基于行为模式的用户声誉度量方法研究

在线评级系统由于水军和恶意打分者的存在而无法对物品给出客观评价，因此，建立一个基于打分行为的声誉度量模型对于在线评级系统的健康发展至关重要。现有的用户声誉度量方法仅依靠用户评分和商品质量之间的差异进行计算，忽略了用户的行为模式。将用户的评分偏差和行为模式相结合，提出了一种新的声誉度量方法，该方法不仅考虑了用户打分频率的极值，还考虑了用户打分总次数。在两个实证数据集上的实验结果表明，新方法对随机打分的识别准确率相较于经典算法最高可以提高17%，对于解决冷启动和鲁棒性问题具有更好的表现。     

基于用户相似度的随机游走社交网络事件推荐算法

针对基于社交网络的事件推荐覆盖性和准确性不够高的问题,提出了基于用户相似度Si-user Walker算法.该算法利用基于事件的社交网络特征,将线上用户群组数据抽象为图,以重启随机游走算法为基础,改变了传统的完全基于图的拓扑结构进行随机游走的策略.根据地理位置划分事件类型,提出了新的用户相似度计算方法,然后根据用户相似度矩阵作为随机游走的转移概率,既保留了图的传递性,又保证了图节点游走的真实性.与其他推荐算法在真实的数据集上实验表明,该算法在均方根误差、准确率及覆盖率上均得到提升.     

基于深度神经网络和概率矩阵分解的混合推荐算法

针对个性化推荐中用户和项目描述信息未充分利用,用户评分矩阵数据集极端稀疏的情况,提出了基于深度神经网络和概率矩阵分解(PMF)的混合推荐算法.首先,对用户和项目描述信息进行预处理,形成包含用户偏好特征的用户和项目特征集,再将各特征输入深度神经网络模型中进行训练.同时,利用概率矩阵分解模型,根据用户评分矩阵通过最大后验估计优化得到潜在特征向量;然后,通过对概率矩阵分解模型的用户和项目潜在特征向量以及深度神经网络模型的真实特征向量进行迭代更新,收敛得到融合用户和项目真实信息的潜在特征向量;最后,利用该特征向量对用户进行个性化推荐.实验证明,本文算法较经典推荐算法以及前人算法在均方误差与平均绝对误差指标上均有改善,说明本文算法的有效性.     

基于分类回归树的高炉铁水硅含量预测模型

针对高炉铁水硅含量的预测问题,作者探索出基于分类回归树算法的建模策略,为高炉炉温控制提供了新的可选思路.针对某高炉的在线生产数据,分别建立了分类回归树预测模型和支持向量机预测模型,并从命中率、均方根误差对模型的性能进行了分析.结果表明:分类回归树模型的预测精度整体优于支持向量机模型,尤其在炉况波动较大时预测效果较好.     

基于马尔科夫随机场和鲁棒误差函数的半监督分类研究

为了克服由错误标记样本所引发的问题,提出半监督分类器模型。从标记数据和未标记数据中学习得到决策准则,并在马尔科夫随机场中,运用一个新的基于鲁棒误差函数的能量函数,分别设计基于迭代条件模型和马尔科夫链蒙特卡罗的两种算法来推断标记样本和未标记样本的类别。实验结果表明这两种方法对于现实世界的数据集来说是高效的,并具有很好的鲁棒性。     

基于决策欺骗自适应修正的情景感知推荐方法

受决策心理相关理论启发,提出了一种基于决策欺骗自适应修正的上下文情景感知偏好获取方法.首先基于同类中心点行为距离获取用户历史行为中的伪偏好行为,将上下文行为波动与偏好波动交叉验证,并结合模糊隶属函数以关联伪偏好行为与其所属决策欺骗类,最后分别融合相应的行为补偿策略来获取上下文环境下的用户偏好.在大规模真实数据集上的实验结果表明:与经典的协同过滤算法及上下文感知算法相比,推荐精度平均提高2.5%以上,推荐多样性平均提升近3%.     

基于情景感知的移动电商用户-项目聚类协同过滤推荐算法

针对移动电商个性化推荐服务领域情景感知应用不足和推荐质量不高的问题,提出一种基于情景感知的移动电商用户-项目聚类推荐算法(UIC-CF).在分析情景感知和传统推荐系统基础上,首先基于用户-项目-情景数据模型,构建用户项目类型偏好矩阵,并对评分矩阵填充优化,然后基于情景相似度对用户和项目进行聚类,以用户的评分矩阵和聚类结果为输入,执行UIC-CF算法完成Top-N项目推荐.基于LDOS-CoMoDa数据集,对UIC-CF算法和其他两种算法的对比实验,结果显示本文给出的算法均方根误差最小,准确率值显著提高,表明UICCF算法不仅有效,且具有进一步优化利用的前景.     

