融合改进加权Slope One的协同过滤算法

针对传统协同过滤算法中存在的数据稀疏性问题,提出一种融合改进加权Slope One的协同过滤算法.该算法首先使用改进后的Slope One算法计算出的评分预测值,对初始的用户-评分矩阵进行有效填充,然后在新的评分矩阵上通过基于内存的协同过滤算法进行预测与推荐.经改进Slope One算法填充后的矩阵不仅大大降低了原始评分矩阵的稀疏性,同时也避免了回填数据过于单一的问题.在MovieLens-100k数据集上对文中算法进行仿真实验,结果表明,改进算法有效降低了MAE和RMSE,在提高推荐准确度的同时也缓解了数据稀疏性的问题.     

改进的YOLO特征提取算法及其在服务机器人隐私情境检测中的应用

为了提高YOLO识别较小目标的能力,解决其在特征提取过程中的信息丢失问题,提出改进的YOLO特征提取算法.将目标检测方法DPM与R-FCN融入到YOLO中,设计一种改进的神经网络结构,包含一个全连接层以及先池化再卷积的特征提取模式以减少特征信息的丢失.然后,设计基于RPN的滑动窗口合并算法,进而形成基于改进YOLO的特征提取算法.搭建服务机器人情境检测平台,给出服务机器人情境检测的总体工作流程.设计家居环境下的六类情境,建立训练数据集、验证数据集和4类测试数据集.测试分析训练步骤与预测概率估计值、学习率与识别准确性之间的关系,找出了适合所提出算法的训练步骤与学习率的经验值.测试结果表明：所提出的算法隐私情境检测准确率为94.48%,有较强的识别鲁棒性.最后,与YOLO算法的比较结果表明,本文算法在识别准确率方面优于YOLO算法.     

KJN-Ⅲ型尿醛呋喃树脂在我厂的应用

1.概况尿醛呋喃树脂是冷硬树脂的一种,它的含氮量高,但由于硬透性好,刺激性气味小,价格较便宜和工艺性能稳定,在生产上使用更引人注目。     

基于自我监督学习策略的层智能图卷积网络

为了解决当前图卷积网络需要依赖大型数据集,从而导致时间和空间复杂度上升问题,提出了基于自我监督学习策略的层智能图卷积网络(RRLFS-L-GCN)。首先,通过在层智能图卷积网络(layer-wise graph convolutional network, L-GCN)中添加多任务机制以提高算法的泛化能力;然后,设计一种随机删除固定步长边(aandomly remove links with a fixed step, RRLFS)的自我监督学习策略,从而提出基于自我监督学习策略的层智能图卷积网络算法;最后,通过边预测验证RRLFS-L-GCN的性能。实验结果表明,该算法的识别率最高可达97.13%。对于Cora测试集,该算法所得识别准确率比未改进的层智能图卷积网络算法提高了6.73%。对于PubMed测试集,该算法所得识别准确率比未改进的层智能图卷积网络算法提高了8.13%。与图卷积网络相比,在Citeseer数据集上,识别准确率提高了18.43%。     

认知计算与智能设计研究综述

目的 促进认知计算与智能设计的创新与应用。方法 从用户需求分析、机械创新设计、图像生成、疾病诊断、在互联网上的应用、产品评价等6个方面总结了认知计算与智能设计的最新进展。结论 结合认知计算方法的智能设计,提高了设计效率,加快了设计的自动化与智能化步伐,但认知计算与智能设计面临诸多机遇与挑战。     

基于多指标正交实验的并联混合动力汽车控制策略参数分析

针对并联式混合动力汽车电辅助控制策略的参数优化问题,基于多指标正交优化设计理论,以混合动力汽车的燃油消耗、CO排放量、HC和NOx的总排放量为实验指标,设计了正交优化实验表。运用直观分析法分析了18组实验结果,量化研究了控制策略参数对并联式混合动力汽车整车性能的影响,找出了各个指标的显著性影响因素。     

基于分等级公平竞争模型的可持续模拟退火算法的应用

通过改进可持续模拟退火算法(HFCSA)算法的个体定义与编码方式、种群的生成方式以及设计新的算子,成功解决了医学实验安排这种带约束的优化问题。设计的最优实验方案所需时间是某医学院所使用方案的77%,拓宽了算法的应用领域,为带约束优化问题的求解找到了新的途径。     

改进的克隆选择算法与SPEA相结合的进化算法

为了使进化过程中子代的繁殖能够像生物繁殖那样继承进化信息,通过挖掘抗体中优秀决定基并生成记忆集、增加高斯变异、用变异抗体群中亲和度高的抗体按概率替换记忆抗体群中低亲和度抗体等策略,提出了一种改进的克隆选择算法（ICSA）。将ICSA与SPEA相结合,形成了一种改进的克隆选择算法与强度Pareto进化算法相结合的新型的进化算法（ICSA-SPEA）。ICSA-SPEA通过克隆选择替代选择、交叉、重组等遗传操作。用一组多目标0/1背包问题测试算法性能的统计结果表明,改进的算法可以有效保持种群多样性,具有良好的收敛精度与准确度。     

基于相似性排挤与适应值分层计算的可持续Pareto遗传算法

在研究并实现计算复杂度仅为O（Nlog2N’）的基于相似性排挤的小生境技术（NTSC）、快速适应值分层算法（FHFS）的基础上，提出了基于相似性排挤与适应值分层计算的可持续Pareto遗传算法（SPGA）。SPGA采用了进化操作种群与外部种群两个种群。外部种群用于存储当前最优解集，利用基于模糊推理机制提出的NTSC来维持种群多样度，使外部种群中存储的Pareto非劣解集均匀地逼近问题的理论最优面；采用将个体按其所处层次来精确标识个体适应能力的FHFS来辨识个体适应值，避免适应值特别高的个体抑制适应值比它低的个体。仿真优化结果表明，SPGA能够以较小的计算成本搜索到高精度的、分布均匀的pareto非劣解集。