基于协同过滤算法的附近景点推荐

在推荐算法中,协同过滤算法主要通过分析用户对景点的历史评价数据,找出与当前用户偏好相似的其他用户,从而推荐用户喜欢的物品。针对如何推荐出用户附近的最优景点,文章提出基于Redis的GEO算法与协同过滤算法的附近景点优化推荐算法,加入两种因数并分配权重,从而提高该算法的准确率和召回率。优化后的协同过滤算法不仅可适用于各种类型的景点推荐,而且能够帮助用户快速找到附近感兴趣的景点,提高用户的满意度。

基于综合评分的DDoS检测分析报告系统

针对分布式拒绝服务攻击所采用的攻击方式多变这一问题,设计了综合评分算法,可以综合使用多个异常检测算法,综合评估以识别攻击.因现有的分布式拒绝服务攻击检测方法难以给出异常流量的具体特征,设计了Apriori-Geo-AS算法和端口分布分类的Kolmogorov-Smirnov检验算法,通过改进Apriori算法,能够更有效地提取攻击源的主要来源地址、端口和地理位置信息;通过和理想端口分布进行Kolmogorov-Smirnov检验,能够进一步判断出攻击者的端口使用模式.实验结果表明,异常检测算法正常时段的误报率低于0.2%,通过对清华大学校园网的网络攻击进行分析验证了本系统攻击分析部分的有效性.