一种自适应局部和全局融合的协同过滤算法

相似度计算模型是协同过滤技术的核心,相似度模型的好坏直接关系到近邻用户推荐的准确性。通过用户项目评分数据集局部相似性与全局相关性分析,提出相似性度量改进模型,而改进后模型用MovieLens100K数据集实验验证,通过均方根误差、平均绝对误差和召回率三个实验结果分析。该算法可有效地提高推荐预测评分和推荐项目的准确率。     

基于个性化情境和项目的协同推荐研究

为提高基于项目的协同过滤推荐SlopeOne算法的预测结果,在算法的项目相异性计算和评分预测过程中引入个性化情境因素.首先对基于项目的协同推荐方法进行综述,然后针对不同情境下的评分记录进行项目间相异性计算,根据此结果计算检验集中的项目在不同情境下的预测评分,并以预测结果为依据为每个用户得到个性化情境,进而为用户对新的资源项目进行评分预测.最后在标准的Movielens数据集上进行实验,其中,U2的训练集和测试集用来训练个性化情境,其他数据集用来检验算法的预测结果.通过对改进的推荐算法与经典的基于项目的协同过滤算法SlopeOne进行比较,实验数据表明改进后算法的推荐结果有较大提高.     

基于EMD的心电信号压缩算法

针对生物医学信号特别是心电信号(ECG)的特点和数据压缩需求,提出一种基于经验模态分解(EMD)方法的ECG信号压缩算法.所提算法计算简单,无需预先或后处理.以MIT-BIH标准数据库的心律失常数据作为实验数据,通过压缩比(CR)、均方根百分差异(PRD)、归一化均方根百分差异(PRDN)、均方根(RMS)、信噪比(SNR)、质量评分(QS)6个评价参数分析所提算法性能,并与基于小波分解的压缩算法进行比较.实验结果表明,所提算法具有较好的压缩比与保真度,证明了该算法的有效性.     

基于稳健关联向量回归的黑液波美度软测量

针对造纸工业碱回收蒸发工段黑液波美度不易在线实时测量的现状,提出一种基于稳健关联向量回归的软测量方法,建立黑液波美度的软测量模型,实现黑液波美度的在线测量。稳健关联向量回归方法通过最大化一个建立在稳健子集上的似然函数得到模型的参数,同时保证回归的稳健性。构造了迭代算法来计算稳健关联向量回归,在优化超参数的同时,寻找稳健子集。实验结果表明,用该方法建立波美度软测量模型不仅是可行的和有效的,而且能够克服异常点的影响。     

面向误差最小化的在线服务信誉度量

由于每个在线服务可以通过其自身的真实质量被客观比较,存在潜在的真相服务排序。为了使用户进行服务选择时有真实客观的在线服务信誉排序作为参考,服务信誉应当尽可能地接近真相服务排序。提出一种面向误差最小化的在线服务信誉度量方法。该方法将用户对服务的偏好排序视为对真实服务排序的带噪估计,利用Kendall tau距离指标来衡量服务排序与真相排序之间的误差,通过设定真相与用户对服务的偏好排序集合之间的平均误差上限找出可能的真相服务排序,寻找与可能的真相服务排序集合之间平均误差最小的服务排序作为服务信誉。由于所有的服务排序都有可能为真相排序,造成了该方法的计算困难,利用分支切割法对该方法进行优化求解。以真实数据集和模拟数据集为基础,通过实验验证了该方法在保证运行效率的同时得到与真相误差更小的信誉度量结果。     

网络口碑对游客旅游决策的影响研究

游客之间的口碑传播对其他游客旅游决策有巨大的影响力,随着互联网的发展,网络口碑逐渐成为影响游客旅游决策的重要因素.论文通过感知价值作为中间变量考察旅游网络口碑对于游客旅游决策的影响,建立概念模型并展开实证研究,在舟山普陀山旅游景点进行了抽样调查并应用结构方程来分析处理数据.结论显示,旅游网络口碑质量与可信度对游客感知价值有显著的促进作用;旅游网络口碑信息相关性、全面性、及时性均与游客感知价值存在显著的正相关关系;旅游网络口碑信息的吸引力对旅游网络口碑感知价值的影响较为显著;游客对网络口碑的感知价值与旅游意愿显著正相关.在此基础上给旅游企业提出了一些有用的建议.     

