应用于博物馆的智能导览系统

为了提升博物馆等室内场所的核心竞争力,设计了一种基于iBeacon定位技术的导览系统。该系统包括定位部分、电控部分、可视化部分。网关与多组信标对导览车定位,通过树莓派接收并处理定位数据,并将其转化为程序指令来控制导览车进行运动与语音播报,同时利用JavaScript SDK接收定位JSON数据包,解析并更新可视化界面中导览车的信息。运行结果表明,该系统定位的准确性与可靠性满足设计要求,并有着定位精准、低功耗、成本低等优点。     

一个基于移动视觉搜索技术的博物馆导览系统

为了对游客的参观过程提供个性化导览服务,使游客可以通过手机拍照的方式获取展品的相关资讯.提出一个基于移动视觉搜索技术的博物馆导览系统.针对手机性能的差异性,提出一种改进的移动视觉搜索系统的框架,使得系统既能在服务器端对海量展品进行识别,又能在手机端对特定区域内展品实时识别;并基于这一框架实现了一个原型系统.与现有的导览系统相比,文中系统的交互方式更加人性化,提供的展品信息更丰富、全面,且无需在馆内安装任何辅助设备,能够更广泛地适用于博物馆导览.实验结果证明了该系统的可行性和实用性.     

基于Spark的混合推荐算法研究

随着电子商务的发展,基于协同过滤的推荐算法越来越受欢迎,与此同时,该算法的缺陷也越来越明显,如数据稀疏性、系统可扩展性等。另外传统的单机计算模型也难以满足海量数据的实时推荐需求。为此,提出一种利用Spark计算模型实现分布式推荐的方法。该推荐方法采用基于谱聚类和朴素贝叶斯的混合推荐算法,同时使用增量式更新,在不全部重新训练模型的基础上,对模型进行局部修改。实验结果表明,较传统的单机模式推荐算法,基于Spark计算模型的分布式推荐算法,在一定程度上克服了数据稀疏性,提高了系统的可扩展性,降低了系统的响应时间。     

移动端博物馆导览系统的用户认知分析

博物馆作为传承历史文化、弘扬科学的场所及传播者,在当今社会的文化教育、旅游观光活动中地位举足轻重,而以电子技术与信息技术相结合的博物馆导览系统在其中发挥了重要的作用。文章以博物馆导览系统为研究对象,采用用户问卷调查的方法,对移动端导览系统用户认知进行了分析,提出了移动端博物馆导览系统吸引用户使用的主要因素,研究结果可为系统设计与推广应用提供参考。     

无线传感器网络中一种自适应定位算法的实现

本文基于应用,采用事件触发机制,融合了两种已有的无线传感器网络节点自定位算法:质心算法和Dv-Hop算法,提出了一种自适应分级定位算法.该算法根据触发事件的级别使用循环求精的方法,使得定位结果满足不同的应用需求,实现了定位精度和能源开销的较好平衡.仿真实验结果显示,该算法能够满足不同的应用需求.     

探讨博物馆场馆及陈列室语音导览系统的建设分析

在博物馆进行陈列展出的过程中,通过一些宣传讲解的工作可以令人们更加了解展览的内容。但是传统的宣讲的形式过于单一,工作效率也不高。随着现代科学技术水平的提高,在场馆以及陈列室进行讲解的过程中大多会采用语音导览系统,这一系统的应用可以有效的提高宣讲的效果,人们的精神文化需求得到进一步的满足。本文重点对语音导览系统在博物馆陈列室以及场馆中建设的情况进行了分析,并且对未来的发展趋势进行了预测,希望可以为今后的宣讲工作带来帮助。     

基于协同推荐的高校个性化图书推荐系统

为了提高高校图书馆的图书借阅率,满足学生读者的个性化需求,本文设计了基于协同推荐的高校个性化图书推荐系统。系统使用java开发的B/S体系结构,采用基于用户的相似性的协同过滤推荐算法实现图书推荐。     

基于客户心理挖掘和预测的推荐系统

基于购物活动表层挖掘的推荐系统的时效性和信息持续性较差。为解决相关问题,提出了基于客户心理挖掘和预测的推荐系统,给出了该系统的解决方案、结构模型以及处理流程。该系统采用多维向量空间存储心理特征数据,并使用贝叶斯算法对客户与商品进行聚类;采用基于功率谱估计的心理特征预测算法生成推荐商品选择。实验结果表明,该系统具有较好的信息持续性,并能够较准确的进行推荐活动。     

