基于随机游走和聚类平滑的协同过滤推荐算法

协同过滤是电子商务推荐系统中被广泛采用的技术,然而数据稀疏性会影响协同过滤的推荐质量。本文针对数据稀疏问题提出一种基于随机游走和聚类平滑的两阶段协同过滤推荐算法。离线阶段:计算项目间相关性,提出了一个新的方法即通过加权累加各步转移概率对项目间相关性进行描述。根据得到的项目相关性矩阵对项目聚类,利用聚类信息对未评分数据进行平滑处理。在线阶段:根据离线阶段得到的项目间相关性查找目标项目的邻居并进行预测。本文提出的方法能加强项目间相关性的描述。实验表明,根据用该方法得到的项目相关性矩阵查找邻居更加准确,可以有效地缓解稀疏数据的影响,改善推荐的性能。

基于平滑聚类的差分隐私数据自动脱敏仿真

传统隐私数据保护方法忽略了采取最小准则调整隐私预判,导致保护隐私数据效率低、精准低等问题,提出基于平滑聚类的差分隐私数据自动脱敏方法。对数据采取平滑聚类计算,将不确定数据点重新还原固定信息,并划分到合适的簇。构建差分隐私模型,通过差分隐私机制引入噪声,将干扰后的数据重组后传送给用户,降低敏感数据外泄几率。使用基于BIRCH的差分隐私数据自动脱敏方法,采取最小准则调整隐私预判,对发布的CF树进行加噪。根据计算所得的节点搜索概率,对节点使用隐私预判分配。同时运用线性回归与迭代解决方法中存在的不一致约束性问题,实现数据自动脱敏。仿真结果表明,所提方法能高效地保护隐私数据,保护数据信息稳定性强,且实用性较高。

改进Retinex的低光照图像增强

针对低光照条件下拍摄的图像受可见光低和噪声的影响,不仅降低图像在视觉上的美感而且会造成重要信息丢失的问题。本文提出结合平滑聚类和改进Retinex算法的估计照明图的低光照图像增强方法。使用平滑聚类将图像分离为细节层和基础层;利用max-RGB找到各通道最大值用于估计每个像素的照度,构建初始照明图,根据局部一致性和交替方向最小化技术优化照明图;自适应Gamma矫正对优化后的照明图进行非线性重标形成最终光照图;根据最终光照图增强输入图像,将增强后图像与细节层进行融合,获得清晰且细节更为丰富的图像;通过与LE,GC,HE,SSR,MSR,MSRCR,MSRCP算法相比,在图像HightB上,边缘强度最高达到1.00e+02,平均梯度最高达到10.5206,空间频率最高达到52.0508,图像清晰度最高达到14.6562,在主观评价和客观评价均优于其他对比算法。实验结果表明,所提算法具有良好的清晰度,更好的保留边缘和细节纹理,使用本文算法增强后的图片质量更高,细节更加丰富。

强噪声下改进Canny算法的边缘检测

针对传统边缘检测算法抗噪性较差、易受噪声影响、误判率高和漏判等问题,提出一种强噪声环境下对传统Canny边缘检测算法的改进算法。该算法选用平滑聚类滤波取代高斯滤波对受噪声图像进行预处理;对滤波窗口内的像素点进行噪声检测,根据检测到的噪声点个数自适应调整滤波窗口的大小,改变窗口中各信息的输出,为图像中的重要信息赋予较大的权值,实现降低噪声影响的同时防止重要信息被过滤;极大值抑制阶段在3×3邻域内使用Sobel算子,额外加入45°、135°方向计算梯度幅值和方向,更全面地检测细节信息;针对图像的灰度变化使用平均方差来计算高阈值。仿真结果表明,在高斯噪声和椒盐噪声的混合强噪声干扰下,该算法得到的边缘提取结果明显优于传统算法得到的结果。