基于信誉的双渠道供应链合作博弈研究

针对实体与网络渠道合作中存在的渠道信任问题,构建实体渠道主导下两者基于信誉的双渠道合作博弈模型,并在限定周期内对信誉值、销量、利润、抽查次数、作假次数等指标进行仿真分析。结果发现:当网络零售商难以选择实体零售商时,实体零售商对网络零售商信任降低,会通过惩罚权力对网络零售商加以控制,这将招致网络零售商弄虚作假来提高销量及利润;相反,当网络零售商可以自由选择实体零售商时,竞争机制得以有效发挥,并提升实体零售商对网络零售商的信誉感。     

一种基于数字指纹在电子商务中的应用方法研究

 数字指纹是数字权限管理（DRM）和数字内容保护的最新研究算法,而电子商务是实现DRM技术的一个重要应用领域。基于数字 指纹的一种一体化实现算法,提出了一种用于电子商务的网络化应用服务技术。根据用户选择不同参数进行设置,在 Peer-to-Peer服务网络下,实现了online shop在线商务系统应用数字指纹的接口研究方案 。结果表明,系统在网络环境下具有较好的鲁棒性和感官质量。     

基于分簇的车载自组网可信路由协议研究

针对较适用于车载自组网的分簇式路由协议的安全问题,提出一种基于分簇的可信路由算法,即在簇头选择过程根据权重因子进行筛选．该算法将节点通信过程中在一定时间内收发数据包的好坏程度作为其信誉值,在选择簇头过程中将节点的信誉值作为重要的权重因子,由于通信过程中信誉值实时更新,可将低于信誉阀值的节点剔除,从而达到安全目的,实现了在车载自组网中的可信路由．实验结果表明,该算法较WCA（weighted clustering algorithm）算法具有较高的抵抗自私节点的能力．     

代数方程求解方法收敛速度比较及对算法健壮性的影响

将交替方向隐式（ADI）、强隐（SIP）及Krylov子空间法中的TFQMR、Bi-CGSTAB方法实施于SIMPLER算法，作为其内迭代求解方法，比较了不同代数方程求解方法的收敛速度，并首次分析了它们对算法健壮性的影响，结果发现：内迭代方法不同，SIMPLER算法所表现出的健壮性也会有较大差异，采用不同的求解方法以及调节求解方法中的参数可以有效调整SIMPLER算法的健壮性．通过对具体算例的研究表明：当SIP方法的抵消参数α取值较高时，能获得比ADI快30％～50％的平均收敛速度，但算法的健壮性减弱；减小α值，在获得与ADI方法相同的收敛速度下，算法的健壮性却能远好于ADI；ILU（0）预处理的Bi-CGSTAB方法收敛速度较ADI平均能快15％～40％；当SIP方法取某口值时也能获得此收敛速度，但算法所表现出的健壮性却差于Bi-CGSTAB方法；ILU（O）预处理的TFQMR方法收敛速度慢于以上各方法，但其健壮性最佳。     

基于子图像偏差纠正的迭代混合算法

为了提高水印系统的鲁棒性,通过理论分析和实验研究了现有迭代混合算法中混合次数的有限性和鲁棒性问题,指出弱鲁棒性的主要原因在于对误差的累积放大.进而提出了基于子图像间偏差纠正的迭代混合算法.该算法通过修正混合图像的改变来降低攻击带来的影响,同时将水印在密钥控制下进行多份嵌入.新算法的优点为:对于强相关性的攻击的抵御能力强,特别是对于区域性局部攻击,该算法可完全消除攻击对提取水印的影响.结果表明,文中所提出的的改进算法是正确的,其鲁棒性优于原迭代混合算法.     

一种低复杂度的基于加权速率和最大化的多用户MIMO系统调度算法

针对多用户多输入多输出系统中,基于脏纸编码的迭代注水算法加权速率和最大化复杂度很高的问题,提出了一种基于迫零 脏纸编码的低复杂度多用户资源调度算法.该算法在发射功率限制条件下,结合功率分配和多用户调度,根据信道状态信息构造用户选择参量,依次选择用户.由于只需要有限次循环,同时根据用户摒弃准则去除了信道状态不好的用户,从而降低了复杂度.仿真结果表明, 所提出的算法与迭代注水算法相比,在相同的仿真条件下,可以获得后者90%以上的加权速率和,随着用户数的增加,加权速率和性能趋向于后者,同时复杂度由与用户数的平方成正比降到了与用户数成正比.