基于卡尔曼滤波的慕课学习行为智能预测方法

为了降低慕课退课率,提升慕课教学质量,研究基于卡尔曼滤波的慕课学习行为智能预测方法。利用华为nova 5 pro的IMX582型摄像头,采集慕课环境中的学习行为数据;利用自回归积分滑动平均模型,依据采集的学习行为数据,建立慕课学习行为观测模型,并转换成状态空间模型;以状态空间模型的计算结果为卡尔曼滤波的初始状态向量;通过卡尔曼滤波更新初始状态向量,获取慕课学习行为的智能预测结果;在卡尔曼滤波内引入渐消因子,以及协方差匹配判据的方法,补偿卡尔曼滤波内后验协方差矩阵的不确定性,修正卡尔曼滤波输出的慕课学习行为智能预测结果。实验证明,该方法智能预测精度较高,应用该方法后可有效降低慕课退课率,提升学习者的学习活跃度。

应对过滤气泡:算法策展对用户信息消费行为选择性和态度极端化的影响

[目的/意义]“过滤气泡”是个性化推荐算法仅向用户推荐他们所认同、感兴趣的信息而造成的不利结果,体现为信息消费行为的选择性及个体态度的极端化。本研究旨在探索不同信息排序方式对于过滤气泡的干预效果。[方法/过程]共招募38位参与者访问模拟新闻推荐系统,并将其划分到不同信息排序方式的组别中,通过服务器日志观测参与者的新闻点击与阅读行为,使用量表测量其态度极端性变化情况。[结果/结论]信息排序方式不会影响用户的新闻标题点击行为的选择性,但会影响其新闻文章阅读行为的选择性及态度极端性变化:相较于基于偏好的排序方式,基于时间与基于质量的排序方式均会显著降低用户阅读行为的选择性,同时基于质量的排序方式还显著降低了用户的态度极端性。本研究不仅为过滤气泡研究提供了新的研究视角与有效的方法论,还为个性化推荐算法设计提供了实践启示。

基于滤波的电力计量系统分流窃电行为动态识别方法

以准确识别电力计量系统分流窃电行为为目标,提出基于滤波的电力计量系统分流窃电行为动态识别方法。将去噪后的用电负荷数据作为基于模糊C均值聚类的用电负荷数据分类方法的分类目标,按照电压、电流等不同数据属性实现负荷数据分类;使用基于负荷数据局部异常因子的窃电行为检测方法,根据负荷数据点的邻域点密度阈值,判断电力计量系统在空间维度、时间维度是否存在分流窃电行为,并预估窃电量。实验结果显示:所提方法对某电力计量系统分流窃电行为动态识别精度较高,识别结果与实际相符。

基于两级卡尔曼滤波器的三旋翼无人机执行器异常行为诊断

针对三旋翼无人机执行器异常行为,设计了基于两级卡尔曼滤波器的异常行为诊断算法。对三旋翼无人机执行器异常时的动力学特性进行分析,并在悬停状态下进行近似,得到系统状态空间方程。基于卡尔曼滤波器设计异常行为估计子滤波器,得到无人机执行器异常行为的最优估计。引入耦合方程将最优估计代入状态估计子滤波器,得到状态误差最优估计,并将系统状态和异常行为进行隔离,实现执行器异常行为诊断。最后通过数值仿真进行了验证,结果表明所提算法能够较好地对执行器异常行为进行诊断。

物联网终端设备异常信息过滤驱动系统设计

将异常信息与非异常信息混合会导致物联网终端设备无法驱动数据样本。因此,过滤异常信息是提升物联网主机性能的有效途径。为此,设计物联网终端设备异常信息过滤驱动系统。连接物联网终端设备驱动单元、信息查询模块与过滤处理模块,设计系统硬件部分。通过同步处理异常信息方式,检索必要过滤驱动行为,优化系统驱动性能,完成物联网终端设备异常信息过滤驱动系统的设计。实验结果表明,应用所设计系统下,物联网终端设备平均信息密度低于2.0 bit/mm,有效解决了信息密度过大的问题。

基于双模型混合的电动汽车SOC和剩余里程估计

为了缓解电动汽车车主里程焦虑的问题,本文提出了一种基于滤波器和神经网络混合的电动汽车荷电状态(SOC)估计方法,该方法可以准确估计电动汽车SOC和剩余里程。首先,利用降维算法和分类算法从实车数据集中分离出5类能够反映车辆能耗的驾驶行为作为模型输入的一部分。其次,搭建卡尔曼滤波和双层双向长短时记忆神经网络结合的混合模型,该模型可以降低实时数据的噪声,并结合历史数据计算电动汽车SOC和剩余里程。最后将不同的模型输入特征和模型结构作对比,证明提出方法具有较高的精度。

