基于模态符号数据分析的混合推荐算法

传统混合推荐算法基于点数据来描述用户模型,存在信息丢失、难以统筹考虑用户所有偏好信息等问题,严重影响了推荐系统的质量和效率。针对该问题,以符号数据为基础,建立了基于模态符号数据分析的混合推荐算法。用模态符号数据对用户建模,引入模态符号数据的距离度量计算用户兴趣模型间的相似性,同时整合用户人口统计信息的相似性,形成用户的综合相似性,最终完成推荐。实验结果表明论文方法在应对数据稀疏性及新用户问题时,具有更高的推荐精度。     

海量用户评论在APP更新设计中的参与作用挖掘

APP市场上用户发表的评论包含着对APP软件研发团队的有用信息,尤其是软件功能请求以及具有特定应用的用户体验内容,可以应用到APP软件的版本更新设计中.为了研究海量用户评论在APP软件更新和重新设计中的参与作用,本文提出一种基于词向量表征的句向量相似性计算模型,它可以用于度量来自更新日志文本和用户评论文本中的句子的相似性.然后,本文提出了APP产品的“更新日志-用户评论”匹配算法将不同语义匹配结果划分到不同的数据集.基于真实的APP市场上采集的海量APP软件升级日志数据和用户评论数据的实验证明了本文提出方法的有效性.研究结果还发现:APP开发团队对于用户评论内容的采纳不到20%,而且采纳的内容主要集中在APP软件功能方面.用户评论中众多内容指向企业的营销活动问题,这部分内容由于研发团队在企业运营中的管理角色所限,很少能够顾及.     

基于双种群协同进化的QoS全局最优

针对服务质量（quality of service, QoS）全局最优Web服务选择问题,提出了一种双种群协同进化QoS全局最优Web服务选择算法。算法在多目标离散粒子群算法基础上设计一种双种群协同进化框架以同步进行非支配排序和精英粒子保留,并定义了一种新的离散粒子位置更新算子。同时为保证粒子的多样性和算法的全局收敛能力,算法采用基于距离的粒子多样性度量算子、基于适应值排序的粒子选择算法和基于轮盘赌的全局最优解选择策略。仿真实验结果表明该算法能同时优化多个目标,并得到一组满足约束的Pareto最优解,且具有较好的性能和鲁棒性,解集的质量和分布也优于非支配排序遗传（nondominated sorting genetic algorithm,NSGA）算法的改进算法NSGA-Ⅱ,能有效解决QoS全局最优的Web服务选择问题。     

自适应分组量子衍生蛙跳算法

为提高传统蛙跳算法的优化能力,基于组内平均目标函数值实施动态分组,采用多量子比特概率幅实施个体编码,基于组内最优蛙和组间最优蛙确定旋转角度,采用基于张量积构造的多比特量子旋转门实施组内最差蛙的更新.标准函数极值优化的实验结果表明,该算法的单步迭代时间较长但优化能力较传统蛙跳算法约有两个数量级的提高,从而表明提出的分组策略和编码方法切实能够提高传统蛙跳算法的优化能力.     

一种新的贝叶斯网络增量学习方法

现有的贝叶斯网络增量学习方法忽略结构与参数变化的特点和内在联系,往往会降低更新后贝叶斯网络的可靠性.针对这一情况,提出了贝叶斯网络结构与参数变化并不同步,参数变化到一定程度将引起结构变化,并基于这种不同步性,给出了一种是否进行结构更新的判别方法,以及结构与参数更新的实现算法,实验结果显示,这种增量学习方法更加合理和可行.     

基于自适应权重的面板数据聚类方法

基于二维信息的传统聚类方法并不适用于处理面板数据, 在考察面板数据多重信息特征的基础上, 基于面板数据的"绝对指标", "增量指标"及"波动指标", 重构了面板数据相似性测度的距离函数和Ward聚类算法, 提出了面板数据自适应权重聚类方法. 所提供的算法既可退化为传统的绝对量距离聚类方法, 亦可对面板数据的未来所属类别进行聚类预测. 最后, 实例显示此方法兼具有效性和灵活性.     

基于学习效果的蔬菜电商成组拣货排序方法

按单拣货是电子商务背景下物流配送中心最关键、最复杂的作业环节.它直接衔接着物流配送和客户,且大部分是劳动密集型作业,因此按单拣货也是出错率最多,耗费时间最长的环节.在拣货之前对订单考虑配送因素和相似性成组,能够大大降低拣货成本.蔬菜电商拣货系统是基于人的柔性作业系统,拣货人员的学习效果导致作业效率随时间变化,从而订单的拣货时间不确定,对按单拣货作业有着不可忽视的影响.本文针对蔬菜B2C电子商务直销背景下拣货环节的订单成组作业优化问题进行研究,基于拣货人员的学习效果,建立最小化订单拣货完成时间之和的拣货序列优化模型.针对该问题多阶段,多层次决策特点,基于序贯决策思想,提出两阶段的求解方案:第一阶段订单成组,提出同时考虑订单配送距离,打包材料相似性和订单相似性三种指标融合的订单成组准则,并给出启发式算法对订单进行成组;第二阶段成组订单作业调度,提出基于修订式非递减的订单规模排序方法对组内订单进行排序,组间排序是基于具有降低搜索范围,提高搜索能力的改进模拟退火-遗传算法.通过数值实验和算法比较,验证了本文算法的有效性和实用性.研究结果表明,本文得到的方法能大大缩减拣货时间成本,为蔬果类商品网上直销企业生成拣货作业计划提供理论指导.     

