淀粉结晶度计算的新方法

分析X射线衍射仪的不同衍射角范围、步长及扫描速率等测试因素对淀粉的X射线衍射图谱的影响;使用MDI Jade 软件采用两种方法实现淀粉结晶度的计算。结果表明：当设置衍射角范围为4～60°,步长为0.02°,扫描速率为10°/min时,分析测试结果较好;测试衍射角范围取4～30°之间时,计算结晶度的主观性因素影响相对减小,可快速、简便、可靠的计算结晶度大小,测得玉米、马铃薯、木薯淀粉相对结晶度分别为26.7%、18.4%和26.5%。     

面向推荐系统的音乐特征抽取

音乐推荐系统是指根据用户的历史浏览数据,从候选库中推荐给用户可能喜欢的音乐的一种新型网络服务。该系统的关键在于需要对整个数据库按照音乐风格进行分类,基于此提出一种新的音乐特征处理方法来完成音乐库分类,以有效实现音乐推荐。该方法首先为候选音乐库构建常规的音乐特征数据集,然后基于分形理论对数据集进行属性约简,获取每一首音乐的推荐特征向量,并且依据特征向量的特点,定义了一种新的距离度量方法。在包含六种风格的音乐数据库的实验中,仿真结果证明了提出的音乐推荐特征和距离度量的有效性,与现有的基于内容的音乐检索研究相比,音乐推荐特征的使用极大地降低了对数据库存储量的需求,对音乐推荐系统的网络开发具有很好的应用价值。     

结合用户信任模型的协同过滤推荐方法研究

协同过滤推荐是当前最成功的推荐技术之一,在电子商务推荐服务中得到了广泛的应用,它根据和目标用户具有相似行为的用户对项目的评价来进行推荐。鉴于传统的协同过滤推荐算法过于强调相似性的作用,并且和用户的认知习惯矛盾,引入了社会学中较成熟的信任机制来改进传统算法。实验结果表明,改进方法是有效的,它和传统的协同过滤推荐算法相比有更好的推荐质量。     

Study on Novel Polyester/Epoxy Powder Coatings for Energy Conservation

Thermosetting polyester/epoxy powder coatings have the advantages of solvent-free and pollution-free,however traditional thermosetting polyester/epoxy powder coatings cured at temperature between 180℃ to 200℃.It not only increased energy consumption but also negatively affected substrate sensitive to heat.Therefore,in this paper,a novel polyester/epoxy powder coatings were prepared by unsaturated polyester (UP) with groups cured at low temperatures synthesized by ourselves,and the effects of the synthesis of UP,the coating formulations and the curing system on the properties of the novel powder coatings were discussed.Meanwhile we tried to reduce the curing temperature and improve the storage stability of the coatings based on the excellent performances of the film to achieve energy conservation.     

基于网络云团的聚合协作推荐方法

推荐技术是处理信息过载问题的关键技术之一。提出了基于网络云团的聚合协作推荐方法,利用云模型得到网络云团内的用户推荐偏好云,然后在网络云团间进行聚合协作推荐。在项目云团基础上,对推荐中的新用户冷启动问题进行了应用分析,提高了推荐的性能。     

高效煤用捕收剂EC-9800的应用效果实验研究

介绍了一种新型高效煤泥浮选捕收剂EC-9800,通过其实验室浮选实验结果与常规浮选药剂的实验结果的对比表明,EC-9800具有选择性好、分选效率高、节约药量的特点。与煤油相比,在精煤灰分相同的条件下,可节省用药50%以上。这种高浮选精煤产率与低选煤药耗的联合作用,将给选煤厂带来可观的经济效益。     

基于多主题追踪的网络新闻推荐

针对网络新闻推荐系统推荐准确率偏低的问题,提出一种基于多主题追踪的网络新闻推荐算法。基于多主题追踪的推荐算法采用多个用户模型表示用户对不同主题的兴趣,并动态更新用户模型以动态反映用户的兴趣变化。实现了网络新闻推荐系统的核心推荐算法,并在标准路透社新闻数据集(RCV1)上验证了算法的有效性,有效提升了新闻推荐的准确率。     

基于用户和项目因子分析的混合协同推荐算法

为解决协同过滤推荐(CFR)算法中的数据量过大和数据稀疏性的问题,采用因子分析的方法对数据降维,并使用回归分析方法预测待评估值,既减少了数据量又最大限度保留了信息。该算法首先,采用因子分析的方法将用户和项目降维为若干用户因子和若干项目因子;然后,以目标用户为因变量,以用户因子为自变量建立一个回归模型,并且以待评价项目为因变量,以项目因子为自变量建立另一个回归模型,进而得到目标用户在待评项目上的两个预测值;最后,通过两者的加权得到最终的预测值。实验仿真证实了算法的可行性和有效性。实验结果表明,该算法比基于项目的协同过滤推荐算法在精确度上有所提高。     

反事实增强的对抗学习序列推荐

最近,强化学习技术在序列推荐系统取得成功,它能从用户长期反馈信号中学习有效的推荐策略.然而,模型的激励函数设计面临区分度过低的难题.这限制了模型学习不同用户反馈信号间的价值差异的能力,并导致推荐策略总是次优的.现有工作主要通过调节衰减因子来保证激励函数区分度,但它依赖专家先验知识缺乏理论基础.为了更合理地设计激励函数和提高其区分度,本文依据因果论来分析推荐系统,并提出一种基于反事实区分度增强的序列推荐算法CAL4Rec.首先,所提出方法用结构因果图描述序列推荐过程,并创造性地用因果图定义了因果可鉴别的价值激励区分度.其次,该方法用反事实生成对抗的自监督学习过程优化推荐策略网络,以学习用户的真实倾向.在一系列序列推荐基准数据集上,对CAL4Rec开展了广泛对比和消融实验,实验结果表明CAL4Rec的提升对多种网络实现结构有效(平均2.34%).     

基于大数据的UserBased推荐算法的研究

在科技迅速发展的时代,人们不断地接触新事物和新技术来提高自己,因此,网购成为了最受大家追捧的生活方式之一.论文以电商平台的商品为研究对象,提出了基于用户推荐算法的研究与改进.论文主要研究的是UserBased协同过滤推荐算法,此算法的优点是可以实现跨领域、惊喜度较高;同时也存在着不足之处,比如,推荐结果的个性化比较弱、...