基于泛函网络的组合推荐算法

在研究组合算法的基础上，提出一种基于泛函网络实现前融合推荐算法. 探讨Vague集条件下推荐算法的前融合问题，给出了基于泛函网络构架实现前融合组合推荐算法的一般过程. 通过推荐系统泛函拓朴结构的建立，利用泛函神经元的自学习、自组织和自适应能力，进一步优化推荐结果，较大地提高了系统的推荐准确度. 最后，将算法应用于Movielens推荐系统中，计算机仿真实验结果表明，本文提出的基于泛函网络实现前融合推荐算法是有效的、可靠的.     

基于IGS方法的最佳分类数研究*

针对选择Gap Statistic(GS)方法估计聚类数能够得到数据集的粗略分类,但不能进一步对数据集进行细分类这一问题,对GS方法进行改进;将Gap统计量引入到ISODATA算法中,提出了IGS模型;实证表明,IGS模型不仅可以实现数据的细分类,而且通过IGS模型估计数据集的最佳分类数准确率明显高于原GS模型。     

外科手术配合胆宁片治疗老年胆结石的效果

探讨外科手术配合胆宁片治疗老年胆结石的效果。选择2015年4月-2016年4月于天祝县人民医院诊治的老年胆结石患者89例,根据随机分组法将其分为常规组(43例)和观察组(46例),两组均采用外科手术治疗,观察组在手术治疗的基础上予以胆宁片配合治疗,观察两组患者的治疗效果。观察组总有效率明显高于常规组(P0.05),止痛药使用率与并发症发生率均比常规组低,肛门排气时间与住院天数较常规组更短,且在总治疗费用方面两组无显著差异(P0.05)。在外科手术基础上辅以胆宁片治疗老年胆结石可有效提高患者的治疗效果,促进康复,且并发症少,安全性高。     

单元化三级装卸搬运作业链集成优化的三层进化算法

传统物流作业调度主要对单级或两级之间的协调问题进行建模和求解，缺乏对物流作业多级特征的考虑. 针对物流装卸搬运多级作业链的复杂性，以批量作业完成时间为目标，研究单元化“装卸，搬运，装卸” 三级作业链的集成调度优化作业问题，并在此基础上提出解决三级协调与集成优化问题的三层嵌套进化算法. 通过算例仿真及其分析可得目标值和求解时间会随着问题规模扩大呈多项式曲线增长以及搬运级是三级装卸搬运效率的瓶颈环节，最后分析了其原因并提出相应解决方案.     

System deployment optimization in architecture design

Optimization of architecture design has recently drawn research interest. System deployment optimization （SDO） refers to the process of optimizing systems that are being deployed to activi- ties. This paper first formulates a mathematical model to theorize and operationalize the SDO problem and then identifies optimal so- lutions to solve the SDO problem. In the solutions, the success rate of the combat task is maximized, whereas the execution time of the task and the cost of changes in the system structure are mini- mized. The presented optimized algorithm generates an optimal solution without the need to check the entire search space. A novel method is finally proposed based on the combination of heuristic method and genetic algorithm （HGA）, as well as the combination of heuristic method and particle swarm optimization （HPSO）. Experi- ment results show that the HPSO method generates solutions faster than particle swarm optimization （PSO） and genetic algo- rithm （GA） in terms of execution time and performs more efficiently than the heuristic method in terms of determining the best solution.     

协同过滤推荐算法研究: 考虑在线评论情感倾向

协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐, 其核心义用户之间的兴趣相似度. 本文在传统的协同过滤推荐算法基础上, 考虑在线评论对用似度识别的影响. 在混合商品推荐中, 粗粒度识别评论情感极性; 而在同类商品推荐中, 细粒别每个商品特征的情感极性. 如果用户对产品的某个特征评价次数大于平均次数, 表明用户对征较关注; 如果对产品的某个特征评价低于平均评价, 表明用户对该特征较挑剔. 进而根据用户评论来建立用户偏好模型, 用户在评论中反映出来的相似度越高, 表明用户之间的偏好越. 实验表明, 同传统的协同过滤算法相比, 基于在线评论情感分析的用户协同过滤算法在率和召回率指标上有显著提升.     

基于TOF三维传感器的单视角重建

三维TOF测距成像对高速机动目标的测量、隐蔽物体探测、非视域目标成像探测具有重要的研究意义.基于TOF三维传感器,设计一种可剔除孤立散点的空间点滤波方法,运用优化的Delaunay三角剖分法实现目标物体单视角三维重建.     

基于矩阵的关联规则增量更新及其改进算法

为了解决大数据环境下如何高效地挖掘关联规则并进行增量更新,在原有的fast updating pruning(FUP)算法基础上,首先提出一种基于矩阵的关联规则增量更新方法(MFUP),该方法将数据集转化成布尔矩阵,减少对数据集的扫描次数以及数据集的存储量;然后将MFUP与Hadoop分布式计算框架结合,提出一种分布式环境下的新算法Cloud MFUP(CMFUP);最后通过设计实验进行对比分析。结果表明,在挖掘相同数据量的关联规则并进行增量更新时,MFUP算法相比FUP算法执行时间更少,且随着数据集的增加,其增速更慢;对比CMFUP与MRFUP算法表明,随着分布式环境下数据集的增加,前者较后者执行时间更短增速更慢。     

基于Map/Reduce的分布式数据排序算法分析

为了解决大规模数据的存储与计算,近年来分布式系统得到了大量的应用.如何在分布式系统中对大规模数据集进行排序是影响许多应用性能的基础问题,其中不仅涉及每个节点上排序算法的选择,更重要的是设计协调各节点的分布式算法.本文总结了分布式系统中常用的分布式排序算法,对每种算法的执行流程、代价模型和适用场景进行了分析,并通过实验对分析结果进行了验证.本文的工作可以帮助开发人员选择和优化分布式环境下大规模数据排序的算法.