基于客户行为和兴趣变化的电子商务推荐系统

目的改善传统协同过滤推荐系统,提高推荐结果的准确性。方法采用混合推荐方法,将客户对商品的显式评分和客户的访问行为相结合,并借鉴心理学遗忘规律,引入指数遗忘函数,将客户评分数据的重要性依据时间逐渐衰减,以此来反映客户的兴趣变化。结果设计了基于客户行为和兴趣变化的混合推荐模型,给出了客户兴趣数据的获取方法和考虑客户兴趣变化的推荐方法。结论该方法在推荐结果的准确性上要优于传统的协同过滤推荐。     

神经网络与遗传算法对A群链球菌发酵培养基的优化

利用神经网络对培养基组分：胰蛋白胨、牛肉膏、葡萄糖、酵母粉的浓度和起始pH值进行建模,并用遗传算法对其优化。结果表明,经过神经网络和遗传算法优化过的培养基使A群链球菌的生物量提高了18％。     

A群链球菌制剂的制备工艺

采用改良后的无血培养基,将筛选选育后得到的A群链球菌进行制剂的制备研究,以发酵后菌悬液的OD值为指标,通过正交试验分析对其进行条件优化。得到的制备工艺为：在37℃、摇床转速140r／min下,装瓶量150mL、pH值7．5、酵母粉用量0．5％、胰蛋白胨用量1．5％、牛肉膏用量0．4％、葡萄糖用量0．5％。实验表明,菌体在改良后的培养基上生长良好,形态特征符合A群链球菌的形态特征。