移动社交软件用户使用意愿影响因素研究

基于技术接受模型,构建了移动社交软件用户使用意愿影响因素分析模型,运用结构方程模型进行了实证研究。研究结果表明:感知有用性受好奇心、网络外部性和社会规范的显著影响,且网络外部性的影响程度最大;感知易用性受好奇心、人际交往、网络外部性和社会规范的显著影响,且社会规范的影响程度最大;感知有用性和感知易用性会显著影响移动社交软件用户的使用意愿。最后根据分析结果,提出了有针对性的营销建议。     

移动互联网中基于用户行为的机会连接预测

为提高用户机会连接预测的准确率,进而提升网络服务性能和效率,通过对我国浙江省某市运营商的真实数据集进行模拟实验,研究了用户行为特征与机会连接的相关性.通过分析相遇用户对和非相遇用户对的热点位置分布,空间相似度分布得出用户移动性特征对用户机会连接行为的影响,并在搭建复杂网络模型的基础上采用随机森林算法,综合考虑了网络结构特征、用户移动性特征、用户上网行为特征,对移动互联网中个体在未来一天中某个时间段是否会发生机会连接进行了预测,结果表明,与传统预测方法相比,加入用户移动性特征、用户上网行为特征后的复杂网络模型具有更高的准确率与召回率,利用此模型可更好地提升网络服务性能和效率.     

基于Bayesian-LSSVM和残差修正的用户短期需水量预测

为有效改善供水管网短期需水量预测模型在预测精度和稳定性方面存在的不足,提出在短期需水量预测模型基础上叠加残差预测模型的组合预测建模方法.首先采用贝叶斯最小二乘支持向量机法(Bayesian-LSSVM)建立管网用户需水量时间序列预测模型(BL模型),得到需水量预测初始值;对BL模型得到的需水量预测初始值的残差序列,构建基于贝叶斯最小二乘支持向量机法的混沌时间序列预测模型(RM模型),得到残差预测值;同时将RM模型得到的残差预测值实时补偿到BL模型的需水量预测初始值中,得到经过残差修正的需水量预测值.实例结果表明,RM模型可以准确捕获BL模型需水量预测初始值的残差变化趋势,对其残差序列进行准确预测;在短期需水量预测的精度和稳定性方面,由BL模型和RM模型叠加构成的组合预测模型(BL+RM模型)明显优于单一BL模型;BL+RM模型适用于平均需水量较小、水量波动性较大等不同特点用户的短期需水量预测,可有效满足实际工程的需要.     

基于因果模型的社交网络用户购物行为研究

社交网络用户的购物行为体现用户在社交影响下自身物质需求和社交需求的意愿,是社交网络营销的重要研究内容。传统的网络购物行为分析仅关注用户行为间的相似度,忽略了用户的社交需求及同伴行为的影响。对此,结合反从众理论和社交需求特性,对用户购物行为进行特征构建;其次,针对社交网络用户数据不完全观察特性,提出了基于快速因果推断（Fast Causal Inference,FCI）的用户行为因果机制发现算法;最后,基于模型的实验分析和实证分析验证了模型因果机制的合理性。     

带插值条件的移动最小二乘曲线拟合

提出一种带插值条件的移动最小二乘曲线拟合方法.首先考虑带插值条件的最小二乘拟合,构造新的带插值条件最小二乘拟合方法,它具有拟合函数次数低、计算方便等优点.然后,将该方法推广到移动最小二乘拟合中,得到带插值条件的移动最小二乘曲线,实验结果表明该方法拟合效果更好.     

基于DEG-WO-LSSVM模型的用电负荷预测

为了提高负荷预测的拟合精度,提出一种基于优化灰狼算法的最小二乘支持向量机负荷预测模型,针对标准灰狼算法精度低、收敛速度慢、易陷入局部最优的缺点,采用差分算法优化标准灰狼算法。利用改进的灰狼算法优化最小二乘支持向量机的两个主要参数,建立功率负荷预测研究模型。通过实例分析获得负荷预测结果,利用三种评价指标对比了四种算法模型。实验表明,改进灰狼算法优化最小二乘支持向量机的改进评价指标数值较低,拟合曲线精度更高。     

基于多通道IQRD-RLS算法的功率放大器行为模型

使用通用记忆多项式模型来精确地建立射频功率放大器的非线性动态行为模型,模型系数使用多通道IQRD-RLS算法进行提取。IQRD-RLS算法可以直接求解时间递归最小二乘权值向量,避免了在以前直接QR分解方法中所必须的后向迭代过程。且该算法使用Givens旋转操作更新递归的模型系数,比较适合使用脉动阵列实时实现快速的收敛性和良好的数值性能。用ADS仿真数据进行验证,结果表明本模型能够满意地描述宽带射频功率放大器的非线性动态特性。     

基于云模型的电信客户行为关联规则研究

研究如何运用基于云模型改进的关联规则来分析电信客户行为,进行客户行为知识表示.针对传统数量关联规则挖掘存在的问题,提出基于云模型的数值区间划分方法,这种划分摒弃了以前的硬划分,使得到的结果除了保留传统硬划分所具有的优点以外,也更加符合实际的数据分布和人的思维方式,从而得到概括、易理解和有效的关联规则,将其应用于电信服务业,可提高电信服务的质量.     

基于最小二乘支持向量机的企业库存预测方法

针对目前常用的基于神经网络的库存预测方法存在收敛速度慢或不收敛、存在局部极小值、网络结构选择具有随机性且对小样本库存预测容易出现过学习现象等问题,提出了基于最小二乘支持向量机的企业库存预测算法。通过结合某公司的库存实际计算以及与其他预测方法进行比较,通过仿真试验和实际数据验证,该算法计算简单,且具有更好适应性和很好的鲁棒性等特点。     

准数关联式中常数的两种求法

介绍了准数关联式中常数的两种求法:图解法、最小二乘法.以传热膜系数的实验数据为例,给出了数值计算过程,比较了二者的优缺点,分析了误差原因.     

