基于概率交易模型的线下百货推荐

该文提出了一种新颖的概率交易模型PTM,针对线下百货进行个性化的推荐。传统的推荐模型,如K-近邻算法、矩阵分解等,或者仅利用局部的数据,使得模型面临线下数据极大的稀疏性挑战,或者忽略百货数据中的交易维度,使得模型损失了同一交易中多商品共现的强相关信息,最终导致它们在面对线下百货推荐问题时性能低下。针对以上的问题,本模型从交易的维度出发,建模交易记录中的共现模式,并利用全局的交易数据来学习商品的相关分量,在此基础上推断出用户的兴趣分布,实现个性化的推荐。在真实的线下百货交易数据上的实验结果表明,该模型能够极大地提高线下百货领域个性化推荐的准确性。
     

Time-variant global reliability sensitivity analysis of structures with both input random variables and stochastic processes

Structural and Multidisciplinary Optimization - The ubiquitous uncertainties presented in the input factors (e.g., material properties and loads) commonly lead to occasional failure of mechanical...     

基于类型标志镜头与词袋模型的体育视频分类

基于内容的体育视频分类是高效管理大量体育视频数据的关键步骤之一,为提高体育视频分类方法的正确率及泛化能力,提出一种基于类型标志镜头与视觉词袋模型相结合的体育视频分类方法.首先给出类型标志镜头的定义,并通过类型标志镜头构建该镜头视频帧训练库;然后构建基于视频帧训练库的金字塔视觉词袋模型,将视频帧标志为归一化的词频向量,使用SVM对视频帧进行分类;再通过分析视频帧分类错误的原因及表现形式提出基于时序连续性孤立帧去除算法,以消除视频帧的错误归类.由于体育视频按组合类型可分为单一体育视频与混合体育视频,因此分别提出了单一体育视频及混合体育视频2种分类算法.实验结果表明,文中算法具有实现简单、处理速度快和准确度高的优点.     

决策树算法在饰品营销中的应用

阐述了饰品企业营销的现状,提出了将数据挖掘技术应用到饰品营销中的方案.在分析决策树算法的基础上,介绍了决策树算法及决策树的构造,并使用该算法对企业客户进行分类及对新客户类型预测,实现对商业数据中隐藏信息的挖掘,且对该挖掘模型进行了验证.     

多溴苊烯化合物的分子结构和热力学性质

多溴苊烯是潜在的一类有机污染物,本文采用密度泛函理论在B3LYP/6-311G**水平上,优化这类化合物的分子几何结构135个,获得它们在理想气态的一些热力学性质的数值,研究这些性质与取代的溴原子数目和位置的关系,根据各异构体的标准生成Gibbs自由能的相对大小,求出它们热力学稳定性的顺序。结果表明:大部分多溴苊烯分子具有平面的几何构型。最稳定及最不稳定异构体的△_fH~θ及△_fG~θ,都随Br原子数目增加而逐渐增加。溴原子数目相同的△_fH~θ和△_fG~θ与溴原子的取代位置有很大的关系,其相对稳定性由分子内Br…Br核排斥作用的强弱而决定。     

提高RS485总线主从通信效率的软件设计

随着数字技术的发展和网络技术日益广泛的应用,经常需要采用串行通信来进行信息交换,RS485因硬件设计简单、控制方便、成本低廉等优点,广泛应用于工厂自动化、工业控制、银行商场小区监控等领域。但是RS485总线仍然只是一种常规的通信总线,不能够做总线的自动仲裁,即为了避免总线竞争不能同时发送数据,所以整个系统的通信效率较低,数据的冗余量较大。因此,提高现有系统的通信效率就显得尤为重要。     

服装产品的后续设计研究

在西方发达国家,服装产品的后续设计已经司空见惯,品牌公司在服装产品推向市场之时,已经全方位地考虑到服装产品的后续设计。近年来,国内的服装品牌咨询专家、服装产品设计师也提出过类似相关的概念。服装产品的后续设计内容宽泛,涉及服装产品与饰品的组合状态,以及服装产品的系列化特征、陈列展示和后续配套形式等方面内容,这几个部分内容彼此互联,互相影响。服装产品的后续设计研究具有重要的理论和现实意义,它能够引导服装产品设计师、服装品牌咨询专家、消费者更深入地了解服装产品设计的实质目的。     

中条山胡—蓖型铜矿床成因新认识

讨论了剥离断层与成矿物质来源,矿体空间分布型式以及矿化特征等方面联系,从而提出胡-蓖型铜矿床是一个受剥离断层控制的“热液型(断)层状矿床”。     

Modeling NOx emissions from coal-fired utility boilers using support vector regression with ant colony optimization

Modeling NO_x emissions from coal fired utility boiler is critical to develop a predictive emissions monitoring system (PEMS) and to implement combustion optimization software package for low NO_x combustion. This paper presents an efficient NO_x emissions model based on support vector regression (SVR), and compares its performance with traditional modeling techniques, i.e., back propagation (BPNN) and generalized regression (GRNN) neural networks. A large number of NO_x emissions data from an actual power plant, was employed to train and validate the SVR model as well as two neural networks models. Moreover, an ant colony optimization (ACO) based technique was proposed to select the generalization parameter C and Gaussian kernel parameter γ. The focus is on the predictive accuracy and time response characteristics of the SVR model. Results show that ACO optimization algorithm can automatically obtain the optimal parameters, C and γ, of the SVR model with very high predictive accuracy. The predicted NO_x emissions from the SVR model, by comparing with the BPNN model, were in good agreement with those measured, and were comparable to those estimated from the GRNN model. Time response of establishing the optimum SVR model was in scale of minutes, which is suitable for on-line and real-time modeling NO_x emissions from coal-fired utility boilers.