面向选择性游览的景区路径推荐算法应用研究

针对目前景区路线推荐基本都从景点的热门程度以及游客可用时间的多少选择旅游路线,很少考虑到游客的个性化需求以及游览效率的现状,提出了一种基于个性化和游览效率的面向选择性游览的景区路径推荐（STRR）算法。首先通过将景区的空间结构离散化,获取游客想要游览的景点;再基于离散粒子群（PSO）算法提出利用优先级规则改进位置更新的方法,快速得到一条满足游客个性化需求的最短路径;最后以北京化工大学东校区为例利用平面仿真进行了实例验证。实验结果表明,STRR算法能够得到一条既满足游客个性化需求且游览效率最高的路径,并在计算效率方面比其他算法具有更好的优越性。     

基于社交关系和条件补全的协同过滤推荐算法

针对传统协同过滤算法中存在数据稀疏、数据冗余和算法效率低等问题,提出一种基于社交关系和条件补全的协同过滤推荐算法.该算法将社交关系数据应用到矩阵补全过程中,减小原始矩阵的稀疏度,同时提高补全数据的精确度;在项目相似性计算时,条件性地选择参与计算的向量数据,减少数据的冗余度,并降低算法的时间复杂度.实验结果表明,改进算法的推荐准确率明显提高.     

基于K-medoids项目聚类的协同过滤推荐算法

针对传统协同过滤推荐算法通常针对整个评分矩阵进行计算,存在效率不高的问题,提出一种基于K-medoids项目聚类的协同过滤推荐算法.该算法根据项目的类别属性对项目进行聚类,构建用户的偏好领域,使用用户偏好领域内的评分矩阵进行用户间相似度的计算,得到目标用户的最近邻居集,并生成推荐结果.与常用的K-means聚类方法相比,采用K-medoids方法对项目类别属性进行聚类,不仅克服了评分聚类可靠性不高的问题,而且算法还具有更好的鲁棒性.实验结果表明,该算法能有效提高推荐质量.     

基于WEB使用挖掘的个性化推荐系统的研究

通过网络学习的web日志的使用挖掘,获取学习兴趣,建立兴趣模型.采用相似性度量方法对具有相似兴趣的学生用户进行聚类,实现了学习内容的个性化推荐系统.实验结果表明,基于用户兴趣模型的个性化推荐系统具有较高的准确率、新颖率和非预期率.     

论心理和谐的自我——人格问题——以大学生为例

从大学求放心、出君子的使命出发,分析了心理和谐的基本事实及其对于大学生的意义,提出大学心育的根本任务是培养习惯及意志、知识及能力、人格及品德;分析了自我--人格观对于大学生心理和谐的意义.通过对荣格、马斯洛、罗杰斯等人的自我--人格观的简明梳理,提出并初步剖析了心理内外和谐的合一主题;结合大学生的特点,提出了音乐疗心、运动养心、朋友爱心、亲子护心、自己安心、老师慰心等助人自助的促进性经常功课.     

一种优化的推荐算法

对个性化推荐系统算法进行改进,首先,不仅考虑用户所选的商品,而且考虑用户的打分,从而将资源分配法扩展为含权资源分配;其次,考虑用户的同有相似性.把这两方面相结合,发展了新的算法.数值试验表明,改进后的方法显著提高了推荐的精度和个性化程度.     

关于在动画主体形象刻画方面如何运用色彩的若干思考

自从色彩的奥秘被牛顿和开普勒揭开之后,人类在色彩理论方面的研究就一直没有停止过。色彩作为美术中的一门基础学科,在视觉领域的作用越来越受到世人的关注。在动画作品中,色彩通过心理效应和自身的性格特征对主体形象的刻画产生重要作用,同时,主题形象的成功刻画也诠释了色彩在动画领域中生存的意义。     

有效时间概率关联规则在商品推荐系统中的应用

在关联规则挖掘中,大量的数据是多维的,且带时间性,根据实际的应用,对传统的算法进行了改进,提出了在商品推荐系统中构建的模型,并与类似算法进行了比较.采用了本文提出的算法后,能够挖掘出小概率项目中蕴涵的关联规则,并考虑到时间的因素,去除了多余的杂质数据,而Apriori算法则无法做到这点.     

依赖型人格障碍的表现、形成和治疗

依赖型人格障碍的核心症状是依赖。具体表现有无助、依赖和轻信别人、胆怯 ,认为自己无能和内向投射等。自恋型人格障碍的发生发展 ,主要与父母的养育方式不当 (如过度保持等 )和患者的自我塑造有关。改善父母的养育方式可以预防自恋型人格障碍。改变患者的认知和行为方式 ,可以减弱或阻断依赖型人格障碍者的自我塑造。     

对师范院校学生体育创新能力问题的探讨

21世纪师范教育人才观、质量观的核心问题是培养和造就富有创新精神和创新能力的高素质人才。作为师范教育组成部分的高师体育 ,必须树立“健康第一”的指导思想 ,转变以继承为中心的教育思想 ,树立创新教育的价值观、人才观、教学观 ,以创新人格培养为核心 ,加强创新思维的培养 ,重视个体独立性的发展 ,构建创新性的教学模式