Q-learning算法优化的SVDPP推荐算法

为进一步改善个性化推荐系统的推荐效果,通过使用强化学习方法对SVDPP算法进行优化,提出一种新的协同过滤推荐算法。考虑用户评分的时间效应,将推荐问题转化为马尔科夫决策过程。在此基础上,利用Q-learning算法构建融合时间戳信息的用户评分优化模型,同时通过预测评分取整填充和优化边界补全方法预测缺失值,以解决数据稀疏性问题。实验结果显示,该算法的均方根误差较SVDPP算法降低了0.005 6,表明融合时间戳并采用强化学习方法进行推荐性能优化是可行的。     

基于加权特征投影的信源数估计方法

考虑到色噪声或低快条件下噪声特征值发散,导致基于特征分解的信源数估计方法得到的信号判据值和噪声判据值区分不明显,提出了一种基于加权特征投影的信源数估计方法;首先,为了使该方法可适用于低信噪比条件,对阵列接收数据的协方差矩阵进行降噪处理,并利用降噪后协方差矩阵所有特征值和特征向量构造了一个用来区分信号和噪声的加权空间矩阵;然后,将降噪后的协方差矩阵在该加权空间矩阵上投影,从而增大了信号判据值与噪声判据值的差异;最后,结合幂函数的缩放性构建了判决函数,进而实现信源数估计;通过理论分析和实验验证,该方法不仅适用于白噪声和色噪声条件,而且在低快拍和低信噪比条件下优势明显,在快拍数为10,信噪比分别为0 dB的白噪声和6 dB的色噪声条件下,该方法的成功检测概率均达到90％以上,同时该算法在信源数较多时效果鲁棒.     

基于模型的测试用例生成方法

在大量软件出现的今天,除开软件的功能是否完善外,对软件本身提出了更高的安全性和稳定性要求;一款软件在上线前需要进行大量的测试,以便提升软件的质量;由于开发人员参与了软件的研发及上线流程,导致了看待软件问题的局限性,而测试人员在编写测试用例时,往往由于依据文档的不一致性,使得测试用例的价值大打折扣;并且在实际软件的开发流程中,测试环节与开发严重脱节;往往只是为了出相应的测试报告而去测试,偏离了测试的初衷;针对以上问题,提出基于模型的用例生成方法,能够基于工作流程图、判定表、状态转换等多种测试方法,并在该方法中应用边界值与等价类的思想,够贯穿整个软件研发的生命周期,在软件研发初期就能够参与测试,提出设计方案的不足;并且能够自动生成测试用例,提高测试人员的效率.     

基于粗糙集数据挖掘方法的最大功率研究

风电机组在运行过程中会产生大量的机组数据,随着大量数据的积累及数据库的应用,为了有效地利用产生的有用数据,运用粗糙集数据挖掘方法对数据的属性进行简约、决策,发现数据之间的关联规则,为机组高效运行提供条件.仿真结果表明,基于粗糙集数据挖掘方法不仅可以减小特定属性信息提取的工作量,还能在数据分析中发挥决策的优越性.     

对潭口新区工程方案编制与实践的认识

潭口新区建设方案编制以节能降耗为出发点,机采系统依靠井底流压和目标产量确定工作参数,杆柱组合采用能耗最低设计方法,根据斜井抽油杆侧向力分布状况设计抽油杆扶正器设置间距;注水系统优化地面管网布局,降低了高压注水单耗;集输系统对单井集油管线进行了优化设计,充分利用油井伴生气资源,实现了单管常温集输和单管油气密闭集输,减少了原油损耗,降低了区块的能耗水平。     

精密铸造4种制壳工艺特点分析及改进方向探讨

对目前国内精铸行业中广泛应用的4种制壳工艺的特点进行了分析对比。从精铸件质量比较，水玻璃型壳较差，复合型壳、硅溶胶-低温蜡型壳次之，硅溶胶-中温蜡型壳最好。而从制壳成本比较，水玻璃型壳最低，硅溶胶-中温蜡型壳最高。对这4种制壳工艺分别提出了改进措施。     

模具质量管理决策支持系统体系结构的建立与分析

为了更好地对模具质量进行评价和预测,采用基于体系结构的软件开发模型,从体系结构需求、体系结构设计、体系结构实现等几个方面阐述了模具质量管理决策支持系统的建立和分析过程,从而开发出高质量的管理决策支持系统.企业应用结果表明所建立的决策支持系统可以应用于模具质量的评价和预测.     

基于三支决策理论的条件属性权重构造方法

针对传统决策过程中权重规则确定的主观性和参数数值计算的不确定性问题,在粗糙集和三支决策理论的基础上,对条件属性权重构造方法进行了研究。重新定义了属性确定度和属性约简度,提出了一种属性权重构造方法,通过实例将该方法与其它条件属性权重构造方法进行了分析比较,证明了其有效性。该方法基于数据本身,不需要先验信息,从客观的角度对属性进行判断,决策者通过该方法可以得到更加合理的权重分配,做出符合实际的决策。该论文对研究属性权重分配问题,具有一定的理论价值。     

LiDAR点云支持下地物精细分类的实现方法

在遥感数据分类中,获取精细的地物类别无疑能够传递更加丰富的信息量,进一步加深对遥感数据的理解和解译。在机载LiDAR点云高程数据的支持下,提出并实现了遥感影像上地物精细分类的方法。为保证高精度地同种地物再划分,综合考虑配准、辅助数据源、首次回波、点云密度及影像空间分辨率4种因素,并重点解决了点云密度与影像空间分辨率不匹配的问题,利用决策树显著地提高了影像上建筑物、植被的分类数量,使点云与影像联合分类的优势得到体现,达到了分类精度与地物类别数量相统一的目的。     

高光谱影像的BDT-SVM地物分类算法与应用

面对海量数据的特征空间高维性及训练样本的有限性,高光谱遥感影像若采用常规统计模式的分类方法难以获得较好的分类结果。因此探讨支持向量机(SVM)分类器的基本原理,针对EO-1Hyperion高光谱影像的分类特点及现有多类SVM算法所存在的训练时间长及分类精度低等问题,引入二叉决策树SVM(BDT-SVM)分类算法,并提出一种新的类间分离度定义方法及相应的客观确定二叉树结构的策略,由此生成改进的BDT-SVM算法。实验结果表明:与其他多类分类方法相比,基于改进的BDT-SVM算法的高光谱影像地物分类效果更好,总体精度达到90.96%,Kappa系数为0.89,该算法还解决了经典SVM多类分类可能存在的不可分区域问题。