基于两阶段学习的多行为推荐

多行为推荐系统旨在利用用户多种行为的交互数据来提升系统的推荐性能.现有的多行为推荐方法通常将多行为数据直接作用于共享的初始化用户表征上,并在任务中糅合了对用户偏好的挖掘和对不同行为间联系的建模.然而,这些算法忽视了不同交互行为中存在的数据不平衡问题(不同行为交互数据量差别较大)以及适配上述两种任务而引起的信息损失问题.事实上,用户偏好是指用户在不同行为中表现出来的喜好(例如,浏览的喜好),而各行为间的联系表现为用户偏好在不同行为间潜在的转化关系(例如,浏览转换为购买).在多行为推荐中,对用户偏好的挖掘和对行为间联系的建模可以看作两个阶段的任务.基于上述讨论,提出基于两阶段学习的多行为推荐.两阶段策略设计的优势是解耦了前述两种任务.两阶段策略采取固定参数交替训练的方式实现,并同时保留了模型端到端的结构.(1)第1阶段专注于不同行为下的用户偏好建模:先利用所有交互数据(不区分行为类别)对用户的全局喜好进行建模,以最大程度缓解数据稀疏性问题,再分别利用各行为的交互数据细化该特定行为下的用户偏好(局部偏好),以减轻不同行为之间的数据不平衡问题造成的影响.(2)第2阶段专注于对不同行为间联系的建模,通过解耦对用户偏好的挖掘和对不同行为间联系的建模,以缓解因适配两种任务而引起的信息损失问题.这种两阶段模式能够显著提升系统对目标行为的预测能力.大量实验结果表明,所提模型在性能上远优于最先进的基线模型,在Tmall和Beibei两个真实基准数据集上的性能提升平均可以达到103.01%和33.87%.

双视图对比学习引导的多行为推荐方法

多行为推荐(MBR)通常利用多种类型的用户交互行为(例如,浏览、添加购物车和购买)来学习用户对目标行为(即购买)的偏好。受到稀疏监督信号的影响,现有的MBR方法推荐性能欠佳。最近,对比学习从原始数据本身挖掘辅助监督信号取得成功,受此启发提出了一种双视图对比学习引导的方法来增强MBR。首先,利用多行为交互数据来构造2个能同时捕获局部和高阶结构的信息视图;然后,设计2个不同的视图编码器在上述互补视图上学习用户和项目的嵌入表示;最后,通过跨视图协同对比学习与相互监督从而学习到更好的嵌入表示。在2个真实数据集上的实验结果表明,本文方法明显优于基线方法。

奶香型凝胶滤棒特征成分在卷烟中的转移行为

为了研究奶香型凝胶滤棒在卷烟中的加香效果,建立了GC-MS分析方法,优化了前处理条件,并研究了特征成分在奶香型凝胶滤棒卷烟中的转移率。结果表明:最优的萃取条件为用无水乙醇作为溶剂,萃取体积10 mL,超声萃取时间60 min;奶香型凝胶滤棒中5种特征成分(香兰素、乙基香兰素、藜芦醛、茴香醇、乙酸大茴香酯)加样回收率在94.1%~104.1%,检出限在0.11~8.23μg/mL,定量限在0.25~27.42μg/mL。5种特征成分的转移率分为3个梯度,香兰素和乙基香兰素向主流烟气粒相物中的转移率较高,分别为8.44%和8.14%,其次是茴香醇(5.42%)和乙酸大茴香酯(4.35%),黎芦醛转移率最低,为2.44%;5种特征成分的滤嘴截留率在85.31%~90.37%,说明凝胶加香方式下特征成分大部分截留在滤嘴中;滤嘴中香兰素含量和主流烟气粒相物中香兰素的转移率在自然环境下放置前180 d快速减少,180~360 d呈现逐渐降低的趋势,说明生产出来180 d内是奶香型凝胶滤棒卷烟的最佳抽吸时间。在恒温恒湿条件下的滤嘴中香兰素含量和主流烟气粒相物中香兰素转移率均高于自然通风环境下,说明奶香型凝胶滤棒卷烟最好放置在温湿度相对恒定的环境下保存。

Bloom Filter哈希空间的元素还原

本文提出使用语义增强的Counting B loom FilterReconstruction(RSECBF)算法来快速还原源串或给出源串的聚类特征.它给每个哈希函数独立的哈希映射空间以消除哈希函数的内部冲突;扩展哈希函数使其不受均匀性限制,使得哈希函数可以带有语义;利用哈希串的重叠和数量一致性来解决同源哈希串拼接成源串的问题,为源串的还原创造了条件.本文针对Pareto分布的哈希函数,为主成分的还原提出了一个简洁的源串还原算法.对于直接选择部分比特的哈希映射而言,如果主成分分析中的RSECBF不能还原出源串,则还原出来的最长串就是源串的聚类特征.仿真及实际检验表明,B loom Filter可以扩展其哈希函数来实现语义增强,RSECBF还原的结果是可信的.本算法可以在异常行为发生的时候挖掘网络行为特征.

