基于关键用户的非均衡热传导与物质扩散算法

物质扩散和热传导算法作为2个经典的基于网络结构的算法被普遍用于信息过滤.然而，现有的算法将所有的用户等同看待，没有区分不同用户的贡献，也没有移除恶意用户，从而导致性能不理想.针对这一问题提出基于关键用户的非均衡热传导与物质扩散算法（core-UHM），用以解决教育资源库中的高质量资源检索问题.算法的背后思想主要是基于信息领域中的帕累托法则，也即是20%的用户主导着整个系统中80%的交互.基于关键用户不仅能够保证资源的质量，同时也大大节省了计算开销.通过在真实的学术搜索日志数据集上的实验，证明了算法的有效性.     

融合社交网络的物质扩散推荐算法

在互联网信息推荐应用中,恰当地结合用户的社交信息能够进一步提升推荐的精度。以用户为枢纽节点将社交网络和用户-商品二部图融合为耦合网络,并在此基础上提出了一种基于物质扩散动力过程的推荐算法,该算法将社交网络的朋友信息和用户选择商品的信息进行有机集成,是经典物质扩散算法的一种拓展。在真实数据集Friendfeed和Epinions上的实验表明,在只计算小度用户的推荐准确率时,该方法比经典的物质扩散算法分别提高了38.48%和9.17%;当测试集所占比例为80%时,对于所有目标用户,算法较经典物质扩散算法的推荐准确率分别提高59.05%和21.62%。因此,社交网络信息的加入可以显著提高对小度用户的推荐准确度。     

一种融合信任度和相似度的推荐算法

推荐系统是一种能够帮助用户在面对大量信息时,能快速?有效地获取有用资源的工具?协同过滤是目前广泛使用的一种推荐技术,该技术通过相似邻居对项目的评分为源用户产生推荐,但面临数据稀疏性和冷启动的问题?基于信任模型的推荐系统虽然在一定程度上缓解了上述问题,却仍然需要进一步提高?针对这些困难,提出了一种融合了信任度和相似度的算法?该算法利用用户间的信任信息,将源用户的信任邻居对项目的评分作为该用户的个人喜好,同时根据基于物质扩散的协同过滤算法找出源用户的相似邻居,利用信任邻居和相似邻居为该用户产生推荐?在2个真实数据集上的实验结果显示,融合算法对冷启动用户的准确性比协同过滤算法分别提高了19%和37%,覆盖率分别提高27%和42%?     

基于用户偏好加权的混合网络推荐算法

基于热传导或物质扩散理论的推荐算法首先利用网络结构得到对象间推荐关系,然后根据对象间关系预测用户喜欢的对象,而忽略了用户偏好。为了弥补这个缺陷,根据用户已选择对象的标签,利用TF-IDF方法构建用户偏好模型,以用户在预测对象标签上的平均偏好作为对该对象的偏好程度,采用加权方法与现有基于网络推荐算法混合运算。经在基准数据集MovieLens上测试表明,通过与目前效果最好的几种基于网络推荐算法进行加权混合运算,推荐结果在推荐精度、个性化、多样化等多种评价指标方面均比原有算法有明显提高。     

基于二部分图网络结构推荐的改进算法

介绍了一种基于网络结构推荐的改进算法.在标准物质扩散算法的基础上,考虑到用户的评分对推荐商品的影响,对推荐算法中初始资源分配矢量和资源转移矩阵进行了改进,增加了调节因子.使用来源于Group Lens网站上的训练集数来评价这个推荐算法的性能,从而进行了一系列的实验.实验结果表明,该算法比传统的协同过滤系统、基于网络结构的推荐系统和带有权重的基于网络结构的推荐系统具有更好的推荐精度和更高的命中率,解决了标准物质扩散算法当中的冷启动问题和可扩展性问题,使得推荐结果具有多样性.     

基于HVS模型及边缘检测的像素点误差扩散半色调算法

针对常规误差扩散方法中的图像细节轮廓损失问题,提出一种基于HVS模型及边缘检测的像素点误差扩散半色调算法.该算法首先对图像进行边缘检测处理,提取图像的边缘点信息,然后采用基于HVS模型误差扩散系数对图像进行误差扩散处理,处理过程中对于边缘点不进行误差叠加,以保留图像边缘信息.仿真结果表明该算法能够更好的减少图像细节损失,保留图像细节信息.     

异构网络中基于马尔可夫过程的区分业务无线资源管理研究

文中提出了一种基于UTMS蜂窝网络和WLAN异构网络的协同无线资源管理算法.该算法的关键参数包括业务类型、用户终端移动性和位置信息等,协同地利用异构网络中的资源,并同时能保证业务的QoS和业务成本的最小化.通过马尔可夫模型分析了算法的有效性.仿真结果表明,在不同的移动性和网络负荷条件下,文中算法能够明显降低不必要的垂直切换到达率,提供稳定的通信,并有效地提高了系统吞吐量.     