不平衡数据下基于SVM增量学习的指挥信息系统状态监控方法

针对指挥信息系统历史状态样本有限的特点,基于支持向量机(support vector machines, SVM)设计了一种面向不平衡数据的SVM增量学习方法。针对系统正常/异常状态样本不平衡的情况,首先利用支持向量生成一部分新样本,然后通过分带的思想逐带产生分布更加均匀的新样本以调节原样本集的不平衡比。针对系统监控实时性要求高且在运行过程中会有新样本不断加入的特点,采用增量学习的方式对分类模型进行持续更新,在放松KKT(Karush-Kuhn-Tucker)更新触发条件的基础上,通过定义样本重要度并引入保留率和遗忘率的方式减少了增量学习过程中所需训练的样本数量。为了验证算法的有效性和优越性,实验部分在真实系统中获得的数据集以及UCI数据集中3类6组不平衡数据集中与现有的算法进行了对比。结果表明,所提算法能够有效实现对不平衡数据的增量学习,从而满足指挥信息系统状态监控的需求。     

广义优先关系约束下项目资源均衡的改进蝙蝠算法

针对带有广义优先关系的项目资源均衡问题,设计了一个改进的蝙蝠算法.改进了蝙蝠位置和种群的更新机制,提出了新的进度计划编码,解码和局部改进方法.利用正交试验设计探讨了算法参数设置.基于公开的基准数据集,通过大规模计算实验验证了所提算法的有效性.对于活动数量不超过50个的中小规模项目,所提算法可在1 s内求得接近于最优解的满意解;对于活动数量多达1 000个的大规模项目,求得满意解的时间不超过5 min;当项目截止日期较长时,所提算法优于目前最好的元启发算法.     

自适应的混沌粒子群算法优化XML文档聚类策略

为了提高海量XML文档集的聚类质量,提出了一种基于粒子群的XML自适应混沌聚类算法(简称ACPSO):为了简化XML文档相似性判定,该算法以XML键为基础,结合混沌原理与粒子群算法划分XML文档:为了加速算法的收敛性,通过对算法相关参数的自适应学习与权重调整,增强XML文档的全局寻优能力,改善XML文档聚类的质量.对比其它聚类算法,仿真表明本算法不仅能有效避免聚类停滞现象的发生,而且是一种高效的XML文档聚类方法.     

基于最小化信息损失的用户隐私保护方法

在新兴电子商务发展过程中,对用户数据的收集、使用、开放与共享达到了前所未有的程度,给个人隐私安全带来了极大挑战.为了解决数据效用与个人隐私之间的矛盾,本文提出基于k-匿名原则的最小化信息损失隐私保护方法.首先结合属性阈值特征提出一种新的记录排序算法;接着将隐私保护过程转化为对各条记录与各个候选匿名函数之间的最优分配问题,构建最小化信息损失的优化模型,并设计启发式方法快速求解最优匿名函数的选择与分配方案,实现对数据的匿名处理.在三个不同规模的真实数据集上,通过与目前最有效的多个隐私保护方法进行数值实验比较.结果表明本文方法在满足相同隐私保护水平下可产生最佳的数据效用且具有较快的计算效率.本文方法为新兴电子商务中用户数据隐私保护研究提供了理论和技术上的创新,为大规模数据的隐私保护应用提供了有效的解决方案.     

自适应动态控制种群分组的自然计算方法

多种群优化方法可以解决数据量增大导致的优化难度增加的问题,现有的种群分组都采用随机分组或人为设定的方法,没有充分考虑粒子运动轨迹。针对此问题,提出一种种群分组自适应动态控制策略,使用高斯拟合函数作为种群分组的参考曲线,根据函数单调区间划分子种群;对于有越过子种群上界趋势的粒子采用逆向策略,保持种群多样性同时提高收敛速度。该策略不依赖于算法的具体进化过程,适用于所有基于种群优化的自然计算方法。验证实验结果表明了所提新算法的有效性和普适性。     

综合性面试中的面试官分组方法

针对综合性面试中的面试官分组决策问题,给出了面试官的分组规则,以此为基础,构建了一个多目标非线性0-1整数规划模型,其目标分别为极小化各组中来自于同一专业(业务或职能)的面试官数量和极小化各组中面试官数量与每组平均面试官数量之间的差异,并开发了一个针对此类同题求解的遗传算法;然后,将面试官分组问题转换为最大流问题,并开发了一个基于Ford-Fulkerson标号法的求解算法.最后,通过一个算例说明两种方法的可行性与实用性,并比较分析了两种方法的优缺点,指出了每种方法的适用范围.     

