基于灰关联分析和时空偏好特征的兴趣点推荐算法

为了提高动态推荐效果,从时间个性化和连续性的角度出发,细化了签到用户的时间特征,利用灰关联分析度量时间向量的相似度,与矩阵分解算法结合,给出了一种新的矩阵分解算法。该算法可缓解时间戳细化签到矩阵后带来的数据稀疏的影响。同时为了提高个性化推荐,采用自适应核密度估计方法捕捉用户的空间偏好,增强用户的个性化体验,进而提高推荐质量。在此基础上,设计了一种新的兴趣点推荐算法。实验结果表明,该算法能有效地提高推荐准确率和召回率。     

基于概率矩阵分解的用户相似度计算方法及推荐应用

用户相似度计算的合理性直接影响到协同过滤推荐的效果。提出了一种基于时序行为关系的用户消费网络图构建方法,通过定义用户间非对称相似度计算方法,确定用户间的初始相似度矩阵,然后利用概率矩阵分解的方法重构用户的相似度矩阵,挖掘潜在的用户近邻,将近邻关系应用到目标用户的项目推荐中,同时提出了基于时序行为关系和矩阵分解的协同过滤推荐框架结构。在实际数据集上对具体参数进行实验,并和其他方法进行了比较。实验结果表明,该方法可以有效提高协同过滤推荐效果。     

具有广义分解的态射幂的广义逆

研究了具有广义分解的态射幂的Moore-Penrose逆的存在条件及其表达式,给出群逆的表达式,并得到了态射幂的Moore-Penrose与群逆之间的关系,推广了具有泛分解的广义逆的相应的结果。     

基于矩阵分解的荧光显微序列线粒体检测

利用图像处理技术,检测荧光显微序列中的活性线粒体是生物医学领域重要的研究手段之一.受到荧光显微镜成像技术的限制,序列中每帧图像均包含细胞质阴影和荧光标记的线粒体,具有很低的信噪比,难以满足一般粒子检测算法的要求.为了精确检测活细胞中的线粒体,提出一种基于矩阵分解的荧光显微序列线粒体检测算法,并利用增广拉格朗日乘子法,快速准确地实现该算法,将线粒体从细胞质阴影中有效分离出来,实现线粒体的精确检测.实验结果表明,此方法为活细胞中线粒体的精确检测提供了快速、高效的分析工具.     

一种基于因式分解问题的代理签名体制

在基于因式分解难题的Fiat-Shamir数字签名体制基础上,实现了一种代理签名体制,在该体制下,原始签名人可以指定代理签名人生成代理签名,以代替原始签名人行使消息签名的权利,在实际中有较好的应用价值.     

泛延拓矩阵的极分解与扰动界

用矩阵分解和广义逆的相关性质给出泛延拓矩阵的极分解、广义逆和扰动界的若干计算公式.数值实例结果表明,该方法在数值精度不变的情况下可极大降低计算量与存储量.     

早期代数数论的历史发展

目的探讨早期代数数论的产生和发展。方法文献考证与概念分析。围绕高次互反律和费尔马大定理,分析其中关键的唯一因子分解问题。结果数论是由整数论过渡到复整数论,又从复整数论发展为应用广泛的代数数论。结论早期的代数数论是随着复整数、理想数等新的代数工具的引入应运而生的。     

复参数最小二乘估计方法

提出了基于复数U-D分解的复参数最小二乘估计方法。在传统的加权遗忘因子法的递推算法中,方差矩阵P(k)由于衰减很快而极易失去正定性.为了保证参数估计的收敛性,利用复数U-D分解,将方差矩阵P(k)进行U-D分解,将P(k)矩阵的递推计算已转化为U(k)和D(k)的递推计算问题,保证了数值计算的稳定性.     

解仿射多项式系统的结式消元法

在仿射变换下给出一种结式消元法的充要条件,并由此给出解仿射多项式系统的变换消元法．利用变换消元法可以把代数簇分解成纯ｄ维的子簇,并把代数簇表示为ｄ＋１维子空间上的超曲面形式和一系列的消元多项式组,且能求出全部孤立解,同时给出了算法及其在多项式因式分解中的应用     

SW图类的伴随多项式的因式分解及色性分析

我们通过研究图的伴随多项式的因式分解，证明了S^W图类的补图的色等价图的结构定理。