基于Web挖掘的用户兴趣建模方法的研究

基于用户兴趣的不同,研究如何针对用户的浏览行为来获取用户的有效兴趣数据,并根据现有用户兴趣模型存在的不足,结合Web挖掘中的相关技术,先显式构建用户兴趣模型,后隐式更新用户兴趣模型,从而实现能适应用户兴趣变化的用户兴趣模型。     

雷达装备参数项目测试级别分析

针对雷达装备参数项目测试级别分析中存在的评价因素多、信息模糊等导致评价结果不合理问题,引入模糊综合评判法来构建评价模型.该模型定义了影响参数项目测试级别的因素量化标度,建立了评价因素集、评语集和权重集,通过专家打分方式构建了单因素评判矩阵,采用加权平均法求得模糊综合评价集和综合评价结果,从而确定被评参数项目的测试级别.实例分析表明:该方法的评价结果合理,可信度高,能较好地解决雷达装备参数项目测试级别的确定问题.     

库容有限且缺陷产品可修复的模糊生产库存模型

研究了模糊环境下库容有限且缺陷产品可修复的经济生产批量问题.在库容有限且缺陷产品可修复条件下,将缺陷率、废品率视为三角模糊数,建立了一个模糊期望值模型,通过求解模型确定最优生产批量及最大缺货量.数值例子表明所建模型是切实可行的.     

高可靠性应急备选路径启发式搜索算法

灾前规划备选路径是减少灾后反应时间、避免灾后次生灾害的有效方法.在路径合理性及共同失效(阻断)的约束条件下,借助路段静态旅行时间的估计及可靠性分析,采用启发式搜索方法进行可部分路段重叠的合理备选路集的构建.通过路径搜索中对高风险路段加权进行有效规避,可得到高可靠性的备选路径集合.通过实例说明了该方法的有效性.     

融合特征关联性的深度哈希图像表示方法

针对深度描述子无法提供图像特征之间关联性的问题进行了研究,提出了一种融合特征关联性的深度哈希图像表示方法,这种方法将深度描述子之间的关系融入到图像内容的描述中,用于提高图像检索性能。首先,通过预训练网络生成图像的特征映射,并在此基础上提取出深度特征描述子。然后,将深度特征描述子映射为深度视觉词,从而用于深度视觉词的频繁项集发现。接下来将离散值的深度视觉词图像表示和哈希值的频繁项集图像表示连接生成图像表示。最后,算法通过图像类内、类间的相似性关系构造优化,得到最优的阈值,用于将图像表示变为哈希值。实验中,将提出的方法与一些优秀的图像表示方法在holiday、Oxford和Paris图像集的图像检索任务中进行了性能比对,用于证明此方法的有效性。     

接运公交网络设计的多目标优化模型及遗传变邻域搜索求解算法

为了使接运公交网络更好地为轨道交通车站集散客流服务,将其作为研究对象,提出了接运公交网络的优化方法.考虑接运公交网络服务的需求量与接运公交供给密切相关、接运公交发车时刻与轨道交通车辆到站时刻构成有序衔接,以接运公交服务的乘客量最大化、接运乘客平均成本最小化、运营成本最小化为优化目标,构建了接运公交网络的多目标优化模型.为求解模型,设计了利用产生式方法获得Pareto解集的遗传-变邻域搜索算法.将设计的遗传-变邻域搜索算法与遗传算法、精确算法分别进行比较,通过算例验证了模型与算法的有效性.     

一种基于形态学编码的地形骨架特征提取方法

鉴于剖面识别骨架特征提取方法(profile recognition and polygon breaking algorithm,PPA)准确性差、不能提取特殊地形等问题,提出了一种结合形态学的剖面识别骨架特征提取方法(profile recognition and polygon breaking algorithm based on morphology erosion,MEPPA).通过剖面识别提取原始的骨架特征候选点,根据方向系数连接成多边形条带,在此基础上提出了生成标量特征域的填充算法;引入形态学区域细化思想,提出了形态编码和骨架特征形态简化算法,将特征域简化为骨架特征线;为了满足各领域对矢量骨架特征的需求,提出了标量特征线复原、检测与优化剔除等策略,准确地复原了矢量骨架特征模型;提出了保留外分支和环路特征的解决方案,解决了传统骨架特征提取方法不能保留较长的主干线以及不能提取环路地形特征的问题.在真实数据上进行了实验研究,结果表明提取的骨架特征形态的整体效果优于传统方法.     

项目子相似度融合的协同过滤推荐算法

针对用户评分数据稀疏性和项目最近邻寻找的不准确性问题,提出了一种项目子相似度融合的协同过滤推荐算法.该算法根据目标用户每一属性取值,选取与该属性值一致的用户作为用户子空间,并在此空间上计算目标项目与其他项目之间的相似度(称其为项目子相似度).在此基础上,以项目子相似度为依据选取目标项目的K最近邻,计算其预测评分;最后对用户不同属性上的预测评分进行加权求和,得到目标项目的最终评分.实验结果表明,该算法能准确地选取目标项目的最近邻,明显改善了推荐质量.     

偏标记学习研究综述

在弱监督信息条件下进行学习已成为机器学习领域的热点研究课题。偏标记学习作为一类重要的弱监督机器学习框架,适于多种实际应用问题的学习建模。在该框架下,每个对象在输入空间由单个示例(属性向量)进行刻画,而在输出空间与一组候选标记相关联,其中仅有一个为其真实标记。本文将对偏标记学习的研究现状进行综述,首先给出该学习框架的定义以及与相关学习框架的区别与联系,然后重点介绍几种典型的偏标记学习算法以及作者在该方面的初步工作,最后对偏标记学习进一步的研究方向进行简要讨论。     

Developing and Verifying a Questionnaire for Evaluating User Value of a Mobile Device

User experience has become a major issue lately with user value as one of its key elements. This study proposes a method to evaluate user value using a questionnaire specialized for a mobile device such as smartphones. The questionnaire was developed considering elements of user value, product features, and context of use. Then, a case study with hundreds of participants was conducted via the Internet to verify and screen out questionnaire items in terms of reliability and validity. Finally, a total of 16 questionnaire items were selected for evaluating elements of user value, consisting of self‐satisfaction, pleasure, sociability, customer need, and attachment. The results of this study are expected to help understand potential users and select design alternatives.