排序方式: 共有71条查询结果,搜索用时 0 毫秒
1.
基于复杂网络理论的水网节点重要性评价研究 总被引:4,自引:0,他引:4
复杂水网节点的重要性排序在工程应用中有重要实践意义,对于水网调度、安全管理有重要借鉴意义.为此,本文在复杂网络理论基础上,以山西大水网节点重要性排序问题为背景,对水网节点重要性评价进行研究.首先从整体角度出发,不考虑水网方向和干支斗毛级别差异,基于水网全局网络拓扑结构,从局部属性、全局属性、传播属性和网络位置四个方面定义了节点重要性评价指标.其次,分别根据这四个指标,对水网节点重要性进行排序分析,结合分析结果对网络位置指标进行了改进.然后,由于单指标评价结果不够全面且适用范围具有很大的局限性,给出了基于TOPSIS的多属性决策方法来综合评价节点的重要性.最后,考虑水网方向和级别差异,提出对水网进行干支斗毛级别划分,基于Page Rank算法对同一级别的有向赋权水网节点重要性评价进行研究. 相似文献
2.
广义Web内容挖掘模型算法 总被引:2,自引:0,他引:2
在信息时代的今天,网络以几何速度飞速发展,成为现代人获取信息的主要来源之一.也正因为网络信息增长太快,人们反而面临“信息爆炸”与“知识贫瘠”共存的局面.数据挖掘(DM)是通过数据获取知识的最佳工具,由此,产生了Web数据挖掘,即KDW的概念.本文重点论述广义Web内容挖掘的特点与发展、狭义的内容挖掘中页面内和页面间挖掘的区分及应用的主要算法、结构挖掘中的两大算法及其优劣. 相似文献
3.
4.
HITS是Web结构挖掘代表算法之一.HITS算法仅考虑页面之间的链接关系,容易出现主题偏移现象.文中分析了用户历史行为与兴趣之间的关系,从四个方面近似计算用户兴趣度.提出了基于用户兴趣度的改进HITS算法(HC-HITS),对比实验结果表明HC-HITS算法减少了主题漂移现象,取得较好的效果. 相似文献
5.
6.
为辅助游客通过旅游网站进行酒店选择,提出了一种基于旅游网站提供的备选酒店特征信息和在线评价信息的酒店选择方法.首先,基于酒店特征信息和在线评价信息构建备选酒店有向加权图,依据备选酒店特征信息,基于离差最大化法对酒店特征进行客观赋权,并采用简单加权法确定有向加权图结点权重,依据备选酒店间在线评价信息的比较关系确定有向加权图的有向边及有向边权重;然后,基于PageRank算法原理给出备选酒店排序值求解算法;最后,以基于缤客网站提供的酒店特征信息和在线评价信息进行酒店选择.结果说明了提出方法的有效性和可行性. 相似文献
7.
针对海上要地防空反导作战中发射阵地优度排序问题,结合要地面积较小、各备选阵地自然环境条件差别不大的实际情况,提出一种以各阵地与保卫目标间距离来衡量阵地优度的评价指标体系构建方法。首次将各己方目标的重要度作为对应评价指标的权值,并提出一种基于网页排名(PageRank, PR)算法的评价指标赋权方法。通过算例仿真可得,本文提出的方法能够给出科学、准确的备选阵地优度排序,为解决海上要地防空反导阵地选择问题提供了一种新思路、新方法。 相似文献
8.
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. 相似文献
9.
In order to solve the problem of information overload in the post bar, a method of information filtration was proposed based on the users commenting behavior. After analyzing the properties of the recommended posts, the importance of an individual user was evaluated by the PageRank algorithm, in which the weight of replies to the posts among users and the weight of reply intervals were taken into consideration. The users with a high PageRank score were then taken as a cluster center in k-means clustering. The similarity between two groups of users (one from the clustering analysis and the other from the recommending system) was calculated by a collaborative filtering algorithm. The posts with high correlations to the users were presented as the recommended results. Experimental results show that the proposed method performs better than the recommending methods in use. 相似文献
10.
提出了求解PageRank高阶导向量的两种新算法.讨论了PageRank问题系数矩阵的一些数学性质,并从理论上分析了两个公式求解PageRank高阶导向量的优劣.数值实验表明了新算法的数值性态. 相似文献