基于扩散路径映射的混凝土碳化细观模拟方法

对碳化作用细观求解方法进行梳理改进，利用传输和反应过程状态变化的路径依赖特点，规避了传统方法大规模矩阵求解，提出了基于扩散路径映射的碳化细观模拟方法。方法基于Dijkstra路径算法对界面层影响进行修正，建立水泥浆体扩散路径算法，得到环境表面到水泥浆体的最短路径网络；通过水泥浆体代理模型，模拟水化反应、碳化反应以及材料孔隙率变化的耦合碳化过程，得到关键指标（氢氧化钙浓度）沿扩散路径的时变分布；最终依据相同的扩散路径长度进行结果映射，实现碳化作用中关键物质浓度随时间空间分布的高效精准预测。通过材料试验对比校验，扩散路径映射方法模拟结果能够准确反应混凝土碳化深度范围；与传统偏微分求解方法对比，扩散路径映射方法能够在细观尺度精准模拟关键物质空间分布情况，且求解效率提升20倍以上，存储空间需求降低为偏微分求解的2%以内。     

设备网格溯源服务的应用

为解决设备网格中资源动态变化造成的实验重现的困难,引入溯源服务.溯源服务以Web服务形式存在,记录设备网格内实验过程中诸如服务调用时间、服务请求者、服务提供者及用户评价等重要信息,形成溯源信息.为提高用户的满意程度,使用模糊变量来描述用户对其实验结果的评价,将溯源信息用于设备池的设备选择算法,增加令用户满意的服务质量好的仪器设备的使用率.实验结果表明: 相对于随机调度算法,基于溯源信息的设备选择算法使得用户满意程度达80%.     

区分用户长短期兴趣的IBCF改进算法

协同过滤算法已被成功应用于许多领域,但遇到了可扩展性和精度低等问题,目前提出了许多改进算法,但它们均忽视了用户长短期兴趣对推荐的不同影响.针对这个问题,介绍了一种改进的长短期兴趣数据权重策略,它的关键是识别用户长期兴趣,为此提出了基于资源类别相似性和基于访问资源类别出现频率两种识别方法,并详细分析了这两种识别方法的优缺点.实验表明,将上述方法引入基于资源的协同过滤算法中,能提高推荐精度.     

多交界面热传导方程模型的数值解与参数估计

本文研究了多交界面热传导模型的数值解以及参数估计. 首先,本文运用有限差分法对传热方程和交界面条件进行离散化,将其转换为三对角型线性方程组.然后,基于追赶算法所给出的线性方程组数值解,本文建立了方程参数的非线性规划模型,并设计自适应粒子群优化算法（Particle Swarm Optimization,PSO）. 本文提出的自适应PSO算法对惯性因子实施一种自适应的非线性递减调整策略,以避免群体过早陷入局部极值、提升粒子的寻优精度. 最后,本文以仿真实验比较了自适应PSO算法、标准PSO算法及经典的非线性优化算法如AS（Active Set）算法,IP（Interior Point）算法和SQP算法在参数估计时的性能差异.     

基于观点传播的改进相似性计算评分预测方法

通过研究网络结构上的观点传播与协同过滤算法,基于对观点传播算法的优化,提出了基于用户相似和物品相似推荐系统评分预测算法.设计的算法修正了现有相似研究中在目标比较相似时,相似性结果为零的问题,将用户(或物品)的相似度定义为用户(或物品)间的观点数目和差异在相应复杂网络中的传播结果,并提出了相应的推荐算法.在MovieLens数据集上的实验结果证明,提出的算法与几种典型的现有方法相比较,具有更高的准确性,并且优于观点传播算法.     

蚁群算法求解稳态传热反问题

针对热传导反问题的不适定性和非线性,为了改进热传导反问题的求解方法,考虑了材料非均质的影响,建立了稳态热传导有限元正演模型。根据测量温度信息,将热物性参数和边界条件的单一和组合识别问题归结为一个优化问题,进而利用基于网格划分策略的蚁群算法进行求解。探讨了参数取值范围和数据噪音对识别结果的影响,数值验证取得了令人满意的结果。     

基于抽样近邻的协同过滤算法

针对实时推荐过程中实际数据的稀疏性, 满足条件的项目或用户较少, 导致推荐精度较低的问题, 提出一种采用抽样近邻的协同过滤算法. 该算法充分利用评分用户矩阵提供的信息, 增加了参与到预测评分计算过程中的用户或项目, 从而解决了传统协同过滤算法在实际应用中的不足. 实验结果表明, 在增加在线计算时间较少的情况下所给算法可有效提高推荐精度.     

正方形区域内稳态热传导的可视化计算

建立了稳态热传导问题的有限差分方程,编写了相应的温度场差分计算程序,然后采用计算机图形学原理编写了图形显示程序。借此求得了具有三类边界条件和内热源的正方形区域内的温度分布,并基于所得计算图形讨论了区域内的热传导特性。     

CDMA系统中的几种智能天线自适应算法

首先介绍了RLS，LMS，CMA等适于在CDMA中应用的智能天线算法，并通过建模仿真来分析几种算法的性能及天线阵元数、用户数等指标不同时，智能天线接收信号的性能差别。RLS算法比LMS算法收敛速度快，LMS算法比CMA算法收敛速度快；达到SINR要求时，系统容量与天线阵元数成正比。RLS，LMS算法在解扩前处理收敛速度比解扩后处理收敛速度快。     

基于用户需求和历史信息的动态频谱分配算法

针对认知无线电系统中动态频谱分配算法开展研究,以干扰图模型为基础,提出一种改进的基于业务需求和历史信息的动态频谱分配算法。为利于快速收敛,算法采用最大独立集为分配起点,允许将信道同时分配给多个用户,联合功率控制机制最小化认知用户间的干扰,引入信道优先级和用户优先级表征历史信息和业务需求,优先分配高质量的信道给高优先级用户集以保证公平性。最后通过仿真分析进行了算法的有效性验证。