基于蚁群算法的协同过滤推荐系统的研究

协同过滤算法是根据基本用户的观点产生对目标用户的推荐列表,现模拟蚂蚁觅食的原理,将用户视为具有不同属性的蚂蚁,聚类中心视为蚂蚁所要寻找的“食物源”,提出基于蚁群算法实现用户聚类,以提高协同过滤推荐系统的最近邻查询速度,降低搜索开销,同时避免了使用K—Means聚类方法受初始聚类中心和聚类个数的影响。最终实验验证蚁群算法实现用户聚类的有效性,且解决了新用户得不到推荐的问题,并提高了协同过滤推荐算法的精确度。     

改进相似性度量方法的协同过滤推荐算法

协同过滤推荐技术是电子商务推荐系统中应用最成功的个性化推荐技术。但随着电子商务规模的扩大,用户数目和商品数目呈指数级的增长,传统的推荐技术其性能越来越差。因此提出一种新的相似性度量方法,自动生成权重因子,以动态组合项目属性相似度和评分相似度,形成合理的项目相似度,产生项目最近邻居,实现用户评分推荐。实验结果表明,所提的算法在一定程度上提高了推荐的稳定性和精确度,同时解决冷启动问题。     

“桌面服务综合实训” 课程建设的探索实践

"桌面服务综合实训"是一门专业实践课,根据教学计划,采用校企合作的方式选用的教学内容和教学模式,取得了一定的教学效果。这种创新的实践教学模式一改传统的以课程基本理论和教材为主的教学模式及教学体系,可以有效解决知识体系在应用性、开放性、前瞻性和互动性等方面存在局限性的问题,其教学内容的设计和教学模式值得普通高职院校借鉴。     

基于Web属性抽取训练分类模型的方法研究

针对通用搜索引擎信息量大、查询不准确、深度不够等问题,提出了基于Web的产品属性抽取这一新的搜索引擎服务模式。基于Web的产品属性抽取实际就是一个自动分类问题,其任务是：在给定的分类体系下,根据相关产品模板自动地判断属性的是非。完成此任务的关键在于寻找有效的特征值;确定相关分类规则,最终通过P、R和F指标来评价分类算法。     

嵌入式Internet下TCP/IP协议栈中ARP的设计与实现

提出了嵌入式Internet下的TCP/IP协议栈的实现方法,重点介绍了ARP协议层的数据结构和模块的详细设计,最终验证了该协议栈的正确性,并明确了该协议栈的改进方向。     

基于同态滤波的基音检测算法

噪声环境下的基音检测在语音信号分析和识别中占有重要地位.文中阐述了一种新的基于同态滤波和经典自相关函数法的基音周期检测算法.实验表明,该方法是可行的,与传统方法相比鲁棒性好,特别适用于信噪比较低的情况.     

改进的人工鱼群算法的参数分析

基于原始人工鱼群算法,进行觅食、追尾、聚群行为的改进,以及可视域的自适应调整,提出了改进的人工鱼群算法。算法采用不同的参数值进行匹配,以优化函数值为例进行仿真实验。实验分析研究了主要参数对该算法优化性能的影响,并得出了合理的参数取值,以解决人工鱼群算法寻优精度低、运行速度慢的问题;实验还通过不同函数验证了改进的人工鱼算法具有更高的求解精度、更快的执行速度、更高的稳定性等优点。     

桌面虚拟化教学的的探索与实践

为满足市场发展对专业人才新知识的需求,将桌面虚拟化技术融入在"桌面服务综合实训"课程中。学生能够通过学习,掌握部署虚拟化架构,完成基本配置、迁移、管理和监控虚拟机及虚拟设备。但此操作训练要求较高的实验环境,较早或目前普遍的物理服务器很难满足正常教学,笔者与另外两位企业工程师针对现有硬件环境进行合理设计,通过对比实验测试,给出了完整的实验规划和建议,值得其他高校借鉴。     

协同过滤推荐算法

针对目前协同过滤推荐精度受损,且出现冷启动的问题,提出一种经过改进的协同过滤推荐算法。其主要思想是针对两种不同情况的目标项目采用不同的相似性计算方法。一种项目为新项目,分别通过信息熵法和项目属性相似性计算项目评分,然后通过平衡因子实现新项目评分的组合;另一种项目为非新项目,通过权重因子动态组合项目的属性相似性和评分相似性,获得最近邻居的评分推荐。实验结果表明,该算法能提高推荐算法的稳定性和精确度,同时解决冷启动问题。     

基于人工鱼群算法的协同过滤推荐算法

基于原始人工鱼群算法,提出在觅食行为中保留较优值以替代随机值,在追尾和聚群行为中比较最优值和中心值再作移动行为的选择,在迭代进行中,实现视野的自适应调整.这样改进后的人工鱼群算法应用于协同过滤推荐系统中,实现用户聚类,从而提高协同过滤推荐系统的最近邻查询速度,降低搜索开销.实验测试结果显示了改进的人工鱼群算法具有收敛速度快,稳定性高的特性,且能获得较优的聚类目标值.将改进的人工鱼群算法用于协同过滤推荐算法中,提高了算法的推荐精度.