用于社交推荐的增强影响扩散模型

随着网络上创建连接、协作、共享的全新变革方式的出现,互联网上丰富的社交行为现象引起了研究者和实践者的关注.近年来,随着社交网络平台的普及与推广,基于社交网络的推荐系统也成为了个性化推荐领域的研究热点之一,社交推荐系统可以利用社交网络来缓解传统的推荐算法中数据稀疏性问题.在社交网络中,社交关系影响起着重要作用,而用户信任是社交关系形成的基础,每一个用户会受到其信任的用户影响,这些被信任的用户也会被自己的社交关系所影响,这就表明了联系在一起的用户会相互影响,导致社交联系之间的用户偏好具有相似性.用户的信任关系影响着用户偏好的推断,同时用户受到其信任用户的社交关系影响,而这些社交关系影响在社交网络中递归传播和扩散.因此,基于社交推荐算法研究的关键就在于信任信息的挖掘和利用.在基于社交网络的推荐领域中,比较有代表性的模型为Diff Net,该模型未充分考虑到信任问题,同时,在递归计算长距离的社交关系时,有额外的噪声,影响推荐预测的质量.本文提出了基于Diff Net改进的社交推荐模型-EIDNet.首先,该模型在模拟社交关系影响扩散过程时,通过用户对物品的历史交互记录建立用户间的信任关系,并融...     

湖南广播电视台国际频道新增百万中国香港用户“文化出海”擦亮电视湘军品牌

2021年1月20日00:00,湖南广播电视台国际频道进入中国香港有线网络,新增百万中国香港用户。此外,中国香港150多家四星以上酒店也将同步可以收看到湖南国际频道。其独立运营的湖南省外宣融媒体矩阵现已集结了30余家新媒体平台,并在Youtube、Titter、Instagram、Facebook等海外平台实现自主全维运营。     

邯钢镀锌线光整机的振动故障分析与解决

光整机是镀锌线中一个关乎产品表面质量和内在性能的重要设备,振动故障的出现会严重影响带钢产品的质量。现对镀锌线光整机的振动故障进行简析,找到了导致振动故障的原因,并采取了相应措施。     

多重驱动模式下开放式知识网络的时空演化模型及治理策略

开放式复杂网络下知识的快速流转及有效分配决定着跨时空知识创新与价值创造的实现,在揭示开放式知识网络典型特征的基础上,结合网络参与主体的联合程度,针对联合式、强驱动式及无意识式多重驱动模式阐述知识结构布局的存量、流量和转量的影响要素与作用机理。建立开放式知识网络总量的二元时空交流域方程,深入挖掘网络时空分布的测度方法与演化特征。运用多层次案例研究方法,分析2012～2017年间3类知识服务网络的产生与演变过程,提出知识网络的治理策略。研究发现,不同驱动模式下的网络知识构成伴随组织形态不断演化发展,呈现为获取渗透、交换潜化、扩散倍化及转化应用4个阶段。知识市场缺口与地理缺口的时空距离不断减少,知识溢出效果不断增强,有效的知识治理方案有助于开放式知识系统的形成。     

基于Robot输送的多层穿梭车仓储系统设计与性能分析

传统多层穿梭车存储系统(Multi-Tier Shuttle Warehousing System,MTSWS)中拣选台前端的输送线成为制约系统拣选效率的主要因素,为进一步增强多穿系统的灵活性,提高拣选效率,提出基于Robot输送的多层穿梭车仓储系统,首先设计该系统的组成设备、整体布局及拣选作业流程,然后运用开环排队网络(Open Queuing Network,OQN)建模方法,建立订单服务时间模型,从订单服务时间、Robot等待时间和Robot利用率等系统性能,进行订单到达率和Robot数量敏感度分析,发现当存储容量越大,订单到达率越高或变动幅度越高时,基于Robot输送的多层穿梭车存储系统的优势越明显。     

基于密度聚类的光条中心线提取方法

为了解决线结构光3维测量中噪声光斑对提取精度的影响，采用了密度聚类灰度重心提取算法提取激光光条中心线。该方法由中心线预提取以及中心线最终提取两阶段组成，预提取阶段实现对激光与光斑两者中心线的同时提取，最终提取阶段采用基于连通性的密度聚类算法完整保留激光中心线并剔除噪声光斑。在仿真实验阶段，对大小为600pixel×600pixel、含有激光中心线的图像进行了加噪处理，并使用提取结果与真实中心线之间各点的均方根误差以及运行时间作为考察标准进行了实验研究。结果表明，该方法与传统灰度重心法相比，在高亮度各向异性光斑、高亮度小面积光斑、高亮度点噪声图像的均方根误差分别降低了12.59pixel，15.12pixel和83.36pixel，时间复杂度分别提高了0.383s, 0.412s和0.416s。该方法与传统灰度重心法相比具有更高的提取精度、近似的时间复杂度，且对噪声光斑具有较好鲁棒性，可以在噪声光斑图像中完整提取出光条中心线。     

基于集成DBN的肺部肿瘤计算机辅助诊断模型研究

针对目前肺部肿瘤计算机辅助诊断模型存在的识别精度不高和漏诊率、误诊率降低困难等问题,提出一种基于集成深度信念网络(DBN)的肺部肿瘤计算机辅助诊断模型。首先,探讨不同的隐层数和隐层节点数对DBN识别性能的影响,从而确定合适的网络结构,并以该网络结构在三个模态(CT,PET,PET/CT)肺部图像构成的样本空间构建三个单一DBN个体分类器(CT-DBN,PET-DBN,PET/CT-DBN);然后,探讨输入图像大小、RBM学习率、训练批次大小、反向传播次数对DBN识别性能的影响,从而确定合适的参数训练三个单一DBN个体分类器;最后,采用"相对多数投票法"对三个DBN个体分类器进行集成,得到该模型的最终结果。实验结果表明,基于集成DBN的肺部肿瘤计算机辅助诊断模型的整体性能优于三个单一DBN个体分类器。