基于本体用户兴趣模型的个性化推荐算法

针对目前个性化服务中用户模型稳定性低、推荐结果不尽人意的现状,在建立基于本体的用户兴趣模型基础上,通过模型更新提高稳定性,建立用户群实现用户模型管理.提出利用矩阵聚类降维分解技术的个性化推荐算法,引入偏好方差的概念计算用户最近邻,进而产生推荐,避免了传统协同过滤算法的数据稀疏性缺陷,提高了推荐质量.结合面向电影的个性化推荐系统,验证了模型及算法的有效性.     

融合动态标签优化协同过滤推荐算法

针对协同过滤推荐算法在网络个性化产品推荐服务中面临的覆盖率互斥、信息不对称问题,提出了一种融合用户动态标签和用户信任关系的改进协同过滤推荐算法,算法首先通过构建用户集、标签集和物品集三者之间的动态联系,建立用户动态偏好矩阵,接着构建基于用户社会网络信息的用户信任关系矩阵,以通过用户信任反馈机制实时更新用户间的信任值,最后通过融合用户动态标签和用户信任关系构建新的概率矩阵分解模型实现对协同过滤推荐算法的优化改进。仿真实验结果表明,改进算法提高了协同过滤推荐算法的性能,在一定程度上有效缓解了覆盖率互斥、信息不对称以及信任用户变窄问题对算法推荐质量的影响。     

基于CART与SlopeOne的服务质量预测算法

针对现有的预测算法大多未有效利用用户—服务对的潜在特征问题,提出一种基于分类和SlopeOne的预测算法,通过用户—服务对的历史服务质量值提取出用户和服务的个性特征(用户和服务的服务质量均值与方差);基于提取出的特征,使用CART(classification and regression trees)对用户—服务对进行分类;使用SlopeOne算法在目标用户和目标服务所在的分类集合数据集上进行回归预测,提高了预测准确度;选用真实数据集WS-Dream进行实验,实验结果表明该方法在数据稀疏情况下具有较好的预测精度。     

基于谱聚类和隐语义模型的智能协同推荐方法

随着云计算及移动互联网技术的迅速发展,网络中可选服务信息呈爆炸性增长,信息过载问题日益严重.针对推荐系统中存在的数据稀疏性问题及冷启动问题,提出一种基于谱聚类和隐语义模型的智能协同推荐方法.该方法基于提取的用户标签特征信息,利用谱聚类算法对相似用户进行聚类,将原始高维评分矩阵转化为多个较低维的子评分矩阵.然后在子评分矩阵中利用隐语义模型对缺失评分进行局部预测.最后在获得缺失评分后利用改进的基于邻域的协同推荐算法对目标用户进行全局评分预测.所提算法有效解决了数据稀疏性问题和冷启动问题,在提高预测准确度的同时加快了推荐算法效率.     

基于灰色关联预测与信任云混合算法的方案推荐

针对传统推荐方法中的数据稀疏性问题,常用的方法通常受到数据量的制约,因此采用灰色关联预测法计算方案评分数据间的相关系数,以预测空缺的评分数据;针对面向新用户的冷启动问题,考虑用户兴趣特征相似度和基于信任云的用户对方案评分的相似性,计算用户间的综合相似度,将合适的方案推荐给新用户。最后,以汽车方案推荐为例进行方法验证,并通过与协同过滤,云模型等推荐算法进行对比,证明了该方法的有效性。     

基于用户语义相似性的协同过滤推荐算法

为了解决协同过滤推荐中的稀疏性问题,提出一种基于用户语义相似性的协同过滤推荐算法。算法考虑到项目之间内在的语义关系,通过构建领域本体来计算项目之间的语义相似度,并综合项目语义相似度和用户评分数据来度量用户语义相似性。实验结果表明,该算法在用户评分数据极端稀疏的情况下,依然可以获得较高的推荐质量。     

考虑相似比率的Web服务QoS协同预测

针对基于皮尔逊相关系数计算相似度的协同预测方法中,忽略Web服务QoS之间的比率关系而造成的预测误差问题,提出一种考虑相似比率的Web服务QoS协同预测方法 SRPre。该方法基于历史QoS数据,将基于用户和基于服务的协同预测方法相融合,引入最小共同调用数阈值削减相似度计算误差,利用最小相似度阈值筛选相似邻居,根据预测对象QoS与相似邻居QoS平均值之比计算相似比率,在协同预测计算过程中加入相似比率获得QoS预测值,通过实际Web服务实验说明了所提该方法在提高预测准确度方面的有效性。     

云服务平台下考虑用户偏好的设计服务推荐方法

为提高云服务平台下产品设计服务推荐的质量,增强协同产品设计过程中用户与服务提供方之间的交互,构建了个性化产品设计服务推荐框架,并提出考虑用户需求偏好的设计服务推荐方法.采用模糊C均值聚类算法实现用户初步聚类;利用改进的基于用户的协同过滤方法优化用户相似度函数及评分预测函数,以提高目标用户对设计服务推荐项目预测评分的准确性;通过用户对设计服务推荐结果的交互反馈,完成产品设计服务的更新迭代.以设计云服务平台上用户对壁挂式智能空调设计的需求为例,验证了所提方法的有效性.     