结合矩阵补全的宽度协同过滤推荐算法

协同过滤是推荐系统中最经典的方法之一,能够满足人们对个性化推荐任务的需求,但许多协同过滤算法在面对评分数据稀疏性问题时推荐效果不佳。为解决此问题,提出一种结合矩阵补全的宽度协同过滤推荐算法。先使用矩阵补全技术对用户项目评分矩阵进行补全,再利用补全后的矩阵对已评分的用户和项目分别寻找其近邻项,进而构造用户与项目的评分协同向量,最后使用宽度学习系统来构建用户项目与评分之间的复杂的非线性关系。在MovieLens和filmtrust数据集上对所提出算法的有效性进行检验。试验结果表明,与当前最先进的方法相比,该方法能够有效地缓解数据稀疏性问题,具有较低的计算复杂度,在一定程度上提升了推荐系统的性能。     

基于随机森林模型的电信运营商外呼推荐系统

在电信运营商领域,外呼推荐是一种重要的推荐产品和服务的途径。实现了一种基于运营商大数据的自动外呼推荐系统,该系统能够挖掘用户的行为特征并且使用机器学习的方法预测用户对于被推荐产品的接受可能性。传统推荐系统使用的模型算法为矩阵分解、大规模稀疏特征分类、神经网络等。采用随机森林算法的主要原因是随机森林具有并行化程度高、训练速度快、生成的决策树可解释等诸多优点,适合于基于电信业数据的推荐系统。该外呼推荐系统基于Hadoop、Impala和Spark等大数据处理平台及工具,使用随机森林分类器作为核心算法,将用户最近的行为特征回归为接受外呼推荐产品的可能性。在线测试表明使用该系统与当前部署的人工随机外呼相比,能够提升约41%的用户接受率;同时,根据模型算法输出特征的重要性,进一步给出了两类用户的特征分析。     

基于改进双向测距到达时间差定位算法的超宽带定位系统

针对传统无线定位技术在室内定位精度不高的问题,设计实现了一种基于超宽带（UWB）技术的室内定位系统。首先,提出了定位服务器与移动端APP实时交互的系统结构,解决室内移动人员自主定位与导航的问题。其次,在双向测距（TWR）算法中增加一条无线电信息以减小时钟偏移引起的测距误差,从而提高算法性能。最后,将通过到达时间差（TDOA）定位算法得到的双曲面方程组进行线性化处理后结合Jacobi迭代法完成求解,避免了使用标准TDOA定位算法难以直接解算的情况。经测试,该系统在楼道房间等场景中能稳定工作且定位误差控制在30 cm以内,相比基于WiFi、蓝牙等技术的定位系统在定位精度上提高了10倍左右,能够满足在复杂室内环境中的精确移动定位需求。     

基于惯导辅助地磁的手机室内定位系统设计

目前的室内定位技术大都是需要建立足够多的信号节点,这种有源信号受建筑物干扰衰减快导致其定位精度不足。为了避免这些存在的问题,通过深入研究室内定位方法,提出了基于惯导辅助地磁匹配的适用于手机移动终端的室内定位方法。有别于传统的室外定位系统,本文利用地球磁场在不同点的差异化信息,并通过选择适当的地磁匹配算法,可以实现不依赖于外部设备的移动个体室内定位,同时通过惯导辅助地磁的组合定位方式有效增加地磁信息匹配效率,能获得较高的室内定位的精度。最后设计了基于android平台的手机室内定位软件,可利用手机内置的传感器设备实现室内定位功能,仿真及实验显示该定位方法是有效的。     

基于WLAN移动定位的个性化商品信息推荐平台

随着WLAN在室内环境的日益普及,基于现代的移动设备可以方便实时地获取各种有价值的WLAN数据,这对我们识别个体日常生活中的多样化行为提供了前所未有的机会。近年来,用户的兴趣点与行为模式挖掘等领域日益引起各界的广泛关注,设计了一套基于室内定位的推荐系统,基于用户的历史访问记录,实现从过载的信息中识别出用户感兴趣的内容。现有的位置服务通常只针对用户的室外位置数据,缺乏对室内数据的挖掘分析,忽略了室内位置数据中蕴含的大量语义信息。利用室内定位技术获取用户在商场中的活动轨迹,根据用户去过的店铺和浏览过的商品等历史信息,估算用户的兴趣爱好并进而向用户个性化地推荐感兴趣的商品,基于以上思路设计实现了一套基于室内定位和微信平台的个性化商品推荐系统。     

