结合情景和协同过滤的移动推荐算法

针对移动个性化推荐问题,通过将用户的情景信息引入到协同过滤推荐过程,提出一种结合情景和协同过滤的移动推荐算法。该算法首先通过情景相似度的计算来获得用户当前情景的近似情景集;并对"用户-项目-情景"三维模型采用情景预过滤方法进行降维,得到传统协同过滤"用户-项目"二维模型,然后结合Slope one算法进行项目的偏好预测和推荐。实验表明,该算法与传统协同过滤、Slope one算法相比,具有更高的推荐精确度。     

垃圾邮件过滤中特征选择方法研究

文章对垃圾邮件过滤中的特征选择问题进行了研究,引入"词共现模型"考虑词语之间的语义联系信息,和传统的信息增益特征选择方法结合表示邮件,采用神经网络方法对邮件进行分类得到垃圾邮件过滤器.实验表明,文章提出的将词共现对和信息增益结合的特征选择方法能够提高垃圾邮件过滤的精确度.     

二维随机分布纤维过滤介质的压力损失分形模型

为了研究影响纤维过滤器压力损失的主要因素,开发了能够生成二维随机分布的虚拟纤维过滤介质的VBA程序,并在纤维随机分布的二维区域中利用计算流体力学(CFD)技术计算了Stokes方程的数值解.通过对虚拟滤料CFD模拟计算结果的数据回归分析可知,纤维过滤介质的压力损失随纤维填充率增加呈非线性增加,与纤维直径的二次方呈反比例关系,与纤维介质厚度及过滤速度呈线性正比例关系,由此提出了二维随机分布纤维过滤介质的压力损失预测模型.在此基础上,考虑了分形维数和迂曲度对过滤压力损失的影响,得出压力损失随分形维数和迂曲度的增加呈非线性增加,提出了包含分形维数、迂曲度的压力损失预测表达式,该表达式与相关文献的分形理论模型具有很高的一致性.     

褶型空气滤清器捕集效率及压力损失

为提高空气滤清器的减阻增效,采用计算流体力学(CFD)模拟技术,结合实验测试的方法,模拟计算颗粒在空气滤清器中的运动轨迹和颗粒在滤清器中沉积的分布率,得出颗粒在滤清器中容易沉积的部位.根据捕集效率实验数据,提出过滤介质捕集效率的多元关联计算式.通过建立二维及三维的CFD模型,模拟计算空气滤清器的流场分布和过滤压力损失,其计算机模拟结果与实验测试结果基本吻合.利用已建立的模拟模型,改变空气滤清器结构参数,替代部分实验模拟研究,得出空气滤清器的过滤压力损失与其各自影响因素的变化规律,以及空气滤清器过滤压力损失与其主要影响因素的单因素关联式.利用大量的模拟数据,回归分析提出空气滤清器过滤压力损失与其结构参数的多元关联计算式.     

基于信息增益的中文网页SVM分类研究

针对中文网页文本分类中特征降维方法和传统信息增益方法的缺陷和不足做出优化改进,旨在有效提高文本分类效率和精度.首先,采取词性过滤和同义词归并处理对特征项进行初次特征降维,然后提出改进的信息增益方法对特征项进行特征加权运算,最后采用支持向量机(SVM)分类算法对中文网页进行文本分类.理论分析和实验结果都表明本方法比传统方法具有更好的性能和分类效果.     

基于分块重要度和二维条件随机场的Web信息抽取

网页分块方法使得Web信息抽取的单位由原来的页面缩小为分块.结合分块重要度模型与二维条件随机场的优点,提出一种Web对象信息抽取方法.该方法利用分块重要度模型对网页分块进行重要度标注,过滤掉大量与主题无关信息,更加准确的定位待抽取信息的位置.二维条件随机场模型相比传统的线性条件随机场模型更好的适应了网页分块的二维结构,有效的提高信息抽取准确率.实验结果表明,该方法对Web对象信息抽取具有良好的效果.     

垃圾短信过滤中的特征降维算法比较

文本分类是垃圾短信过滤的核心技术,为了在文本分类时实现特征提取,就需要在不影响分类准确性的前提下,减少原始空间的维数.文档频率、信息增益、互信息、统计、期望交叉熵法、文本证据权和主成分分析是目前采用的主要的特征降维方法,通过实验数据对六种方法的性能做比较分析后发现,对于垃圾短信过滤系统而言,信息增益是最优的特征选择方法.     

结合优化文档频和变精度粗糙集的特征选择方法

在文本分类中,特征空间的维数通常高达几万,甚至远远超出训练样本的个数,这是一种十分普遍的现象.为了提高文本挖掘算法的运行速度,降低占用的内存空间,过滤掉不相关或相关程度低的特征,必须使用特征选择算法.首先给出了一个基于最小词频的文档频方法,然后把变精度粗糙集引入进来并提出了一个基于信息熵的属性约简算法,最后把该属性约简算法同基于最小词频的文档频方法结合起来,提出了一个综合的特征选择算法.该综合算法首先利用基于最小词频的文档频方法进行特征选择,然后利用所提属性约简算法消除冗余,从而获得较具代表性的特征子集.实验结果表明,该算法比最好的3种经典特征选择方法"互信息"和"统计量"以及文档频都要好.     

协同过滤技术在个性化推荐中的运用

协同过滤技术是目前运用最广泛的个性化推荐技术之一,但随着系统规模的不断扩大,用户评分数据极端稀疏等问题使其推荐质量严重下降.因此,文章提出将维数简化和聚类的方法运用到协同过滤技术中,从而较好地解决协同过滤推荐技术中存在的稀疏性、扩展性等问题,快速准确地产生个性化推荐结果.     

基于Heaviside密度和灵敏度过滤的多位移约束结构拓扑优化

针对位移约束重量最小的有限元结构优化问题,结合独立、连续、映射（ICM）方法和体积不变的Heaviside密度过滤技术以及灵敏度过滤方法,建立了一套高效的位移近似表达式.结合多位移约束措施和对偶理论,形成了一种基于Heaviside密度和灵敏度过滤的多位移约束结构拓扑优化方法.算例的结果证明了此方法的有效性和高效性,并且能够得到清晰的0/1分布.