一种基于协同过滤与BG/NBD模型数据预测的智能手机节能策略

为了节省智能手机电池的能源,基于用户访问数据的可预测性,提出一个基于用户访问数据预测的手机节能策略模型。利用基于混合变量属性的K-means算法对已知用户进行聚类分组,建立相似用户群;利用BG/NBD模型对用户连续搜索期望进行预测;针对有价值的用户,结合协同过滤推荐算法,通过相似用户的历史数据分析预测当前用户未来可能访问的数据信息;利用数据预存储机制预存上述预测数据,通过降低通信次数的方式达到手机节能的目的。初步实验结果表明,所提出的节能策略可以在不影响用户使用满意度的情况下节省约13%以上的能量。     

基于改进协同过滤的个性化产品服务系统方案推荐

产品服务系统是企业为用户提供的个性化需求解决方案,为了快速准确的设计方案,提出了改进的协同过滤算法根据用户的个性化需求推荐符合其需求特征的方案.针对传统协同过滤算法中,用户相似度计算方法没有考虑用户对方案属性的偏好问题,忽略了不同配置角度下各属性权重不同,提出了考虑方案客观属性的改进Person余弦相似度算法.首先采用...     

支持服务质量全局最优和动态重计划的Web服务组合

为了动态地把现存的各种Web服务整合起来,形成新的、满足不同用户需求的、增值的复杂服??提出了一种支持服务质量全局最优和动态重计划的Web服务组合算法.该算法使用位置矩阵编码方式表示所有组合路径和重计划信息.通过计算个体间服务质量的海明距离,提高了服务组合的质量;通过指定用户总时间限制和实施优良解保留策略,解决了算法运行时间对服务质量的影响问题.与同类成果相比,该算法提供了一种在动态环境下更完整和有效的服务组合的服务质量解决方案.实验结果证明了算法的可行性和有效性.     

用户多兴趣下的个性化推荐算法研究

电子商务个性化推荐成为客户关系管理的重要内容，协同过滤算法是应用最为广泛的个性化推荐技术，但传统的协同过滤推荐算法并不适合用户多兴趣情况下的个性化推荐。在分析原因的基础上，通过组合基于用户的协同过滤和基于项目的协同过滤算法，先求解目标项目的相似项目集，在目标项目的相似项目集上再采用基于用户的协同过滤算法。这种基于相似项目的邻居用户协同推荐方法，能很好地处理用户多兴趣下的个性化推荐问题，尤其当候选推荐项目的内容属性相差较大时，该方法性能更优。最后，用EachMovie数据库对算法进行了仿真实验，实验表明该算法准确率更高。     

基于高维空间聚类的集中供热末端数据异常检测

因集中供热建筑结构、住户行为习惯等差异,末端住户供暖数据具有特征差异大、非线性强、数据量大、响应时间长等特征,在原数据空间中利用聚类分析进行异常检测造成类间数据交叉,精确性无法保证。本文提出高维高斯混合聚类算法,将数据集映射到高维空间进行聚类,利用核函数映射、内积运算与高维特征空间分解等计算方法,提高精确度,规避维数灾难。搭建工业大数据分析平台,对比K-Means、高斯混合、恒虚警率、高维高斯混合算法聚类结果与异常检测精确度,本文所提算法将准确性提高到90.72%,误报率降低到5.92%,结合该算法完成4类异常用热数据集的解释与辨识。高维高斯混合聚类可以有效分析用户用热特征、检测异常数据,辅助降低采暖能耗,实现建筑节能。     

基于协同效应的并行制造云服务组合算法

为了解决并行结构下制造云服务的组合优化问题,从协同效应的角度提出一种基于反向和局部学习的蚁群算法。该算法以服务质量作为信息素构建协同效应评价模型,求解并行服务的协同效应值,作为启发函数参数。利用协同关系矩阵计算组合协同效应值,并将其与组合服务质量相结合,求解综合评价值最高的服务组合。实验结果表明,该算法能有效求解并行制造云服务的组合优化问题,并能较快地得到最优解。     

