协同过滤在知识推荐中的应用

将电子商务中的协同过滤推荐算法改进之后应用到知识推荐系统中,通过计算学习者的学习目标、学习背景和认知能力等信息的相似性进行用户聚类,然后使用协同过滤算法对相同聚类簇内的用户进行学习资源的推荐.实验结果表明,该方法可提高推荐的准确度和推荐效率,增强学习者满意度;传统协同过滤推荐中的新用户问题、实时性问题在知识推荐过程中也同样存在,具体解决方法将作为未来研究的主要内容.     

基于用户兴趣的协同过滤推荐算法研究

针对现有系统过滤算法在用户兴趣、数据稀疏性方面的不足,提出一种基于用户兴趣的协同过滤推荐算法.该算法引入用户兴趣权重,建立用户-项目评价矩阵,通过聚类分析进行相似性计算,最终得到推荐结果.实验结果表明,本算法能有效地利用用户兴趣,提高推荐质量.     

基于RFMRQ模型的协同过滤推荐算法研究——以服装电商平台为例

随着科技的发展和商业的繁荣,服装电商已进入高速发展期,行业竞争也日趋白热化,越来越多的服装电商平台通过个性化推荐提高自身的核心竞争力。基于对服装电商平台个性化推荐的现状了解,文章分析了服装电商平台常用的RFM模型的不足之处,并在此基础上增加了退货率和购买商品数量两个指标,形成了RFMRQ模型,同时,还将该模型与启发式协同过滤技术相结合,构建了基于用户和物品的协同过滤的个性化推荐算法,并结合服装电商平台历史数据开展实证分析。通过实践检验发现,RFMRQ模型在用户分类的准确性方面与传统RFM模型相比有较明显的改善;在构建基于RFMRQ模型的推荐算法时,选用基于用户的协同过滤推荐的效果更好。     

大数据背景的变频兴趣变化推荐算法研究

现有的适应兴趣变化的协同过滤算法不能反应用户兴趣变化的频率,对即时热点也不足够敏感。同时,因为计算量大,不适应大数据场景。为此我们采用对时间分层的推荐模型结合热点权重函数,解决了传统算法存在问题,在生产环境中具备较高的应用价值。     

基于矩阵分解协同过滤算法的评分预测

文章以Group Lens项目组提供的Movie Lens数据集作为测试数据集,通过实验实现了协同过滤算法中传统的非负矩阵分解(NMF)算法及奇异值分解(SVD)模型算法,结合两个算法的优点,提出了基于非负矩阵分解与奇异值分解的混合推荐算法。最后采用均方根误差RMSE验证了算法的有效性,证明了文章所提的算法是解决矩阵的稀疏性问题的有效手段,在评分预测问题上较前两种算法有明显的提高。     

基于Web挖掘的电子商务推荐系统中推荐方法研究

以改进Apriori算法、K_means聚类算法和ARHP算法3种不同的Web挖掘技术为基础构造推荐算法,形成推荐集.仿真实验结果表明基于ARHP的推荐算法的覆盖率和准确度明显高于其他两种方法,可用于基于Web挖掘的电子商务推荐系统中.     

基于模糊聚类和关联矩阵的协同客户选择方法

从客户协同的需求协同和设计协同两个基本思想入手研究了协同产品开发的客户协同特征,根据客户在协同产品开发中的作用将协同客户资源分为4类,在此基础之上,构建了协同客户评价指标体系以及指标的量化方法,提出了基于模糊聚类和关联矩阵的协同客户选择与评价方法,给出实例予以验证.     

推荐系统研究

随着互联网的高速发展,数据呈指数级增长,这使得用户需要花费大量时间找到对自己有用的资源。推荐系统能够帮助用户从海量数据中找到需要的资源,因此,该文对推荐系统进行研究。首先,描述目前常用的传统推荐算法,在此基础上,阐述3种基于深度学习的推荐模型,最后,总结全文并描述下一步研究方向。     

基于协同过滤的Web服务QoS预测

服务质量(Quality of Service,QoS)是Web服务选择的关键指标。传统的用于Web服务选择的QoS值都是静态的历史记录,没有考虑对于同个服务,不同用户获得的QoS值之间的差异性。近年来,出现了各种各样的针对用户的个性化QoS预测算法。文章将浅析如何将协同过滤算法应用到个性化的QoS预测当中。     

基于同态滤波和改进K-means的苹果分级算法研究

针对苹果在分级的过程中,光线不均所导致的表面反光和阴影问题,利用同态滤波和改进的K-means算法予以解决。同态滤波前,将苹果图像由RGB空间转换到HSV空间,再对HSV空间的V分量进行同态滤波增强,最大限度地削弱光线不均带来的影响;对传统K-means聚类算法,新增加距离度量方法、确定聚类数目和初始中心点,能较好地去除苹果阴影对图像分割的影响。从大小、果形、质量、颜色、缺陷5个方面对陕北富县的秦冠苹果进行分级,分级成功率达到97%。利用同态滤波算法结合改进的K-means算法来对苹果图像进行处理,能够大大提高苹果分级的准确性。     

