高校图书馆个性化图书推荐算法研究

构建图书推荐系统,不仅可以让用户快速有效地获取所需图书信息,减少信息过载,同时也可以较好地发挥图书馆馆藏图书资源的潜在价值。在综述了几种常用推荐算法的基础上,给出了基于协同过滤的推荐算法的实现过程,并针对其冷启动和数据稀疏性问题给出了优化方案及优化后的算法实现流程。结果表明:在算法中引入用户特征属性与用户聚类方法,有效降低了数据稀疏性问题,提升了算法的推荐效率,一定程度上解决了图书推荐系统中的推荐算法设计。可以将该优化后的算法运用于图书馆的图书推荐系统设计中。     

基于高斯公式的图像特征匹配算法研究

在基于内容的图像检索系统中,图像特征匹配是一个影响检索效率的重要算法.对提取的特征信息进行分析,并通过高斯公式对特征向量进行归一化处理,分析不同特征间的权值和相似性度量手段,将两种不同方式的检索手段有效地结合在一起,实现图像的有效检索.仿真结果表明,与传统的单一匹配算法相比,图像检索匹配度能得到较大的提高.     

结合深度语义特征的人岗精准匹配算法

受中美贸易摩擦不断升级、国内经济结构调整和金融市场波动等环境压力影响,目前全国就业形势整体较为严峻.互联网中海量岗位信息的存在,为求职者和招聘单位带来了便捷,也为精准入岗匹配提出了挑战.基于内容的推荐算法较适用于人岗匹配,但是目前大多数方法使用的特征较少,特别是对提供的长文本信息利用不够.本文提出一种结合深度语义特征的...     

航天任务执行可视化管理系统设计与仿真

航天任务执行可视化管理系统可以通过管理航天资源的静态属性信息和任务执行过程中产生的动态执行信息,实现对任务的执行过程进行动态可视化展现,为航天任务的管理提供辅助支持.提出了一种实现航天任务执行可视化管理系统的方案(VC+STK/Connect模块),并介绍了STK/Connect模块的相关功能.先对系统的结构进行设计,然后详细设计并实现了系统的功能.最后选取适当场景、设置航天资源及相应的航天任务对系统进行仿真验证,系统达到了良好的运行效果,具有一定的应用价值.     

基于反向最远邻的商品推荐算法研究

有效的推荐算法可以最大限度地发掘商品的价值.通过研究用户的偏好,分析了从海量商品信息中为用户推荐感兴趣内容的方法.目前大多数推荐系统向用户推荐的是较为流行的商品,而忽略了那些当下不"热门",却有着巨大潜力的商品.以发掘小众中的大众商品为目的,提出了一种基于反向最远邻(Reverse Furthest Neighbor, RFN)查询的商品推荐算法:基于专家用户的信任协同过滤算法,替代传统用户相似匹配的协同过滤推荐算法;利用幂律对商品进行范围缩减,优化系统筛选的效率,实现了对有潜在价值商品的推荐,使小众商品属性的分布得到更深层次的挖掘.实验结果表明本文推荐算法输出结果质量较高,适用于解决部分"长尾问题".     

一种基于矢量三角形的指纹匹配改进算法

在总结指纹匹配的基本算法的基础上对基于矢量三角形的指纹匹配算法作了比较详细的讨论，提出了一种基于矢量三角形的指纹匹配算法的改进算法，在寻找匹配三角形时，为了减小搜索空间，引人两个临近细节点的纹理结构信息定位参考点，匹配程度不再由匹配的特征点对数来衡量，而是由一个含有特征方向、距离阈值、匹配特征点数目的匹配度计算公式给出．实验结果表明，该算法不依赖指纹的中心点，具有旋转不变性．     

基于协同过滤的电子商务平台个性化推荐模型的设计与实现

电子商务平台是一种新型网络交易平台,在该平台上进行信息推送可以提高交易完成的速度,促进交易量,传统的推送方式都是直接将信息推送给客户,内容庞大,且绝大多数与用户需求不相关,推送效果不好。为了解决此问题,基于协同过滤手段设计了一种新的电子商务平台个性化推荐模型,首先设计了推荐模型框架,该框架由数据层、应用层和推送层三部分组成;然后研究了模型的工作流程,介绍了网络数据分析、在线推荐、推荐过程实现三个流程;接着阐述了电子商务平台的Apriori算法和Clique算法两种推送算法,从产品分类、产品信息和产品属性三个角度分析了该模型的实现;最后通过与传统模型的对比实验验证了本文设计模型的可行性,由实验结果可知,该模型能够精准地匹配出用户信息和产品信息,并对其进行匹配,从而完成推送。     

