基于数据降维与精确欧氏局部敏感哈希的k近邻推荐方法

针对基于k近邻的协同过滤推荐算法中存在的评分特征数据维度过高、k近邻查找速度慢,以及评分冷启动等问题,提出基于数据降维与精确欧氏局部敏感哈希（E²LSH）的k近邻协同过滤推荐算法。首先,融合评分数据、用户属性数据以及项目类别数据,将融合后的数据作为输入对堆叠降噪自编码（SDA）神经网络进行训练,取神经网络编码部分最后一个隐层的值作为输入数据的特征编码,完成非线性降维。然后,利用精确欧氏局部敏感哈希算法对降维后的数据建立索引,通过检索得到目标用户或目标项目的相似近邻。最后,计算目标与近邻之间的相似度,利用相似度对近邻的评分记录加权得到目标用户对目标项目的预测评分。在标准数据集上的实验结果表明,在冷启动场景下,均方根误差比基于局部敏感哈希的推荐算法（LSH-ICF）平均降低了约7.2%,平均运行时间和LSH-ICF相当。表明该方法在保证推荐效率的前提下,缓解了评分冷启动问题。     

Low Phase Noise VCO using Novel Harmonic Control Circuit Based on Quad-band Composite Right/Left-handed Transmission Line

In this paper,a novel Voltage-Controlled Oscillator(VCO)using the harmonic control circuit based on the quad-band Composite Right/Left-Handed(CRLH)Transmission Line(TL)is presented to reduce the phase noise without the reduction of the frequency tuning range and miniaturizing the circuit size.The phase noise has been reduced by the quad-band harmonic control circuit which has the short impedance for the second-and third-and fourth-and fifth-harmonic components.The CRLH TL with two Left-Handed(LH)(backward)and two Right-Handed(RH)(forward)pass bands are used to design the quad-band harmonic control circuit.The high-Q resonator has been used to reduce the phase noise,but it has the problem of the frequency tuning range reduction.However,the frequency tuning range of the proposed VCO has not reduced because the phase noise has reduced without the high-Q resonator.The miniaturization of the circuit size is achieved by using the quad-band CRLH TL instead of the conventional RH TL.The phase noise of VCO is-124.43～-122.67 dBc/Hz at 100 kHz in the tuning range of 5.729～5.934 GHz.     

基于类别转移加权张量分解模型的兴趣点分区推荐

基于位置社交网络的兴趣点(POI)推荐是人们发现有趣位置的重要途径,然而,现实中用户在不同区域的地点偏好侧重的差异,加之高维度的历史签到信息,使得精准而又个性化的POI推荐极富挑战性.对此,该文提出一种新型的基于类别转移加权张量分解模型的兴趣点分区推荐算法(WTD-PR).通过结合用户连续行为和时间特征,来充分利用用户...     

不同加热非燃烧再造烟叶特性研究

为更好地了解加热非燃烧烟草材料特性,收集了造纸法、辊压法、稠浆法3种工艺制造的加热非燃烧再造烟叶烟草材料,从微观结构、纤维形态、抗张性能、再造烟叶化学成分、烟气化学成分、感官质量等方面进行了系统研究。结果表明,造纸法加热非燃烧再造烟叶的微观结构及纤维形态与其他2种截然不同,主要是纤维交织形成的网状结构,辊压法与稠浆法加热非燃烧再造烟叶的微观结构主要是烟草颗粒结聚形成的不平整平面,三者的抗张强度与断裂拉伸伸长率呈反比;3种加热非燃烧再造烟叶的水分及甘油含量均较高,其对应烟气中的水分及甘油含量亦然,且3种再造烟叶和其对应烟气中水分及甘油含量呈正比关系,3种再造烟叶烟气中除甘油焦油释放量均明显低于传统烤烟型卷烟;辊压法和稠浆法加热非燃烧再造烟叶的综合感官质量接近,均优于造纸法的。     

副溶血性弧菌拮抗菌的筛选鉴定及抑菌物质特性研究

为获取既可抑制食源性致病菌又可抑制水产致病菌的益生菌株,以人畜共患致病菌副溶血性弧菌(Vibrio parahaemolyticus ATCC17802)为指示菌,采用点种法初筛以及打孔扩散法复筛,得到1株来源于上海东海海水的H19菌株,其抑菌物抑菌圈直径达(17.16±0.28)mm。通过形态观察及16SrDNA序列分析可知,菌株H19为枯草芽孢杆菌(Bacillus subtilis H19,GenBank登录号:MG383451)。将菌株H19进行抑菌谱试验,探究菌株H19抑菌物的理化性质,并且抑菌物通过硫酸铵沉淀及不同孔径透析袋截留粗提,粗提物经蛋白酶处理及Tricine-SDS-PAGE蛋白质凝胶电泳可知,该抑菌物具有广谱抑菌活性,既可抑制革兰氏阳性菌又可抑制大部分革兰氏阴性菌,且具有较好的热、pH以及紫外线稳定性,该抑菌物可能为2种新型抗菌肽,分子量分别在6.5~9.5kDa以及27.0~35.0kDa。由此可见,枯草芽孢杆菌H19所产抗菌肽具有防治食源性疾病以及水产疾病的应用潜力。     

