基于用户特征聚类与服务质量预测的推荐方法

随着服务系统中Web服务的不断增加，为用户进行个性化Web服务推荐成为服务计算领域最热门的研究课题之一，然而，服务推荐面临不可靠用户和服务导致推荐的不准确性问题.为了解决上述问题，提出一种基于位置和信誉感知的Web服务推荐方法 .首先采用粒子群优化（Particle Swarm Optimization,PSO）对用户进行聚类，得到相似用户；其次，计算用户和服务的信誉来识别可信的用户和服务；最后，将相似用户和可信服务的信息整合到矩阵分解（Matrix Factorization,MF）中，为用户预测缺失的服务质量（Quality of Service,QoS）.在真实数据集WS-Dream上的实验验证了提出方法的可行性与有效性.与其他先进的预测方法相比，该方法的MAE (Mean Absolute Error)和RMSE (Root Mean Squared Error)较低，证明该方法有较高的预测准确性.     

高超声速圆锥边界层转捩反转数值研究

为研究高超声速边界层转捩中存在的转捩反转现象,基于雷诺平均的N-S方程,采用γ转捩模型对高超声速圆锥体绕流进行数值模拟,得到了圆锥边界层转捩位置随攻角、头部钝度的变化规律,分析了圆锥边界层转捩反转现象的流动机理.结果表明:当圆锥头部钝度增大到一定值时,圆锥边界层转捩位置随攻角增大呈现迎风面提前、背风面推迟的反转现象;圆锥边界层转捩出现攻角反转现象时,迎风面摩阻系数明显大于背风面摩阻系数且转捩前后摩阻变化更大,此时应重点关注迎风面的热防护;在零攻角条件下,随着圆锥头部钝度从很小值逐渐增大,圆锥边界层转捩位置呈现出“N”型反转现象;圆锥头部钝度增大到一定值时出现的边界层转捩反转现象的可能原因是随钝度增大头部激波后熵层高度显著增大引起的.