VCN智能乘法计算杂性分析

传统恒进制数(FCN)的数值理论计算技术的应用与发展,遇到了人类社会对综合智能数值计算技术的3个应用难题:(1)硬件溢出问题;(2)数值扰动问题;(3)智能计算复杂。针对这些问题,提出智能创新变进制数(VCN)数值理论计算技术之应用与推进,可同时很好而巧妙地解决(1)(2)问题。如何降低智能数值计算时间复杂性和空间复杂性,文章对该问题进行详细阐述。

融合信任关系的联合矩阵分解推荐算法仿真

针对推荐系统中普遍存在的冷启动和数据稀疏的问题,研究从社交行为中挖掘信任关系的方法,并提出了一种基于信任机制和社交行为的联合矩阵分解社会化推荐算法。首先,从显示和隐式两个方面对用户信任度进行度量,计算社交信任矩阵,其次构造一种反映用户偏好随时间变化时间增强“用户-项目”关注矩阵,通过项目关注度对项目关联关系进行度量,最后基于联合矩阵分解提出了结合信任机制和社交行为的联合矩阵分解社会化推荐算法(TMS-CMF)。实验结果表明,与其矩阵分解推荐算法相比,上述算法能够在推荐精度和Top-K推荐能力方面有显著提高。

异质组合的线性积聚量递增序列比较

本文研究了两组异质组合的线性积聚量的序列特性.在增凸序或者增凹序意义上,提供了充要条件以得到线性积聚量的比较结果.此处获得的部分结果加强并推广了一些已知的结果.一个数值例子验证了理论的结果.

阿基米德Copula下一般随机序的性质

文中研究了相依随机变量的一般随机序性质.将独立随机变量一般随机序的两个特征推广到了阿基米德Copula下的相依随机变量.此外还给出了阿基米德Copula相依随机变量的两个闭合性质.研究了两个相依随机变量集的最小和最大次序统计量满足一般随机序的充分条件.用几个数值例子验证所得结果.探讨了这些结果在系统可靠性和精算学中的一些潜在应用.

融合社交网络与流行度特征的POI推荐模型

随着基于位置的社交网络(老师location-based social network,LSBN)的广泛应用,POI(point-of-interest)推荐对用户越来越重要,但签到数据稀疏和用户兴趣动态性等问题均给POI推荐带来困难。为此,提出了一种基于动态异质网络的协同过滤推荐方法。该方法综合用户位置关系,用户社交关系的好友信息与区域活跃用户信息的同时,还参考兴趣点的分类流行度因素,形成了一种个性化的联合推荐方法。该方法有效缓解了数据稀疏性问题,提高了推荐效果。通过在Foursqure(NYC)数据集和Gowalla数据集上实验表明,算法在精确率与召回率上较其他当前流行算法均有明显提升。