烟熏鱿鱼不同温度贮藏期间色泽变化初步研究

在不同贮藏温度下,利用ColorQuest XE(色差仪)对真空包装的不同烟熏鱿鱼样品进行色泽变化检测与分析。结果表明:烟熏鱿鱼样品贮藏温度越低,色值和色差值总体变化越小,并且变化都发生在贮藏前期,半成品样品在-18℃冷冻条件下,基本不发生变化;烟熏鱿鱼成品在常温下,变化也不明显。     

一种改进的水平分布式环境下基于同态加密的隐私保护算法

提出了一种改进的水平分布式环境下关联规则挖掘的隐私保护算法,该算法应用部分隐藏的随机化回答方法和同态加密技术,引入半可信第三方,将各站点的数据集进行扰乱和隐藏,并将数据的水平格式表示转换成垂直格式表示,通过位运算计算局部支持数,利用Paillier算法计算全局支持数。所提算法具有站点之间无须通信、支持数计算效率高、I/O操作次数少以及传输安全等优点。实验结果表明,所提算法提高了局部支持数的计算效率并减少了I/O操作次数。     

基于交叉覆盖算法的改进算法——核平移覆盖算法

文中对前向神经网络交叉覆盖算法进行了分析,并在此基础上引入统计学习理论中的核函数,提出了两者结合的方法———核平移覆盖算法(简称KMCA)。KMCA通过Mercer核,将输入空间的样本映射到高维特征空间,然后先覆盖、后平移,以使覆盖领域局部最优,实现在核空间中分类识别。实验的结果证明了KMCA的可行性和有效性。     

基于双重最相关注意力网络的协同过滤推荐算法

基于项目的协同过滤从用户的历史交互项目中学习用户偏好,根据用户的偏好推荐相似的新项目。现有的协同过滤方法认为用户所交互的一组历史项目对用户的影响是相同的,并且将所有历史交互项目在对目标项目作预测时的贡献看作是相同的,导致这些推荐方法的准确性受限。针对上述问题,提出了一种基于双重最相关注意力网络的协同过滤推荐算法,该算法包含两层注意力网络。首先,使用项目级注意力网络为不同历史项目分配不同的权重来捕获用户历史交互项目中最相关的项目;然后,使用项目交互级注意力网络感知不同历史项目与目标项目之间的交互关联度;最后,通过两层注意力网络的使用来同时捕获用户在历史交互项目上和目标项目上的细粒度偏好,从而更好地进行下一步推荐工作。在MovieLens和Pinterest两个真实数据集上进行实验,实验结果表明,所提算法在推荐命中率上与基准模型基于深度学习的项目协同过滤（DeepICF）算法相比分别提升了2.3个百分点和1.5个百分点,验证了该算法在为用户进行个性化推荐上的有效性。     

基于自相关系数和PseAAC的蛋白质结构类预测

传统的预测方法在构造特征向量时只考虑了氨基酸的组成,而自相关系数不仅能够很好地反映序列中氨基酸的位置信息,而且考虑了序列内部不同位置的氨基酸间的相互影响。设计了一种将氨基酸组成和自相关系数相结合的方法来构造特征向量;在Chou提出的伪氨基酸组成模型（pseudo．aminoacidcomposition,PseAAC）的基础上,通过扩展信息重新构造了伪氨基酸组成模型,并将其与自相关系数组合在一起来构造特征向量。分别使用两种方法编码,选用支持向量机作为预测工具,在数据集Z277、Z498以及独立测试集D138上进行了若干实验,对比结果显示,新方法比传统的氨基酸组成方法的准确率分别平均提高了7．43％和8．53％,证明了新方法是有效的。     

CCA三支决策模型的边界域样本处理

构造性覆盖算法（constructive covering algorithm,CCA）三支决策模型在学习过程中根据样本分布特征,自动产生正域、负域和边界域。该模型为边界域样本处理问题提供了新的思路。重点讨论了基于CCA的三支决策的边界域样本处理问题。对边界域样本处理提出了两种决策方案：一种为处理全部的边界域样本,给出了距中心最近原则、距边界最近原则、万有引力原则3种方法;另一种为处理部分的边界域样本,即只对满足一定条件的边界域样本作进一步的划分,这样使不满足条件的边界域样本仍保留在边界域,提高了边界域样本处理的正确率。用十字交叉法在5组数据集上对这两种决策方案进行了对比,实验结果表明,处理部分边界域样本时正确率更高,效果更好。     

不同粒度中的保序性

信息的不完备、不确定是复杂决策环境中不可避免的问题。从不完备、不确定的海量信息中发现某种特定目标的潜在有用的知识,若没有一种降低不确定性、变复杂为简的有效处理海量数据集的方法,而直接利用相应的海量数据进行挖掘,不仅数据处理效率低,更由于传统的方法基本是以不可分辨关系为基础的,因此,其变复杂为简的方法要求形成互不相交的等价数据子集,这在实际处理中不易满足。文中给出商空间的保序性的有关概念,给出求商(拟)半序直接方法及其数学证明,然后以序关系代替传统的不可分辨关系,形成逼近某种特定目标的子集序列,从而获取潜在有用的知识。     

用Ajax技术实现B/S模式下客户端间信息交互

C/S模式下,客户端之间的信息交互通过Socket编程或者消息传递中间件很容易实现,而B/S模式下,作为客户端的浏览器之间的信息交互却很难实现,因为浏览器客户端对信息的改变很容易提交给服务器端,反过来,服务器端的信息的改变却很难及时地通知每个客户端,只能通过客户端重新发出HTTP请求。传统的方法是每个客户端的网页每隔一段时间就刷新一次,这势必会造成整个页面的不断刷新和重载,从而浪费时间和宽带。文中利用Ajax与服务器端交互异步的特点,结合Jsp/Servlet的强大功能,实现web页面无刷新快速更新数据方法,达到客户端与服务器端尽量保持数据同步,客户端之间通过web服务器实现了信息的交互,并且在用户体验上也得到了优化。实验结果表明,该方法具有一定的实用性。     

基于覆盖算法的煤炭供应商评测模型

阐述了当前进行煤炭供应商评测的方法以及这些方法的弊端。针对这种弊端，根据煤炭供应商评测的特点，利用前向神经网络的交叉覆盖算法及其改进算法对煤炭供应商供货质量进行了评测，在实验中将其与统计理论中加权平均的方法进行比较，证明取得了不错的效果，同时证明了核覆盖算法对交叉覆盖算法的改进。     

改进的K-means算法在电信客户细分中的应用

在K-means算法中,选择不同的初始聚类中心会产生不同的聚类结果且有不同的准确率,并且其迭代过程在时间上不是高效的.针对K-means算法的这两点不足做了一定程度上的改进,理论分析表明,改进后的算法具有较高的准确度和较低的时间复杂度.采用改进后K-means聚类算法对电信客户数据进行聚类分析,得到具有不同特征的客户群组,通过与统计分析的对比,聚类结果分析更合理清晰,更便于对不同群组采取不同的经营策略,为管理者提供了合理的决策支持.