基于动态供应链网络的协同行为模式挖掘方法

鉴于传统的供应链求解方法所使用的线性模型考虑的影响因素具有局限性,不能适应互联网多源大数据环境下的动态供应链网络求解方法,将动态供应链映射为网络图模型,提出电子商务供应链网络模型,基于该模型,给出一种基于协同矩阵分解的半实例模式检测方法,用于在供应链网络中检测一个半实例化的协同行为模式。根据给定的协同行为模式,首先采用协同矩阵分解方法计算个性化供应链候选集;通过计算供应链网络节点实体之间的亲密度,运用A*图搜索算法,基于个性化供应链候选集生成供应链结果候选链集;根据个性化的时间、成本等其他限制条件,经过裁剪形成最后的供应链方案。通过面向服装领域的电子商务供应链数据集验证了方法的正确性、效率和准确性。     

基于桶式原理的电机电磁-热耦合数据映射算法研究

针对电机电磁-热耦合计算问题,对耦合计算中的不同物理场载荷数据传递问题进行了研究。通过设计验证函数算例验证了径向基函数插值算法的传递精度,指出了原有算法由于涉及大规模矩阵求逆,而无法应用于耦合场计算;在径向基函数插值算法的基础上,提出了一种基于桶式原理的异构网格数据映射算法,利用分桶操作避免了大规模矩阵的求逆操作,将原有单一大规模矩阵求逆等效为若干小规模矩阵的求逆,实现了电机电磁-热耦合计算中损耗与温度在二维电磁场与三维温度场之间的相互传递;并以定子铁芯模型为算例,通过对比同构网格计算结果验证了本文所提算法的准确性。研究结果表明:该算法数据传递精度较高,能够满足电机耦合场计算需求。     

基于残缺历史数据信息的需方参与的协同设计冲突消解博弈模型

为解决需方参与的协同设计过程中存在的质量与成本综合优化冲突问题,引入博弈论,将协同设计过程中质量成本多目标优化问题转换为动态联盟下的多目标博弈决策问题,并构建博弈模型。博弈模型亦可由历史数据信息构成的博弈效应矩阵表示,由于历史数据具有残缺性,采用多元回归分析将博弈效用矩阵完备化,提出一种基于历史数据信息的冲突消解博弈模型;然后通过Shapley值算法求解博弈矩阵,根据求解得到的冲突关系分配方案表示"质量和成本综合性最优"的一种贡献度估计,为了寻求各博弈方的贡献度,验证Shapley值所求均衡结果的可靠性,提出一种针对Shapley值贡献度的定量评估方法。最后以某车床主轴装配过程为例,验证了该方法的可行性和有效性。     

基于融合上下文的移动用户行为过程挖掘与预测

针对移动环境中单个用户个性化行为过程的挖掘和预测问题,考虑不同类型上下文对行为过程的影响,研究将行为过程中不同类型的上下文融合成统一的整体(情景),提出上下文融合过程模型。进而将上下文融合过程模型融入移动用户的行为过程中,提出一种基于融合上下文的行为过程模型。在此基础上提出一种挖掘算法ASCF-Mine,利用行为过程中存在的情景周期和时间属性来挖掘频繁的行为过程。结合频繁的行为过程,提出一种基于协同过滤的预测方法来自主构建满足用户个性化需求的行为过程。通过具体的实验分析,验证了所提方法的有效性。     

改进邻域保持嵌入—独立元分析的间歇过程故障检测算法

针对间歇过程数据的非线性和高斯与非高斯混合分布特性导致故障检测效果不佳的问题,提出了基于多向差分邻域保持嵌入—加权差分独立元分析(MDNPE-WDICA)的间歇过程故障检测算法.首先采用Jarque-Bera检验方法(J-B test)将原始数据空间划分为高斯和非高斯子空间;然后,在高斯子空间,将差分策略与NPE算法结合提出MDNPE算法,对高斯空间数据进行维数约简,在保持其局部结构不变的同时处理非线性,并克服传统非线性处理方法由于引入核函数带来的计算复杂的问题;在非高斯子空间,将加权差分策略与IC A算法结合提出WDICA算法,在充分提取数据非高斯信息的同时解决其非线性,并有效利用数据的局部信息;最后,通过贝叶斯推断构建一个新的监测统计量,实现整个间歇过程数据的故障检测.通过青霉素生产过程仿真结果验证了所提算法的可行性和有效性.     

基于领域映射矩阵的跨域设计实体模块化

为确定设计人员与产品对象及设计任务之间的模块化分组,表达实体间的单向信息传输,引入逆向领域映射矩阵以表达设计实体之间的逆向信息传输,在此基础上构建领域双向映射矩阵表达不同领域设计实体之间的双向信息传输;提出基于关联度多元树构建的领域映射矩阵聚类方法,通过调整多元树节点选择系数,加快聚类算法的收敛速度,并使聚类结果稳定可控。结合船舶产品协同设计,应用新的聚类方法对设计人员—产品结构的领域双向映射矩阵进行模块化,效果良好。