基于模糊神经网络的服装号型推荐专家系统

该文提出了基于模糊神经网络的服装号型推荐专家系统,将专家系统、模糊神经网络的计算优势与服装号型结合实现面向个体尺寸的服装号型推荐,通过定义方案矩阵、权重矩阵和匹配度矩阵规范了服装号型的推荐流程。最后针对测量样本通过对5·4系列女长袖衬衫的号型推荐,验证了该方法可行性。该方法具有计算简单和结果准确的优点,能快速地为顾客在线购买服装提供全面、客观、科学的决策参考,具有重要的研究价值和广泛的应用前景。     

基于知识图谱的多目标学习资源推荐算法

为解决在线学习中出现的“认知过载”和“学习迷航”等问题,针对用户的个性化学习需求,同时考虑知识点之间的逻辑关系,本文将知识图谱融入学习资源推荐模型.首先构建了学科知识图谱、学习资源模型和用户数学模型,综合考虑用户的兴趣偏好、用户知识库与学习资源所涵盖知识点的关联度以建立多目标优化模型.然后使用自适应多目标粒子群算法对模型求解,基于个体拥挤距离降序排列缩减外部种群规模,获得了分布特征良好的两目标Pareto前沿,输出推荐资源序列.实验时通过与标准多目标粒子群算法对比并使用HV、IGD指标对模型进行评价,验证了其多样性和稳定性,证明了算法良好的全局寻优和收敛性能.采用五折交叉验证了算法良好的推荐效用.     

基于混合智能算法的组卷策略研究

提出了基于混合智能算法的组卷策略,将神经网络、改进遗传算法的计算优势与自动组卷数学模型相结合,以用户理想试卷中的试题参数作为神经网络的训练样本,对影响组卷效果的各项指标的权重进行自学习,将得到的权重矩阵用于遗传算法的适应度函数的设计中,并对遗传算法的编码方案、遗传算子进行了改进。实验结果表明,该算法可以有效地提高智能组卷的速度以及成功率。