基于协同过滤的美食推荐算法

为了解决传统的基于用户的协同过滤算法中的数据稀疏性问题,提高推荐的准确率,本文对推荐算法进行了改进并将改进后的算法应用在美食推荐领域。首先,利用均值中心化方法对实验数据进行处理,减少因个人评分习惯差异造成的推荐误差。然后,通过使用改进的空值填补法降低评分矩阵的稀疏性。最后,在计算相似度时引入了遗忘函数和用户间的信任度,进一步提高了推荐系统的准确性。实验表明,本文提出的改进算法比传统算法有更高的准确率,并得出了在推荐过程中考虑用户和项目外的其他因素以及针对不同的数据信息采用不同的算法,都有利于提高推荐准确率的重要结论。     

"课程思政"视域下的高职大学语文线上立体交互教学研究与实践

延期开学期间开展的线上教学,不仅仅是应对疫情防控的需要完成教学任务,更是推动教师教学理念、教学方式转变及学生学习观念、学习习惯转变的有利契机。大学语文教学采用“腾讯课堂+云班课”的线上立体交互教学模式,将腾讯课堂的在线直播交互优势与云班课的全程在线学习行为跟踪优势相结合,引导学生“走进去”、“走出来”,培养学生良好的职业核心能力、终身学习的能力和开创进取的精神,最终用以涵养和陶冶属于自己的诗意人生。     

结合纹理与极化分解的面向对象极化SAR水体提取方法

合成孔径雷达(Synthetic Aperture Radar,SAR)拥有全天时全天候的工作能力,能够有效地连续对地观测,是土地管理、水体监测、灾害评估等多种应用的稳定数据来源。基于面向对象的思想,提出一种高精度、低虚警率的极化SAR(Polarimetric SAR,PolSAR)水体提取方法。此方法首先对极化SAR图像进行分割,再结合纹理与极化分解特征,对分割区域进行投票,识别水体区域。利用Radarsat-2数据和TerraSAR-X数据开展实验,并将提出方法与基于单一纹理和基于极化分解等水体提取方法进行对比,结果表明该方法在两种数据中均具有最高的总分类精度,其中基于分割技术能够保持完整的水陆边界,纹理与极化特征能够区分浅草、裸地和阴影等与水体相似的地物,结合投票方法能够提高小型水体检测率。