基于动态模式分解的移动用户信道容量预测算法

在多输入多输出环境下,为了能够连续预测出移动用户的信道容量并以此合理地分配用户资源,提出了一种基于动态模式分解（DMD）的信道容量预测方法及其优化方法：基于经验模态分解的选择性归一化动态模式分解（ESN-DMD）.仿真结果表明,DMD算法只适用于预测低移速低复杂度的用户信号,ESN-DMD算法可以预测不同移速的用户信道容量.     

基于链路预测的手机节能方法

移动云计算为部署大量移动服务提供了技术支持,但用户在不稳定的通信条件下访问云资源往往需要大量的能耗,制约了移动云计算的广泛应用.对此,提出了基于用户交互行为最大化的链路预测方法.首先在数据预测模型的基础上利用基于互动关系改进的交互度方法对已知用户访问的数据进行预测;再结合基于用户行为的社交网络Friendlink方法对预测数据进行数据分析筛选,利用数据预存储机制来预存上述预测数据.实验结果表明,在保证不涉及用户隐私信息,并提高用户下次访问命中率的情况下,达到了预期的手机节能目的.     

移动云计算中基于移动代理的用户切换与接入控制

为了改善移动云计算中切换用户的服务质量,对基于移动代理的切换机制进行了研究,分析该机制下用户切换和接入控制问题,在切换业务占优的接入控制模型下,根据不同业务效益的差异建立效益函数,利用业务总效益最大原则提出了一种能保证切换用户可靠通信的接入控制算法.仿真结果表明,所提出的接入控制算法不仅能保证用户在切换时的通信可靠性,而且还能最大化系统的效益.     

基于宏观经济的财务风险预警模型研究

基于宏观经济环境与企业财务状况存在密切关系的现象,选用2007—2011年样本数据,用因子分析法选取宏观经济变量和财务变量,分别建立基于宏观经济的判别模型、Logistic回归模型和神经网络模型,发现宏观经济数据采用超前财务数据一期时所建的模型最佳,且考虑宏观经济因素的模型预测准确度提高,稳定性增强,因此进行企业财务风险预警时考虑宏观经济因素具有重要意义。     

在未知环境下基于递阶模糊行为的移动机器人控制算法

提出了一种基于递阶行为,并将重点放在对于基本行为的设计以及协调融合上的控制算法结构。基本行为由模糊推理系统设计,较高级的复杂行为由基本行为的融合产生。采用神经网络来模仿人类行为,学习人类复杂的决策技能,从而达到对基本行为进行融合的目的,以减少行为之间的强硬转换给整个系统带来的不良影响。采用不同的任务类型进行了仿真以测试这种基于模糊逻辑以及神经网络的递阶行为控制系统的性能,仿真结果表明该算法具有令人满意的性能。     

基于FxLMS算法和预测滤波器的数字耳机降噪研究

通常数字降噪耳机的自适应滤波器采用最小均方差(LMS)、归一化最小均方差(NLMS)等算法,但是由于降噪耳机电路中存在次级通道延迟和AD/DA转换延迟,导致这些滤波器输出信号无法与噪声信号协调起来.FxLMS算法能够有效补偿次级通道延迟,同时在FxLMS滤波器基础上,增加预测滤波器用于补偿AD/DA转换延迟.仿真中,用增加预测滤波器的FxLMS滤波器对已采样的发动机噪声进行降噪,并将其降噪效果与LMS自适应滤波器的降噪效果进行比较.结果表明,在处理低频噪声时,改进后的FxLMS滤波器降噪效果优于LMS自适应滤波器.     

基于用户浏览行为的用户兴趣模型的表示及更新

在分析用户浏览行为获取用户兴趣的基础上,提出一种树状结构模型与向量空间模型相结合来表示用户兴趣模型的方法,基于此用户兴趣模型,把遗忘机制引入模型的更新。这种兴趣模型不但具有加权矢量模型的加权关键词的特点和层次模型的层次性,并且还结合向量空间模型的特点,将用户的兴趣与浏览页面的特征向量结合起来。实验证明,建立用户兴趣模型的方法是合理和有效的。     

群智感知中用户细粒度可靠性与真值预估模型

为了提高群智感知中感知数据的质量问题,提出了一种基于用户细粒度可靠性预估任务真值的方法,通过用户建模筛选出高质量数据。首先根据影响用户执行任务的瞬时因素评估用户的实时可靠性;其次,在刻画历史信誉度方面,引入信息熵衡量用户的信誉分布,包括用户总体信誉分布和在不同类别任务下的信誉分布;基于用户可靠性设计了有效的真值预估方法预估任务真值。实验结果表明,所提模型能够有效地评估用户在多类别任务下的可靠性,提高任务真值预估的准确率。     

基于多关联度的移动用户POI个性化推荐

为了帮助移动用户探索新位置,协助商家发现潜在顾客,提高移动用户访问POI的质量,本文提出了一种将地理位置、时间和类别相结合的多关联度POI个性化推荐方法——GeoTempCate,来对移动用户进行个性化POI推荐.该方法探讨了POI的地理位置关联关系、访问时间关联关系以及POI的类别关联关系.通过分析用户的历史访问POI数据,利用3种关联关系来预测移动用户对其未访问POI的关联评分,进而对移动用户进行个性化POI推荐.最后使用准确率和召回率来评价推荐的POI,实验结果表明本文提出的方法,无论是准确率还是召回率,都得到了较高的精确度.