基于混合协同过滤的个性化推荐方法研究

针对传统协同过滤算法存在的数据稀疏性和推荐范围问题,提出一种混合协同过滤推荐方法.该方法将两种传统算法结合,并综合考虑了项目标签属性等信息.首先利用基于项目的协同过滤算法生成预测评分,并替换原始用户-项目评分矩阵中的零值.其次利用基于用户的协同过滤算法计算填充后矩阵的用户相似度,以及预测评分并产生最终推荐.最后基于MovieLens数据集实验证明,该方法能够有效提高推荐精度,扩大推荐范围.     

一种基于协同过滤和混合相似性模型的推荐算法

针对推荐系统协同过滤方法中存在的数据稀疏和冷启动等问题,提出一种基于协同过滤和混合相似性模型的推荐算法。该算法首先计算用户在不同项目间的相似性,然后结合项目特性和标签信息权重来描述用户、项目、特性和标签之间的关系;其次,设定用户偏好因子和不对称因子调整不同用户间的评分偏好;最后,结合用户间相似性、项目综合权重,以及评分偏好构建混合相似性模型,并加入用户时间权重信息解决项目冷启动问题。在公开的MovieLens数据集上的实验表明,该算法在各种评估指标上比其他相关方法获得更显著的结果。     

一种基于域推荐相似度的P2P信任模型

为了提高P2P系统中资源定位效率并保证资源下载质量,提出了一种基于域推荐相似度的P2P信任模型(DRSTrust).该模型充分考虑了节点兴趣和身份对信任计算的影响,通过划分兴趣域,以解决节点间因兴趣不对称而难以建立直接信任关系的问题.在兴趣域的基础上,根据域推荐相似度加权个体的域推荐度来计算节点的域服务信誉,并利用域服务信誉来刻画节点在特定兴趣域内的服务行为细节.然后,提出了服务相似度的概念,通过使服务行为最为相似的节点成为邻居来激励好节点贡献资源,同时将恶意节点排斥在网络边缘,从而有效提高了P2P系统中节点信任计算准确度.分析及仿真结果表明,在迭代的收敛速度、下载成功率以及模型的安全性等方面,DRSTrust均优于现有的信任模型.     

基于关联规则的课程信息推荐应用研究

网络教学系统中的课程资源丰富而繁多,借助数据挖掘技术,可以对这些资源进行有效挖掘,以期达到更充分、合理的使用.借助关联规则数据挖据方法,构建课程信息推荐模型,研究网络教学系统中的课程关联,为学生网络学习提供课程信息推荐.     

一种基于混合相似度的用户多兴趣推荐算法

针对传统协同过滤推荐数据稀疏会影响推荐质量,以及项目最近邻居集的计算忽略用户多兴趣及提高推荐的准确度问题,该文采用混合模型改进了相似性度量计算,综合Pearson相关系数与修正余弦相似性,提出了一种基于混合相似度的用户多兴趣推荐算法.实验表明:该推荐方法的相似度计算更高效,不仅提高推荐准确率,而且使用户有更好的推荐体验.     

基于混合兴趣主题模型的推荐方法

针对跨领域项目推荐过程中用户兴趣稀疏造成的推荐冷启动问题,提出一种基于混合兴趣主题模型兴趣领域潜在狄利克雷分布（PA-LDA）的推荐方法。PA-LDA使用兴趣潜在狄利克雷分布（P-LDA）模块挖掘用户历史行为数据,生成关于目标项目中兴趣主题的概率分布,综合考虑主题和项目内容词对兴趣的影响进行参数估计建模,得到用户对目标项目的兴趣评价。PA-LDA使用领域潜在狄利克雷分布（A-LDA）得到领域对项目目标的兴趣评价,混合两类兴趣评价,使用top-k方法推荐目标项目。在EdX和GCSE两组真实数据集上进行实验,验证方法的有效性和准确性。研究结果表明：PA-LDA可以有效解释用户兴趣和领域兴趣对项目推荐的作用原理,实现多维领域推荐的兴趣特征捕捉,提升推荐的适应性与准确性。     

基于关联规则相关性分析的Web个性化推荐研究

通过分析关联规则在Web个性化推荐中存在的问题,对Web个性化推荐的关联规则相关性分析算法进行改进,并进行了详细的论证和仿真实验。实验结果表明改进的算法能实现更低支持度的推荐,能提高推荐的准确率和速度。     