基于协同过滤技术的电商用户重复购买行为预测模型构建

由于电商平台用户浏览方向随机性较强,感兴趣信息量巨大,对用户重复购买行为的预测难度较高。为增强用户体验感与满意度,提高电商服务质量,构建基于协同过滤技术的电商用户重复购买行为预测模型。获取电商用户历史数据集,从用户-商品、用户-商品品类两个层面提取与用户重购行为具有强关联性的统计、衍生、行为衰减特征,将其输入到XGBoost算法中,预测用户是否有重复购买行为。采用协同过滤算法建立重复购买行为用户的评分矩阵,通过Pearson相关系数衡量两用户间的相似度,确定重购行为用户的最近邻集合。根据最近邻用户对目标商品的评分计算重购行为用户对目标商品的评分,获取评分高的数个商品生成推荐列表,实现电商用户重购行为预测。实验结果表明:该模型能够实现重购行为用户的预测,CART树数量为500、特征量为60、推荐列表长度为3时,该预测模型预测性能最突出,推荐结果的用户评分可达9.8。

酸碱交互腐蚀对芳纶滤料性能的影响

工业高温烟气常含有微量SO_(x)而呈弱酸性,在脱硝处理时氨逃逸会使其呈现波动性的微碱性,对袋式除尘滤料形成酸碱交互腐蚀,导致滤袋失效.为探究酸碱交互腐蚀作用对滤料过滤性能的影响,对不同实验处理方法的芳纶滤料的机械性能、表面形貌、化学组成、过滤性能的测试结果进行了研究.结果表明:经20%的NaOH溶液和35%的H_(2)SO_(4)溶液二次交互腐蚀,经、纬向强力保持率分别为53.76%,41.26%;断裂伸长保持率分别为40.23%,63.69%;厚度升高了6.55%,面密度降低了5.18%;处理后纤维表面变得粗糙、有纵向凹槽和横向裂纹;酸碱交互腐蚀对芳纶滤料性能造成破坏的本质原因是滤料中的酰胺基团被破坏,使大分子链断裂,且破坏程度随溶液中酸碱的质量分数及酸碱腐蚀顺序的改变而变化.

基于协同过滤与概率主题模型的大学生行为模式挖掘研究

大学生个体多样性的增强使得高校的教育管理面临前所未有的挑战。在教育大数据环境下,如何利用数据挖掘技术从海量校园行为数据中挖掘出有价值的信息变得尤为重要。针对校园行为数据存在稀疏性的问题,提出一种基于协同过滤与概率主题模型的大学生行为模式挖掘方法;采用Hawkes过程模拟产生事件并使用自定义指标评估模型性能,结果表明模型能有效挖掘出大学生行为模式。最后从同伴数量与类别选择的角度分析了大学生行为模式。

基于协同过滤的用户大数据周期智能推荐算法

由于现有的用户大数据推荐算法普遍存在数据稀疏与准确度问题,提出了一种结合用户相似度与路径相似度的协同过滤算法。在分析兴趣偏好时,采用TF-IDF策略得到用户与某属性的兴趣度矩阵,考虑到兴趣的时间影响与稀疏特性,引入时间衰减公式和稀疏信息补充规则。在分析评分差异时,考虑到评价数据的杂乱性,采取信息熵进行计算用户相似性,上述过程引入时间间隔权重来处理时间影响。最后构建行为路径,利用距离计算判断用户行为的相似性,并将各相似度得到的推荐结果进行合并,得到最终推荐。通过MovieLens-1M与sample Criteo数据集,对算法的MAE、、和AUC指标进行对比验证,结果表明,所提算法可以通过兴趣与用户行为,获得更好的表达性能,降低对相似用户信息的依赖,具有良好的抗稀疏性能和推荐准确性。

