基于用户推荐影响度的并行协同过滤算法

基于共同评分与项目全集的相似度未甄别近邻的推荐影响力,导致推荐质量低,可扩展性差。为此,提出了一种基于推荐影响度的并行协同过滤算法。该算法通过非共同评分项目、共同评分项类以及用户访问次数来计算用户推荐新颖度与兴趣重合度以度量用户推荐能力,并融入相似性计算来抑制相似度高但推荐力不强的用户,避免在项目全集上计算相似度,从而提高推荐质量;通过MapReduce并行化,使其具备良好的实时性和可扩展性。实验结果表明,该算法在海量数据集上的推荐质量更高,可扩展性更强。     

基于云计算平台的动态电源管理策略研究

低功耗的嵌入式系统是物联网的核心技术之一。而应用于嵌入式系统中的动态电源管理是保证系统低功耗和可靠运行的关键。利用云计算平台,提出了一种基于自适应学习过程的神经网络算法,用来预测电源系统的欠载状态。实验结果表明,该方法具有很强的适应性和稳定性,对于嵌入式系统的空闲时段的预测,具有相当的准确性。