基于标签的在线学习资源推荐算法

在线学习是目前获取知识的一种重要途径,然而信息过载导致从在线学习平台的大量资源中找到所需的学习资源非常困难.本文提出了一种基于标签的推荐算法,混合基于内容推荐和协同过滤推荐,采用TF-IDF来平衡热门标签的权重,采用修正的余弦函数相似性计算用户间、资源间的相似性,结合学科知识图谱,让推荐结果在相似基础上增加扩展性,满足进阶学习特点.实验结果表明,本文提出的算法在准确率和推荐效率上优于传统的协同过滤推荐算法,为解决同类问题提供了较强的参考价值.     

基于标签与协同过滤算法的淘书吧应用

随着互联网的不断发展,电子商务的流行使人们从线下交易逐渐转为线上交易。电子商务中的推荐系统对人们日益多元化的网络消费起到了至关重要的作用。本文在传统协同过滤推荐算法基础上,加入商品标签属性,构建用户,商品,标签三者之间的关联模型。先构建用户商品评分矩阵,在计算用户对商品兴趣度时增加入标签作为权重系数,提高淘书吧应用推荐准确性。实验结果表明,该方法能有效地改进现有的推荐算法,达到更好的推荐效果。     

基于协同过滤的推荐算法研究

随着互联网时代WEB2.0技术的到来,信息过载问题要通过协同过滤推荐系统算法有效地解决。文章分析了基于协同过滤的推荐算法研究的意义和基于协同过滤的推荐算法研究的现状,根据推荐系统和协同过滤算法的特点,分别对融合社交网络信息的协同过滤算法、融合基于用户和基于项目协同过滤算法进行简单的研究和分析。     

基于改进的协同过滤图书推荐算法

高校图书馆图书个性化推荐没有得到很好的推广和实施,一个重要原因是用户对图书的评价不足。因此,提出了一种基于兴趣的高校图书推荐算法。该算法较好地解决了协同过滤算法无法使用和评分不足的问题。同时,将流行与反向流行的特征结合,使其更接近读者的行为。实验表明,该算法优于传统的协同过滤推荐算法,能够满足实际需求。     

基于Android的推荐阅读系统设计

移动互联网的发展和智能手机的普及,彻底改变了人们的阅读习惯,帮助人们获取最有效的阅读资讯成为当今的研究热点之一.本文使用基于标签和评分的协同过滤算法(UTR-CF),设计并实现了基于Android的个性化推荐阅读系统.系统分为服务端和客户端,服务端定时从豆瓣读书爬取图书信息,根据图书的评分和标签、用户图书标签,采用基于标签和评分的协同过滤推荐技术实现个性化推荐;客户端展示用户感兴趣的推荐结果,并将设置的图书标签、评分上传到服务端.经测试,该系统能为用户提供快速、准确的个性化阅读需求.     

使用分类改进标签推荐系统准确度的研究

由于标签的灵活性及其概念可理解性,使用标签可以提高推荐系统的推荐性能.协同标签系统在网络资源推荐服务中取得了巨大的成功.分类为用户显示了不同的利益群体的不同喜好.基于此,提出了基于分类的标签推荐系统—TRSUC,将它作为内分类推荐,使分类标签成为全球用户和项目之间的中介实体.通过对MovieLens中数据集进行实验,结果表明,TRSUC的推荐准确度明显优越于传统推荐算法.     

众包学习算法研究进展

随着众包技术的快速发展,有监督学习可以以一种快速、成本较低的方式获得大量有标签数据.然而,由于众包标注者的不确定性,标注数据质量不能得到有效保证.因此,提高标签质量是众包学习算法的关键.本文总结了众包学习算法的前沿进展,详细介绍了真值推理算法和众包噪声矫正算法的主要研究成果,分析了这些算法之间的联系和区别,并对未来发展...     

一种适应于非完备标签数据和标签关联性的多标签分类方法

多标签分类已在很多领域得到了实际应用,所用标签大多具有很强的关联性,甚至存在非完备标签或部分标签遗失。然而,现有的多标签分类算法难以同时处理这两种情况。基于此,提出一种新的概率模型处理方法,实现同时对具有标签关联性和遗失标签情况进行多标签分类。该方法可以自动获知和掌握多标签的关联性。此外,通过整合遗失的标签信息,该方法能够提供一个自适应策略来处理遗失的标签。在完备标签和非完备标签的数据上进行实验,结果表明,与现有的多标签分类算法相比,提出的方法得到了较好的分类预测评价值。     

低秩稀疏和改进SAM的高光谱图像误标签检测

为了解决基于监督学习的高光谱图像分类算法训练样本中存在的噪声标签会降低后续的分类精度的问题, 采用了一种基于低秩稀疏表示和改进光谱角制图(SAM)的高光谱图像误标签检测算法。首先对高光谱图像中信号子空间进行预测, 根据预测到的子空间对原始高光谱图像重构并去噪; 然后通过基于归一化的光谱角制图算法来获取每一类样本间的距离信息, 得到每类样本间的光谱相似度, 并利用密度峰值聚类算法得到每个训练样本的局部密度; 最后采用基于局部密度的决策函数对噪声标签进行检测, 使用支持向量机在两个真实数据集上验证。结果表明, 该算法比先进的层次结构的高光谱图像误标签检测算法提高了1.91%的总体精度。这一结果对高光谱图像分类是有帮助的。     

基于频率步进原理的声表面波射频标签的辨识

为降低声表面波(SAW)射频标签(RFID)系统对硬件模数转换器和天线开关速度及隔离度的要求,提出了频率步进原理声表面波射频标签的辨识。采用基于自回归模型的功率谱估计方法对回波信号进行了时频变换,通过对加入了噪声的系统回波信号进行仿真实验,验证了发射频率步进脉冲信号取代传统窄脉冲的可行性以及算法的高精度。同时也讨论了阅读器与标签之间不同距离、温度影响和相位噪声对标签解码的影响,提出了解决思路。     

基于参考标签的射频识别定位算法研究与应用

对基于参考标签的最近邻居定位算法提出了若干改进,提出了动态k值设定的方法,参考标签可信度的概念和最近邻标签偏差校正算法,并采用了目标标签历史轨迹算法.基于多天线的时分复用搭建了室内定位系统,并且依据改进后的算法开发了相应的界面软件.实测表明改进算法的定位精度和在恶劣环境下定位结果的稳定度比原算法有了明显提高.     

