基于Timed-HITS与协同过滤的混合推荐算法

用户间的信任关系、用户对商品的偏好兴趣及商品的时效性都会影响对商品的推荐效果.将这些因素引入到基本的HITS算法中,对HITS算法进行了改进.将用户对商品的偏好兴趣矩阵进行了改进,利用隐馈数据通过逻辑回归算法估计用户对商品的偏好兴趣,对评分为零的情况赋予了不同的偏好兴趣度,这样更符合实际.将改进的HITS算法和协同过滤算法相结合得到一个混合推荐算法,同时将用户分为活跃用户和非活跃用户分别进行推荐.将提出的算法在Movielens数据集上进行了试验,结果表明该算法在一定程度上缓解了数据稀疏和冷启动的问题,推荐效果优于基于用户的协同过滤算法.     

洪水涨落水位-流量分布规律及应用

以河溶水文站为例,采用系统分析法研究受洪水涨落影响绳套关系水位-流量关系轴线摆动变化范围。结果表明:受洪水涨落影响绳套关系水位-流量洪水洪峰水位及相应流量的轴线摆动有一定规律,水位-流量关系走向越接近洪峰水位越向轴线形成有规律的系列,由此可根据洪峰水位与相应流量之间建立回归关系,建立绳套关系水位-流量转换模型应用于洪峰水位预报,有效解决受洪水涨落影响下绳套关系水位-流量关系洪水水位预报瓶颈,满足防汛需求。     

基因表达式编程用于有机化合物的毒性预测

基因表达式编程方法(GEP)是一种新型的数据挖掘和建模工具,应用GEP方法对110个有机化合物的毒性进行了构效关系研究,并与人工神经网络(BP-ANN)和偏最小二乘(PLS)方法比较.结果发现,GEP方法的预测较好,且模型稳定.     

论在全面深化改革中构建新型银企关系

银企关系是市场经济中最重要的关系之一,历来为各级政府和社会各界所关注。在新的形势下,努力构建新型的银企关系,既是全面深化改革的一项重要任务,也是银行和企业两者合作共赢的客观需要。当前,要紧紧抓住全面深化改革的良好机遇,进一步推进新型银企关系的建立和改善。在构建新型银企关系中,政府是主导,银行是关键,企业是根本。政府、银行、企业三方要凝聚共识,形成合力,共同做好这篇大文章。     

多边形内点自动生成算法的设计与实现

多边形内点可以用来关联多边形属性信息,也可以代表多边形构建多边形组群邻近关系。已有的多边形内点选取算法中,重点在于保证内点在多边形的内部,但是不能保证内点在多边形的中心区域,尤其是含岛屿多边形的情况,这时就不能有效地代表多边形建立正确的邻近关系。基于重心点算法、面积平分原则和移位处理,设计并实现了多边形内点自动生成算法。经实验验证,此算法能够保证多边形内点在多边形的中心区域。     

一种机械臂运动学研究及3D仿真平台构建

针对川崎机械臂FS03N的构型特点,提出了一种逆运动学的求解方法。采用DH法建立了机械臂的连杆坐标系,得到正运动学方程,通过变量分离将机械臂姿态采用欧拉角表示,得到了机械臂位姿的一组广义坐标。通过对FS03N的构型分析,采用几何法与反变换法相结合的方法,以解的组合关系为基础,得到了机械臂的8组封闭解。建立了基于Matlab的机械臂算法验证与3D仿真运动平台,验证了逆运动学解算的正确性,为机械臂的轨迹与路径规划提供了前提条件。     

社交网络中基于信任评估的推荐控制模型

针对社交网络中无法有效管理陌生推荐安全性难题,提出了一种基于信任的评估推荐控制模型(TRCM).该模型描述了社交网络推荐中个体角色、推荐路径、可信任值、控制规则等方面内容.模型结合社交网络个体之间取信度、信誉度评估方法,分别计算串路型、并路型和复合型3类推荐信任度,并给出了客观偏移度和信心指数评估.同时,TRCM定义了一组信任控制规则以管理社交网络中的推荐行为.实验表明,该方法是有效可行的.     

不同解释风格对大学生人际关系与主观幸福感的影响

目的考察不同解释风格对大学生人际关系与主观幸福感的影响,为大学生心理健康咨询与教育提供科学依据。方法采用解释风格问卷、人际关系综合诊断量表、中国城市居民主观幸福感量表,对整群随机抽取的367名大学生进行问卷调查。结果不同解释风格的大学生在主观幸福感和人际关系困扰上差异非常显著。结论大学生的不同解释风格影响着其人际关系和主观幸福感。     

我国土地资源可持续利用的路径

我国的基本国情是"人口多、耕地少",土地资源总量大,但人均占用土地少,人均占用耕地就更少.随着当前和今后一段时间,我国陆续进入城镇化、工业化加速发展时期和人口高峰期,土地资源将变得更为紧缺,人地矛盾也将更为尖锐.本文旨在从当前我国土地资源的内涵、现状、特征分析出发,剖析我国土地资源保护的意义,进而提出土地资源可持续利用的建议措施,更好地促进土地资源与经济社会发展的同步和谐.     

Temporal dynamics in social trust prediction

Inferring unknown social trust relations attracts increasing attention in recent years. However, social trust, as a social concept, is intrinsically dynamic, and exploiting temporal dynamics provides challenges and opportunities for social trust prediction. In this paper, we investigate social trust prediction by exploiting temporal dynamics. In particular, we model the dynamics of user preferences in two principled ways. The first one focuses on temporal weight; the second one targets temporal smoothness. By incorporating these two types of temporal dynamics into traditional matrix factorization based social trust prediction model, two extended social trust prediction models are proposed and the cor- responding algorithms to solve the models are designed too. We conduct experiments on a real-world dataset and the results dem- onstrate the effectiveness of our proposed new models. Further experiments are also conducted to understand the importance of temporal dynamics in social trust prediction.