据填充 矩阵稀疏度
下载PDF
改进地标点采样的加速谱聚类算法
2
作者 徐航帆 刘丛 +1 位作者 唐坚刚 彭敦陆 《电子科技》 2021年第5期47-53,共7页
传统的基于地标点的大规模加速谱聚类算法易受分布不均匀地标点和离群地标点影响。K-means等采样方法在面对大规模数据时,时间空间消耗较大。针对以上问题,文中提出了一种改进地标点采样的加速谱聚类算法。该算法通过地标点间成对相似... 传统的基于地标点的大规模加速谱聚类算法易受分布不均匀地标点和离群地标点影响。K-means等采样方法在面对大规模数据时,时间空间消耗较大。针对以上问题,文中提出了一种改进地标点采样的加速谱聚类算法。该算法通过地标点间成对相似度矩阵的标准差来衡量地标点的分布均匀程度,选取随机的多组地标点集中分布最均匀的一组,去除局部密度较低的离群地标点;利用获得的地标点集与原始数据集构造稀疏相似度矩阵,并对该矩阵奇异值分解得到的前k个右奇异特征向量矩阵进行K-means聚类,得到最终聚类结果。文中从理论上分析了该算法时间复杂度和空间复杂度。验证结果表明该算法在一些数据集上比随机采样方法的准确率高3%~10%,和K-means采样方法相比时间消耗少50%~60%。 展开更多
关键词 谱聚类 大数据 地标点采样 离群点 标准差 稀疏相似矩阵 局部密 奇异值分解
下载PDF
A High-Quality Preconditioning Technique for Multi-Length-Scale Symmetric Positive Definite Linear Systems 被引量:1
3
作者 Ichitaro Yamazaki Zhaojun Bai +1 位作者 Wenbin Chen Richard Scalettar 《Numerical Mathematics(Theory,Methods and Applications)》 SCIE 2009年第4期469-484,共16页
We study preconditioning techniques used in conjunction with the conjugate gradient method for solving multi-length-scale symmetric positive definite linear systems originating from the quantum Monte Carlo simulation ... We study preconditioning techniques used in conjunction with the conjugate gradient method for solving multi-length-scale symmetric positive definite linear systems originating from the quantum Monte Carlo simulation of electron interaction of correlated materials. Existing preconditioning techniques are not designed to be adaptive to varying numerical properties of the multi-length-scale systems. In this paper, we propose a hybrid incomplete Cholesky (HIC) preconditioner and demonstrate its adaptivity to the multi-length-scale systems. In addition, we propose an extension of the compressed sparse column with row access (CSCR) sparse matrix storage format to efficiently accommodate the data access pattem to compute the HIC preconditioner. We show that for moderately correlated materials, the HIC preconditioner achieves the optimal linear scaling of the simulation. The development of a linear-scaling preconditioner for strongly correlated materials remains an open topic. 展开更多
关键词 PRECONDITIONING multi-length-scale incomplete Cholesky factorization quantum MonteCarlo simulation.
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部