采用时间标签抗干扰算法的高精度直流电压测量

提出了采用一种改进的移动防脉冲抗干扰平均数字滤波算方法,设计了一种高精度、高性价比的直流电压表。在传统滤波法基础上,算法设计采用时间标签实现了移动防脉冲干扰平均数字滤波的采样值实时更新,从而提高了采样的时效和精度;硬件设计采用高精度的A/D转换芯片HI-7159A。实验证明该电压表的精度最高可达到5 ppm。     

视频网站中长尾物品的推荐方法

目前国内外的各大视频网站中均存在严重的长尾效应问题.为降低视频推荐系统中长尾效应的影响,本文提出了基于改进的协同过滤的长尾物品推荐算法PGSim-CF.PGSim-CF算法首先利用pagerank算法计算各物品的初始化权值,然后通过同类视频物品中热门物品的权值去优化冷门物品的权值,与此同时惩罚热门物品的权值,得到各视频物品的最终权值,最后将获得的权值代入协同过滤物品相似度的计算中.实验结果表明,同传统的协同过滤UserCF算法以及文献[1]中所提出的SimCF-ACT算法相比,PGSimCF算法的性能更好.     

两阶段三维滤波的红外图像去噪算法

针对获取的红外图像含有的噪声,利用图像中的自相似性统计特性,提出两阶段三维滤波的红外图像去噪算法。算法通过块匹配分组,两阶段联合滤波和聚集三个步骤来实现对图像的初次估计和最终估计。初次估计线性硬阈值滤波实现。最终估计采用非线性维纳滤波实现。实验结果表明,与PDE,BLS-GSM相比,算法在图像视觉质量,输出PSNR和和执行时间上具有更好的优势,适合于实时性应用场合。     

An efficient tag-based routing algorithm for the backward network of a bidirectional general shuffle-exchange network

This letter considers the problem of designing efficient routing algorithms for the backward network of a bidirectional general shuffle-exchange network (BNBGSEN for short); switch elements in the network are of size k/spl times/k. It has been shown in (Z. Chen, et al., 2003) that the algorithm in (K. Padmanabham, 1991) can be used to obtain (as many as k) backward control tags for a source j to get to a destination i in a BNBGSEN. In this letter, we show that a BNBGSEN has a wonderful property: for each destination i, there are two backward control tags associated with it such that every source j can get to i by using one of the two tags. We use this property to derive an efficient tag-based routing algorithm.     

协同过滤中的相似性度量方法的研究

现今,推荐系统越来越受到重视和普及,协同过滤算法是应用最为广泛的个性化推荐技术之一,对基于用户和项的协同过滤推荐算法进行简单的阐述之后,着重对相似性度量方法进行了研究,分别介绍了相关相似性、余弦相似性和调整的余弦相似性,在稀疏数据下对这3种相似性度量方法进行了分析与比较,在最终给出分析结论,并在此基础上提出了改进的相似性计算方法。     

一种改进的混合协同过滤推荐算法

传统协同过滤算法存在着相似度计算差和因数据稀疏而导致推荐信息不准确问题。文中通过改进相似度计算方法,提出新的混合协同过滤算法框架,以提高推荐质量。其中,对相似度计算方法的改进采用加权方式,而新的框架是将基于内存的两种协同过滤算法进行结合,最终得到一种混合协同过滤算法。通过Netflix提供的数据集进行实验,实验结果表明,该算法相比于传统协同过滤算法有更好的效果。     

融合显/隐式信任协同过滤算法的差分隐私保护

融合显/隐式信任关系的社会化协同过滤算法TrustSVD在推荐系统中有广泛的应用,但该算法存在用户隐私泄漏的风险.基于背景知识的用户个人隐私信息推断是当前Internet用户隐私信息泄漏的巨大隐患之一,差分隐私作为一种能为保护对象提供严格的理论保证的隐私保护机制而备受关注.本文把差分隐私保护技术引入TrustSVD中,提出了具有隐私保护能力的新模型DPTrustSVD.理论分析和实验结果显示,DPTrustSVD不仅为用户的隐私信息提供了严格的理论保证,而且仍然保持了较高的预测准确率.     

分组自适应分配时隙的RFID防碰撞算法研究

为了解决射频识别(Radio Frequency IDentification,RFID)系统中的多标签防碰撞问题,在分析帧时隙ALOHA算法的基础上,提出一种基于分组自适应分配时隙的RFID防碰撞算法(GAAS).首先让阅读器对标签随机所选的时隙进行扫描统计,并将其发送给每一个标签,标签再进行相应地时隙调整,使阅读器跳过空闲时隙和碰撞时隙,自适应地分配有效时隙,进而对标签进行快速识别.当未识别标签数比较大时,算法采用分组以及动态调整帧长等策略,以减少时隙处理的时间.仿真结果表明:GAAS算法提高了系统的识别效率和稳定性,降低了传输开销.特别是当标签数超过1000时,该算法的吞吐率仍保持在71%以上,比传统的帧时隙ALOHA-256算法和分组动态帧时隙ALOHA算法的系统效率分别提高了300%和97.2%.