土工格栅返包土工袋加筋土挡墙的地震响应分析及设计建议

为了研究土工袋加筋土挡墙在地震作用下的抗震性能,开展了大型的振动台模型试验。结果表明：随着加载的持续进行,挡墙模型的自振频率降低,阻尼比增加;PGA放大系数随输入地震动峰值加速度的增大而减小,墙高对PGA放大系数的影响反倒不大。土工袋加筋土挡墙的峰值动土压力呈现“中间小,两头大”的分布规律,且墙高越高,输入地震动峰值加速度越大,峰值动土压力越大,而不同地震波形的频谱差异对土压力量值和分布的影响较小。通过数值模拟研究了坡度对土工袋加筋土挡墙力学特性的影响,认为土工袋加筋土挡墙墙后侧向土压力和筋材的拉应力随着墙体坡度的增大而增大,当墙体坡度小于1∶0.75时,侧向土压力较小;当墙体坡度大于1∶0.75时,墙后土压力迅速增加,土压力的分布图式类似呈三角形分布。筋材的拉应力沿长度方向呈单峰型分布,各层筋材的拉应力随上覆填土厚度的增加而增大,但增加的幅度逐渐减小。另外,土工袋加筋土挡墙的剪应变增量、活动区范围以及位移均随墙体坡度的增大而增大。     

新型成炭剂对PE-LD阻燃性能的影响

以多聚磷酸铵（APP）与新型成炭剂（CNCH-DA）复配成新型膨胀型阻燃剂（IFR）,采用氧指数测定仪、垂直燃烧测定仪、微型量热仪、热重分析仪和扫描电子显微镜研究了CNCH-DA 对低密度聚乙烯（PE-LD）/IFR复合材料阻燃性能的影响。结果表明,当APP与CNCH-DA以质量比5:1复配时,PE-LD/IFR复合材料的极限氧指数达到27.5 %,且达到UL 94 V-0级;当APP与CNCH-DA复配后,PE-LD的燃烧性能下降;APP与CNCH-DA复配后,PE-LD/IFR复合材料的热降解有所推迟;PE-LD/IFR在燃烧后能形成致密且蓬松的炭层,起到良好的阻燃效果,而PE-LD/CNCH-DA则形成蓬松而不致密的微球,阻隔能力差。     

基于社会化媒体情境的多维协同智能推荐

针对传统协同智能推荐技术的冷启动、数据稀缺性问题,为提高推荐算法的效率和准确性,提出一种基于社会化媒体情境的多维智能推荐算法模型。该模型将目标用户的属性特征、行为特征考虑到社会化媒体情境信息中,并动态实时捕捉用户在不同社会化媒体情境下的偏好倾向,利用联机分析处理(OLAP)技术对多维数据进行处理。该模型将用户间的社会化关系和所处的政治经济环境视为衡量用户相似的重要指标,同时使用皮尔森系数和云模型来计算用户间各特征的相似度,并以此为推荐基础向用户呈现更个性化和定制化的推荐结果。实验结果表明,该模型的推荐结果的平均绝对误差明显小于传统的协同智能推荐和单纯的基于云模型推荐技术。     

基于位置编码索引树的个性化推荐算法

针对协同过滤算法在海量数据环境个性化推荐应用中存在的低效率问题,结合MapReduce框架特点,设计了一种应用于个性化推荐的基于位置编码的索引树(LB-Tree),创新性地将索引结构应用于个性化推荐。利用聚类资源的差异性存储策略,提升MapReduce任务处理并行性;根据聚类数据分布特征,以质心为圆心对聚类中的数据对象进行同心圆分层,并对每层采用不同长度的二进制编码来表达,将所有数据对象的编码组织成索引树结构,缩短频繁推荐的数据查找路径,达到个性化推荐时利用索引结构快速确定搜索空间的目的。与基于项目的Top-N推荐算法和基于最近邻的推荐算法(SBNM)相比,LB-Tree所需时间开销增长最慢,准确率最高,验证了方法的有效性和高效性。