一种基于位置和时间信息的兴趣点推荐方法

在社交网络中,人们往往会访问自己比较感兴趣和离自己比较近的地方,而兴趣点推荐就是根据用户的兴趣偏好能够有效地帮助用户选择自己比较感兴趣的地点。笔者提出一种基于位置和时间信息的兴趣点推荐方法。该方法从兴趣点的角度出发分为3个步骤,首先使用用户历史访问的兴趣点的位置信息计算用户历史访问兴趣点和用户未曾访问过的兴趣点的相似度;然后使用时间信息,将一天划分为不同的时间段,统计所有兴趣点在一天中不同时间段被签到的次数,计算用户历史访问兴趣点和用户未曾访问过的兴趣点的相似度;最后根据兴趣点的位置和时间信息综合计算用户历史访问兴趣点与用户未曾访问兴趣点的相似度,根据Top-N策略向用户推荐用户未曾访问过的兴趣点。在现实社会中的真实数据集上进行实验验证,实验结果表明笔者提出的方法是有效的。     

基于关联规则相关性分析的Web个性化推荐研究

通过分析关联规则在Web个性化推荐中存在的问题,对Web个性化推荐的关联规则相关性分析算法进行 改进,并进行了详细的论证和仿真实验。实验结果表明改进的算法能实现更低支持度的推荐,能提高推荐的准确 率和速度。     

混合模型仿真大规模网络实现

在仿真的效率和可扩展性方面，单纯的数据包仿真已无法满足网络发展的需要．该文将流仿真模型嵌套到数据包仿真的程序中，实现了流仿真同数据包仿真的集成．在仿真中，流网络通过流链路链接到包级仿真的Ns节点上，这种采用集成混合模型进行的网络仿真，既保持了数据包仿真的参数精确性，又提高了仿真效率．实验结果表明：采用混合模型仿真TCP流可以获得正确的动态特性；混合模型仿真可以提高网络的仿真效率，提高的程度与采用数据包仿真流所占整个TCP流的比例有关．     

一类分数阶SIQS传染病模型的稳定性分析

讨论了一类分数阶SIQS传染病模型,通过定性分析方法研究了该系统解的非负性和有界性,利用分数阶系统稳定性理论给出了该系统的平衡点及其局部稳定性,并数值模拟出其解的图形.     

用Sullivan推广模型研究相变的级别

由表面张力引起的表面浸润是日常生活和工农业生产中经常遇到的一种物理现象,本文根据浸润相变的理论,提出了Sullivan的一个推广模型,分析了相变的级别.     

基于网络荐购的高校图书馆采选决策模型研究

提出了一个基于网络的图书馆采选决策模型。此模型在读者网络推荐的基础上,结合文献外部要素特征及馆藏状况,分别赋予权重和量化值,经运算获得所选文献的理想度评分,以辅助采访人员进行决策。     

互连线高效时域多步积分模型降阶算法

为了进一步提高现有互连电路模型降阶算法的精度和效率,提出一种基于时域多步积分的互连线模型降阶算法.首先对原始电路的时域方程进行多步积分得到关于状态变量的二阶递推关系,然后通过二次Arnoldi方法得到投影矩阵,再通过投影矩阵对原始时域方程进行投影得到降阶系统.该算法可以保证时域积分后降阶系统和原始系统的状态变量在离散时间点的匹配,保证时域降阶精度,同时继承了已有算法所具有的数值稳定性及降阶系统的无源性.该算法不仅比现有的时域模型降阶算法复杂度低和比现有的频域模型降阶算法精度高,而且与时域单步积分的模型降阶算法相比,可以在保证与其计算复杂度相当的基础上,达到更高的精度.     

酒的勾兑优化模型

针对酒的勾兑问题进行了研究,在各项指标达到标准的情况下,以成本最少为目标,建立了一个优化模型。利用Matlab软件对模型进行了求解,得出了最优结果,并进行了结果检验和灵敏度分析,具有一定的参考价值。     

底排-火箭复合增程弹多元弹道模型

该文考虑底排 -火箭复合增程弹结构特征参量为非定常量的弹道特征对弹道计算结果的影响 ,在建立底排 -火箭复合增程弹结构特征参量为常量的多元弹道模型基础上 ,导出了结构特征参量呈连续变化和非连续变化的底排 -火箭复合增程弹多元弹道计算的修正模型 ,算例验证了修正模型的合理性     

一种助学基金的优化配置模型

针对目前高校贫困学生较多,学校每年需投放一批基金作为助学资金,通过分析,建立数学模型,以解决校方如何将助学基金进行最优化配置的问题。     

上犹江大坝位移混合模型研究

文章首先简要阐述建立大坝位移混合模型的原理与方法,据此建立上犹江大坝位移的混合模型.然后,对大坝的结构性态及安全度进行评估,最后提出关于上犹江大坝水平位移安全监控指标的建议.     

Recent Advance in Non-Krylov Subspace Model Order Reduction of Interconnect Circuits

Model order reduction of interconnect circuits is an important technique to reduce the circuit complexity and improve the efficiency of post-layout verification process in the nanometer VLSI design. Existing works using the Krylov subspace method are very efficient, but the resulting models are less compact and lack global accuracy. Also, existing methods cannot handle interconnect circuits with large input and output ports. Recent advances in reduction techniques using non-Krylov subspace techniques such a...