基于证据分组合成的企业数据治理评价研究

为了正确客观地评价企业的数据治理水平,本文提出了基于证据分组合成的企业数据治理评价模型.首先,构建数据治理评价指标体系并确定指标权重.其次,为了解决证据合成过程中易出现的"一票否决"和证据冲突问题,本文分别采用了语言评语集,以及一种改进的同时考虑证据源权重和证据体间差异的证据分组方法.然后,进行组内和组间的证据合成得到最终的评价结果.最后,本文以H商业银行为例进行实证分析,验证了该改进方法的可行性和实用性.     

Incremental support vector machine algorithm based on multi-kernel learning

A new incremental support vector machine (SVM) algorithm is proposed which is based on multiple kernel learning.Through introducing multiple kernel learning into the SVM incremental learning,large scale data set learning problem can be solved effectively.Furthermore,different punishments are adopted in allusion to the training subset and the acquired support vectors,which may help to improve the performance of SVM.Simulation results indicate that the proposed algorithm can not only solve the model selection problem in SVM incremental learning,but also improve the classification or prediction precision.     

供应不足条件下战时连续消耗资源调度模型

研究了供应不足条件下连续消耗作战资源的战场调度问题。在分析资源供求特点的基础上构建需求点优先度评价体系,提出了用分层聚类法将需求点分类并按优先度将各需求点类排序的方法。建立多需求点资源调度规划模型,依据及时更新的战场信息依次实现各类需求点的资源动态调度,解决了战场背景下这类资源调度中“突出重点”与“整体协调”的矛盾。最后,通过仿真算例中两类资源调度方法的对比,展示了分类调度方法的可行性和优越性。     

基于运动结构图的无人机序列影像三维重建

无人机序列影像具有重叠度高、拓扑联系强的特点。针对现有增量式三维重建算法在处理大规模无人机影像时效率低、输出不稳定的问题,提出基于运动结构图的无人机序列影像三维重建方法。顾及地理位置信息与IMU(Inertial measurement unit) 数据建立图像索引集,提高图像匹配效率,并使用随机抽样一致性算法计算相对运动;使用运动结构图表示影像之间的“ 关联”,采用闭环检测剔除错误边;借助李代数与李群的映射关系, 融合1 L 范式与M 估计一次性求解影像全局运动,期间只进行一次光束法平差,降低了计算复杂度。实验验证本文方法在效率和效果上得到了提高。     

非局部正则化的压缩感知图像重建算法

压缩感知(compressed sensing, CS)图像重建算法是CS图像获取问题的一个研究重点。针对传统基于稀疏性先验的重建算法不能有效重建图像的各种结构特征,为了在测量值数量不变的情况下进一步提高图像的重建质量,在稀疏性先验的基础上,引入局部自回归模型和非局部自相似性作为图像额外的先验信息,建立了非局部正则化的CS图像重建模型,并给出了相应的数值求解算法。此外,对于重建模型中图像的自回归参数,给出一种基于非局部相似点的估计方法。实验结果表明,较之传统的稀疏性正则化重建算法和同类的MARX(model based adaptive recovery of compressive sensing)算法,所提算法能获得更高的图像重建质量。     

基于区间数聚类的目标分群算法

针对态势认知中目标数量多、信息不确定、数据不精确等问题, 提出一种基于区间数聚类的目标分群算法。首先, 考虑到传感器测量数据具有误差且数据不完全等因素, 采用区间数对传感器探测到的目标进行特征描述。然后, 为有效利用区间数信息定义了一种新的距离度量, 并给出了改进的区间数聚类目标分群算法。最后, 构造4类相互独立的区间数据集, 对区间数据进行分类测试, 并通过典型想定场景设定多类目标实体, 基于目标空间位置、运动特征和属性等要素进行空间分群和任务分群。仿真结果验证了算法能够有效对目标进行分群, 具有较强的稳定性。     

基于IDEF3 的业务过程仿真模型的存储与获取

模型的集成和重用是提高仿真建模效率的有效方法,而模型的存储和获取是实现模型集成和重用的关键技术.在研究基于IDEF3的业务过程仿真建模的基础上,分析设计了相应的数据库概念模型,实现了仿真模型在关系数据库中的存储及与描述模型在数据上的共享和集成.然后,重点研究了如何通过结构化参数化的查询从模型库中获取用户想要的特定仿真模型,提出了综合考虑模型基本元素、基本模块、基本属性和整体结构的计算仿真模型相似性的算法,并开发了相应的支持软件工具.