缺失数据下局部M-估计的相合性和渐近正态性

在缺失响应变量的不完全数据下,对非参数回归模型进行研究,利用稳健的变窗宽局部线性回归的方法,给出了回归函数m(x)的估计,并证明了局部M-估计具有相合性和渐近正态性.所提出的方法继承了局部多项式回归的优点并且克服了最小二乘方法缺乏稳健性的缺点.并且使用变窗宽提高了所得M-估计的可塑性,使之能成功地处理空间非齐次曲线、异方差性及非均匀设计密度.所得估计的渐近结果为求渐近最优方案以及直接从数据估计最优变窗宽提供了理论基础.     

基于Web挖掘的类别推荐算法

使用基于类别的用户点击率的统计方法,对传统的协同过滤推荐算法进行改进.该方法根据用户的点击率和项目特点,将概念分层细化,从而改进用户-项目矩阵中存在的稀疏问题.该方法不但能形成准确推荐,而且可以预测该类用户的未来推荐模式.采用Minnesota大学的MovieLens数据集进行实验,实验结果表明,改进的推荐算法与传统的协同过滤推荐算法相比,在用户较集中的区域,其推荐精度明显较高,更重要的是当用户数据增多时,改进的算法有较强的稳定性.     

图像数据库中一种基于OBFM的关联规则提取算法研究

针对传统的图像检索方法基本都是基于图像的固有特征而进行的,检索结果都存在较大误差,提出了一种OBFM（Ontology_Based Feedback Model）方法,首先得到基本相似图像库,然后采用DEDE原则进行特征元素的提取,并在此基础上进行关联规则提取．该方法大大提高了图像检索的准确率．     

一种基于本体的图像检索方法

在图像数据库中,针对图像的检索方法很多,但以传统的基于内容的图像检索方法效率低,而且误差较大。文章提出一种基于OBFM(ontology based feedback model)方法首先得到基本相似图像库,从中提取相应的特征元素,并在此基础上进行关联规则挖掘。该算法采用本体论和相关反馈技术相结合的方法。实验证明,该方法比单纯的相关反馈技术准确率高。