基于模拟评分的服装推荐改进算法

针对传统服装推荐算法中缺乏对消费者与服装特性的关注,以及预测结果缺乏针对性和有效性的问题,利用服装编码、时间间隔和欧氏距离等参数构建了消费者购物兴趣衰减模型,提出基于模拟评分的服装推荐改进算法。对比了模拟评分算法与基于奇异值分解的改进算法的预测值和真实值之间的平均绝对误差。结果表明:模拟评分算法预测评分的平均绝对误差为0.808,相对于基于奇异值分解的改进算法,误差降低了0.024,其中25%的个案的误差大于1,排除这部分个案后的平均绝对误差为0.632;通过对消费者进行回访分析发现,90%消费者的推荐准确率大于96%,只有10%的消费者的推荐准确率为60%~64%;导致误差较大的原因是这部分消费者的喜好发生变化,或是长期没有购买服装。     

基于交互式遗传算法的Polo衫快速款式推荐系统

针对服装虚拟设计与定制时专业知识门槛较高,无法高效获得心仪定制款式的问题,以Polo衫为例,对其进行部件化的三维模型设计,并对其条纹针织面料外观进行虚拟设计,建立Polo衫设计部件数据库.此外,引入优化的交互式遗传算法,使用基于款式部件相似度的适应值加权分配策略,通过编码、初始种群生成、适应度计算、选择、子染色体偏好固...     

基于花粉算法的K均值聚类算法

针对原始花粉算法寻优精度低,后期收敛速度慢等问题,提出加入高斯白噪声扰动改进花粉算法.利用改进后花粉算法强大的全局搜索能力优化K-means算法的初始聚类中心,通过基于距离的方法消弱孤立点对聚类的影响,并对该算法的性能进行验证和测试.实验结果表明该算法有效地避免了其陷入局部最优,改善了聚类性能.     

基于改进的加权中值滤波与K-means聚类的织物缺陷检测

为检测纹理织物在生产过程中产生的各种疵点,提出一种基于改进的加权中值滤波与K-means聚类相结合的纹理织物疵点检测方法。首先利用改进的加权中值滤波对纹理织物图像进行预处理,以减少纹理信息对疵点检测产生的影响,同时通过联合直方图动态数据分配权重和像素,减少寻求中位数的时间来有效地缩短检测时间,提高了执行速度;然后采用K-means算法对滤波后的织物图像进行聚类,计算织物图像疵点和非疵点的聚类中心,进而实现图像疵点区域的分割。实验结果表明,该方法可有效地检测出方格、点形、星形、平纹、斜纹等多类型纹理织物的疵点,并显著提高检测速度。     

基于扰动因子的准则函数下的聚类算法

针对初始聚类中心的选择对于K-均值算法的聚类结果非常敏感,且容易陷入局部极值的缺点,提出利用蚁群聚类算法来搜寻K-均值的初始聚类中心,同时通过在搜索空间增加一组逐渐递减的服从均匀分布的扰动因子,建立基于扰动因子的准则函数下的聚类算法.最后对蚁群聚类算法、K-均值聚类算法以及改进后的算法做了对比实验.实验结果表明,改进后算法的聚类能力更强.     

基于平滑滤波和分水岭算法的重组织织物图像分割

针对带有重组织的织物图像特点,提出了一种根据纱线颜色进行图像分割的方法。首先将织物图像转化为Lab颜色模式,采用混合中值滤波算法滤除扫描噪声;其次通过设置色差容许值改变高斯权值的平滑滤波算法进行滤波,去除织物图像中的重组织阴影和同颜色纱线纹理,保留纱线颜色特征;然后提取织物图像的色差梯度,通过分水岭算法进行图像分割,获得区域标记图像;最后将颜色相近的分割区域进行合并,得到织物图像的分色索引图像。实验结果表明,提出的算法可以对重织物图像进行较为准确地分割。     

基于模拟退火遗传算法的纺纱车间调度系统

为解决有自动引导运输车(AGV)的环锭纺纱车间协同调度系统多种约束条件下的调度问题,在考虑工艺、加工设备资源、AGV资源以及批处理4种约束条件的情况下,建立了满足最大完工时间最小化和设备利用率最大化的AGV纺纱车间协同调度模型。针对模拟退火和遗传算法计算效率低和易陷入局部最优解的缺点,提出了基于模拟退火遗传算法的纺纱车间调度模型求解算法。实验结果表明:当给定条筒为50个时,同等环境下,基于模拟退火遗传算法的调度方案要比普通的模拟退火和遗传算法的最大完工时间分别减少了1 162 s和 1 619 s,纺纱车间的设备和AGV的利用率也分别提高了将近12%和11%。该方法在提升环锭纺纱车间运行效率方面具有一定的应用价值。