基于生命周期加强江苏省科技报告管理研究

江苏省科技报告工作按照科技报告生命周期,实施"计划→撰写→呈交→审查→交流"的流程化管理.基于科技报告生命周期的视角,分别运用局部思维和系统思维梳理了科技报告具体环节以及全流程出现的问题,并针对问题给出了两方面的建议:一是优化计划、撰写、呈交、审查、交流等流程,加强过程管理;二是将呈交以外的其他环节也纳入科技计划项目管理系统,实现科技报告生命周期与科技计划管理系统深度融合.     

多关系社交网络中基于兴趣匹配的网络舆情传播模型

以网络爬虫方式获取新浪微博用户属性信息及微博内容数据,利用数据挖掘技术从中发现微博用户间的多种显式和隐式关系.在此基础上,提出一种基于半监督学习的用户兴趣匹配预测算法,参照仓室模型的传播个体状态划分方法,基于传播个体间的兴趣匹配度界定各状态之间的转移过程和转移概率,进而构建基于用户兴趣匹配的网络舆情传播模型.研究结果表明,该模型能够较好地描述社交网络中的舆情传播规律,重现网络舆情在社交网络中的真实传播过程链.     

融合改进的内容与协同过滤的博客推荐方法

在中文博客系统中,受限于用户特征信息的稀少,使用协同过滤算法的准确率往往不高,而基于内容推荐算法,又会影响推荐结果的多样性.因此,文章提出了一种融合改进的内容推荐与协同过滤相结合的推荐方法.首先,采用协同过滤算法发现用户的潜在兴趣并通过谱聚类改进协同过滤的相似度计算,提高处理效率;其次,基于改进的内容的推荐算法构建用户的既有兴趣模型,计算潜在推荐内容与既有兴趣模型的匹配度;最后,通过逻辑回归算法融合协同过滤与内容推荐的结果.实验结果显示,文章所提出的推荐方法相对于单一的协同过滤和内容推荐可以显著提高推荐的结果的准确率和召回率,具备良好的推荐效果.     

动态环境下改进ICP算法的RGB-D SLAM研究

针对传统的ICP(Iterative Closest Points)算法,无法满足室内动态环境下SLAM(Simultaneous Localization and Mapping)算法的准确性要求,提出了一种融合特征点结构相似性判断的ICP改进算法;通过在特征点集中引入三角形结构约束,实现两组点集中的动态匹配点与误匹配点的剔除,进而提高ORB特征点匹配的准确性;与传统的SLAM算法相比,改进后的算法对相机位姿的估计更加准确;通过在Linux系统下的仿真实验,结合特征点三角几何约束的ICP算法能够有效解决动态对象对相机位姿估计的影响,提高RGB-D SLAM在动态场景下的定位精度。     

混合推荐点餐模型的优化实现

针对我国传统中餐点餐服务中欠缺针对性点餐推荐以及菜品推荐覆盖面较低的问题,提出一种关联规则结合基于菜品属性的推荐算法的混合推荐点餐模型。通过历史关联菜品组合和菜品的关键属性计算菜品关联度与相似度;然后,根据得到的菜品综合评分生成推荐规则来优化传统的关联规则FPgrowth算法推荐;最后根据顾客已点菜品启发式地进行后续点餐推荐。采集了真实的中餐馆历史点餐数据对模型和算法进行了有效性验证,实验结果表明该模型在达到一定菜品推荐数量时,在菜品推荐准确度和覆盖率方面优于传统的单一关联规则推荐,适合较多顾客中餐聚餐的点餐推荐。     

试论医学生考研、就业与实习之间矛盾的原因分析及对策

高校扩招的不断深化,应届医学毕业生数量增多,随之带来的考研、就业与实习之间矛盾日益突出。学生们在考研、就业上盲目的花了大量的时间和精力,学生对临床实习只是采取了应付的态度,影响了临床实习的质量。为了探讨和解决三者的矛盾,进行了调研分析并提出了对策。     