基于CLV偏好挖掘模型的数字社区用户偏好挖掘研究

[目的/意义]数字社区已经成为企业高效管理用户的一种方式,用户行为信息以及用户的客户生命周期价值对数字社区的用户偏好挖掘具有重要意义。且现有的数字社区研究缺乏对用户价值和未来偏好挖掘的研究。[方法/过程]针对数字社区的用户群体,本文提出基于客户生命周期价值CLV (Customer Lifetime Value,CLV)的偏好挖掘模型CLV-PM(CLV-Preference Mining,CLV-PM)。首先,为反映用户真实偏好,基于用户行为信息,借助RFM模型和K-Means++算法挖掘用户群体特征,生成用户价值类别标签;其次,为考虑用户时序性和差异性以及增强模型对偏好的认知,利用用户CLV构建用户-评分矩阵,并借助协同过滤算法挖掘用户预测偏好;最后,绘制数字社区目标用户的用户偏好画像。[结果/结论]“微信社群”管理平台的用户数据集中,可划分为重要价值用户、低价值用户、回流用户和重要挽留用户4种用户价值类别;目标用户16254为重要价值用户,采取“留存和维持”为主的运营策略;历史偏好为欢乐跳一跳、秒杀等活动,预测偏好为飞行棋大作战、猜码图等活动,目标用户偏好画像为数字社区运营和维护用户提供依据。

随机波动方程的非线性滤波的极限行为

研究一类白噪声驱动的随机波动方程.在获得随机波动方程依分布收敛到其极限系统后,使用指数鞅技术、Kallianpur-Striebel公式和Skorokhod表示定理,证明了随机波动方程和其极限系统在带有Lévy噪声的观测系统中所生成的非线性滤波的收敛行为.

数据挖掘技术在计算机软件工程中的应用

文中阐述了数据挖掘的定义和分类,然后从垃圾邮件过滤、用户行为分析、软件代码分析、深度学习和自动化数据挖掘技术等方面,详细介绍了数据挖掘技术在软件工程中的应用现状和未来发展趋势。这些应用展示了数据挖掘技术在计算机软件工程中的多样性和重要性,同时也提出了一些问题和挑战,如数据隐私和安全问题、算法的解释和解释性评估等。因此,在数据挖掘技术的发展和应用中,需要继续加强对技术的研究和创新,推进技术与法律、伦理等方面的平衡发展。

基于事理图谱下社交媒体重疾知识型行为推荐算法研究

在线健康社区已成为公民进行健康咨询的重要平台,研究在线社区知识型节点间的行为路径,有利于揭露问答规律和事件发展逻辑,总结知识型节点之间的联系,进行知识路径追踪,为用户提供最优推送。从用户交互信息出发进行知识型节点的提取,识别关键知识型节点进行事理图谱的构建,基于图谱的逻辑关系,利用行为路径融合用户的协同过滤推荐算法识别关键路径,将适合用户需求的内容推荐给用户,有效解决用户提问难和提问方法不准确等问题,提高在线健康社区推送的信息服务质量。

中国射频滤波器产业组织分析

随着通信技术的不断升级,人类进入了5G时代,对于互联网设备的需求也更加旺盛,射频滤波器作为智能设备的重要组成部分,迎来了发展新机遇。基于产业组织理论的SCP(结构-行为-绩效)模型,分析中国射频滤波器产业发展现状,发现中国射频滤波器市场发展迅速,但主要生产中低端产品,且企业创新能力不足,企业分布呈现小而散的特点。与国际市场相比,在市场集中度、模块化产品供应能力、技术积累方面都具有较大的差距。建议通过提高滤波器生产良率,积极推进产学研合作,推动中国射频行业模组化发展、企业间协作发展,提升射频滤波器行业的市场绩效。

侧窗自适应彩色增强算法在司机行为识别系统中的应用研究

外界光照的变化容易干扰机车司机室视频的图像质量,出现图像亮度异常现象,导致司机行为识别系统检测精度下降。针对此问题,提出了一种基于侧窗滤波的自适应非线性彩色增强算法,并设计了一种新型司机行为识别系统。首先利用主聚类推定算法,建立图像照度分类模型,将司机室视频图像分类为低光照、正常光照和曝光3种场景。然后采用本文所提算法对低光照图像进行增强,有效提高了图像亮度、对比度和加强了暗区细节信息。最后利用深度学习方法,建立了基于YOLOv3的司机行为检测模型。为证明可行性,选取某铁路局机务段的6A视频在NVIDIA视频分析服务器上进行试验,结果表明本文提出的低光照图像增强算法能够更好地改善图像质量,利用YOLOv3对增强后的低光照场景图像进行目标检测,项点的检测精度达到了97.20%,与优化前相比提高了6.33%,满足机务段视频智能分析的实际需求。