基于改进粒子滤波的室内自适应定位算法

精确的室内定位系统具有重要的研究及应用价值。由于GPS在室内受到很多约束条件而无法提供精确的室内定位服务,如何提高室内定位算法的精度已经成为当前研究的热点。通过提出一种基于改进粒子滤波的室内定位算法以减少室内环境影响来提高定位精度。该算法主要思想是通过手机等移动设备接收AP传播的信号,然后根据室内拓扑建立一个信号衰减模型,在移动设备的移动过程中结合粒子滤波进行定位。在定位过程中,移动设备采用自适应的信号采集方法来接收信号,同时随机游走思想和自优化的重采样方法被用来改进粒子滤波。仿真实验结果表明该算法能够有效提高室内定位的精度和鲁棒性。     

一种基于位置点的地图匹配改进算法

针对智能手机计算资源有限、功耗要求高、内置GPS模块易受到周围环境的影响等问题, 提出了一种改进的基于位置点的地图匹配算法, 利用用户个人位置移动的连续性, 结合历史轨迹数据进行道路投影, 通过纠偏的方法对手机的定位数据与电子地图数据进行匹配, 实现了直线道路、十字路口以及多边形区域等各种路况的准确定位。地图匹配算法可用于移动用户行为轨迹的监测和基于移动用户位置的个性化推荐中。     

一种基于蓝牙信标的室内定位系统

针对室内定位与导航服务的应用需求,使用蓝牙信标节点,构建了一种米级室内定位系统.设计了一种基于CC2540F256的蓝牙4.0信标节点,采用优化均匀部署方法完成信标的布设,在此基础上配置信标BLE协议栈进行位置标识;在安卓平台下搭建定位终端,利用三角质心定位方法实现位置估计.该系统在传统RSSI定位方法的基础上,加入阶段去噪与平滑滤波过程,用于提高测距准确度和稳定性.在实验室楼道测试环境下,平均定位精度可达1.5m,具有布设方便、功耗低和绿色环保的特点.     

面向复杂机房环境的室内定位技术应用研究#br#

考虑到机房数据中心运维智能化管理迫切需要精准的室内定位服务,针对机房金属遮挡、电磁辐射和其他机房设备干扰严重的复杂环境以及非视距传播误差显著降低传统室内定位精度问题,提出一种运用最优化理论原理和K最邻近算法的抗非视距传播误差的室内三维三边定位算法,在此基础上设计和开发基于超宽带技术的机房室内定位系统,用于复杂机房环境的室内定位导航。实验证明,该定位系统比Wi-Fi、蓝牙指纹定位具有更高的定位精度,在复杂的机房环境下基于非线性最小二乘法进行目标函数求解的最优化方法与KNN算法相结合的室内定位方案具备较好的定位性能,为机房数据中心运维智能化的位置定位导航服务提供了有效的方法和手段。     

基于RFID的校园导航系统的设计与实现

随着GIS、LBS技术和移动互联网技术等核心技术的发展,服务于普通大众的个人导航系统成为应用热点。室内行走引导是个人导航系统的核心之一,其中涉及的室内定位技术一直是研究的难点之一。基于固定式RFID标签群,生成室内位置地图,将随身移动式RFID读写器和个人智能手机相结合,完成室内定位、路径计算和导航提醒。基于上述设计方案,完成了一个基于RFID的南京大学校园导航系统,并将其投入了实际使用。     

浅谈高灵敏度GPS室内定位技术

室内环境GPS定位与导航技术的研究实质上是低信噪比环境下信号的处理问题,文章对室内环境下导航与定位的关键技术：微弱GPS信号捕获、微弱GPS信号码跟踪、室内环境下位置解算以及辅助GPS定位等进行了详细的介绍,对一些主要的GPS信号捕获算法进行了计算机仿真,对部分关键技术提出了改进方法,并在最后给出了高灵敏度软件接收机的整体设计方案。     

A novel mobile recommender system for indoor shopping

With the widespread usage of mobile terminals, the mobile recommender system is proposed to improve recommendation performance, using positioning technologies. However, due to restrictions of existing positioning technologies, mobile recommender systems are still not being applied to indoor shopping, which continues to be the main shopping mode. In this paper, we develop a mobile recommender system for stores under the circumstance of indoor shopping, based on the proposed novel indoor mobile positioning approach by using received signal patterns of mobile phones, which can overcome the disadvantages of existing positioning technologies. Especially, the mobile recommender system can implicitly capture users’ preferences by analyzing users’ positions, without requiring users’ explicit inputting, and take the contextual information into consideration when making recommendations. A comprehensive experimental evaluation shows the new proposed mobile recommender system achieves much better user satisfaction than the benchmark method, without losing obvious recommendation performances.