基于Android平台的轻量级招聘系统的设计

使用JSP开发工具与MySQL数据库,设计并实现出一个基于Android平台的轻量级招聘系统,为求职者通过智能手机进行网上求职提供便利。系统采用J2EE架构,服务器端采取SSH(Spring-Struts-Hibernate)3层组合设计框架,运用负载均衡技术可较好地实现数据交互及网络信息管理。客户端以Android手机可视化界面的形式,能够为求职者提供个人信息管理与网上应聘,为企业或商家提供岗位信息发布及网上招聘等主要功能。最后,提出了把该招聘系统作为一个子系统的形式有效集成到本地高校的实习就业微信公众号平台中,以及在已有系统中添加为高校毕业生求职方面感兴趣的"内容推送"功能模块的设计将是未来的工作。     

基于特征的刚体碎块断裂面层次化匹配方法

刚体碎块断裂面的匹配是通过旋转和平移变换将两个断裂曲面变换到同一坐标系统下的过程。为了提高断裂面匹配的速度和精度,提出一种基于局部特征和改进迭代最近点(iterative closest point,ICP)算法的层次化的匹配方法。首先,对刚体碎块外表面进行曲面分割,并根据粗糙度提取其断裂面;然后提取断裂面的局部深度、法线的偏角和点云密度等局部特征;最后采用基于局部特征和改进ICP算法的方法来实现断裂面的精确匹配。实验结果表明,基于局部特征的断裂面匹配算法能够精确、快速地实现刚体碎块的部分匹配和完全匹配,是一种有效的刚体碎块匹配方法。     

基于支持向量机与尺度不变特征转换算法相结合的线状矢量数据匹配方法

由于不同来源或不同时间,导致了同一地物在存储方式或属性等方面存在着很多差异,这给后期的数据处理和使用带来了诸多不便,因此矢量空间数据匹配已经成为了关键性问题。提出了一种基于栅格化的线状矢量数据匹配方法,其主要思想是对线状矢量数据栅格化,利用SVM(Support Vector Machine, SVM)算法提取出所要研究的数据,然后利用Harris算子提取特征点,用SIFT(Scale-invariant feature transform,SIFT)算法计算特征向量并对其进行匹配,最后把匹配结果转换为矢量数据。该算法不受平移、旋转、缩放、明亮度变化等的影响,弥补了矢量匹配过程中因数据旋转等问题而无法匹配的不足,将矢量数据栅格化处理,使其数据结构更简单,操作容易,更易于算法的实现。提出了一种基于栅格化的线状矢量数据匹配算法,实现了对道路的匹配。     

基于抽取规则和本体映射的语义搜索算法

针对目前语义搜索过程中存在效率低、 用户推荐误差大等问题, 提出一种基于抽取规则和本体映射的语义搜索算法. 首先根据用户语义搜索要求抽取语义中的元素和属性, 解决数据利用率低的缺陷; 然后建立语义模型, 构建本体之间的元素及属性之间的映射, 消除用户需求和计算机之间的语义偏差; 最后将语义搜索算法应用于用户个性化推荐系统. 实验结果表明, 该语义搜索算法有效提高了搜索效率, 降低了用户个性化推荐误差.     

基于情感语义的个性化推荐研究

把情感语义引入了推荐系统,设计了基于情感语义的推荐系统模型.通过发现商品潜在的情感因素并对顾客情绪进行识别,提出了由情感匹配程度计算情感支持度的方法,给出了情感与关联规则挖掘结合的个性化推荐算法.实验验证了研究的可行性和有效性.     

基于K-medoids项目聚类的协同过滤推荐算法

针对传统协同过滤推荐算法通常针对整个评分矩阵进行计算,存在效率不高的问题,提出一种基于K-medoids项目聚类的协同过滤推荐算法.该算法根据项目的类别属性对项目进行聚类,构建用户的偏好领域,使用用户偏好领域内的评分矩阵进行用户间相似度的计算,得到目标用户的最近邻居集,并生成推荐结果.与常用的K-means聚类方法相比,采用K-medoids方法对项目类别属性进行聚类,不仅克服了评分聚类可靠性不高的问题,而且算法还具有更好的鲁棒性.实验结果表明,该算法能有效提高推荐质量.     

用户聚类和多最小支持度关联规则的推荐系统

在几种流行的推荐算法的基础上,本文提出了一种新的融合用户聚类和关联规则的算法来改善推荐效果。该算法在经典的关联规则算法Apriori基础上引入多最小支持度的概念,并在关联规则算法之前进行用户聚类,在聚类算法中使用了包含字符属性的混合属性距离函数,提高聚类效果。在此算法的基础上,设计并实现了一种新的基于图书馆的推荐系统。实验证明该算法改善了数字图书馆中新书的推荐质量,去除了部分只含高浏览量图书的无意义规则,并趋向于发现相近种类图书的关联性。