基于改进聚类和矩阵分解的协同过滤推荐算法

大数据背景下,对于传统的协同过滤推荐算法在电子商务系统中的数据稀疏性、准确性不高、实时性不足等问题,提出一种改进的协同过滤推荐算法。该算法首先通过矩阵分解实现对原始数据的降维及其数据填充,并引入了时间衰减函数预处理用户评分,用项目的属性向量来表征项目,用用户的兴趣向量来表征用户,通过k-means聚类算法对用户和项目分别进行聚类;然后使用改进相似性度量方法在簇中查找用户的最近邻和项目推荐候选集,产生推荐。实验结果表明,该算法不仅可以有效解决数据稀疏和新项目带来的冷启动问题,而且还可以在多维度下反映用户的兴趣变化,推荐算法的准确度明显提升。     

基于PSO的变模温吹塑模具电加热系统设计优化

模腔表面加热效率和加热均匀性是表征变模温模具热响应性能的两大关键技术指标,其取决于模具加热系统的设计。为获得优异的模具热响应性能,提出了一种集粒子群优化(PSO)和有限元方法(FEM)于一体的模具加热系统优化策略,并将该PSO-FEM方法应用于优化设计汽车扰流板变模温吹塑模具的电加热系统。结果表明,优化后模腔表面温度分布均匀性提高了53%,模腔表面最大温差从优化前的约20℃降低至优化后的9.4℃。基于优化设计参数构建了相应的扰流板吹塑模具,并进行了变模温吹塑成型实验。研究发现所成型扰流板的表面呈现均匀的镜面光泽,可直接满足装配要求,从而证明了PSO-FEM优化设计方法的有效性和变模温吹塑成型工艺在实际应用中的可行性。     

煤矿岩巷掘进爆破掏槽孔超深问题探讨

掏槽技术是影响煤矿岩巷钻爆法掘进效率的关键,为了探讨掏槽孔超深深度(掏槽孔与非掏槽孔深度之差)与炮孔利用率之间的关系,采用文献检索法和现场试验开展相关研究,以近40年岩巷爆破掘进实际案例为对象,从时间、岩性、断面大小、炮孔深度、掏槽形式等5个维度对我国煤矿岩巷掘进施工相关文献进行了统计分析研究。研究结果表明:自20世纪80年代以来,岩巷爆破设计的掏槽孔超深深度均设定约为200 mm,炮孔利用率维持在90%左右,5个维度中岩性对炮孔利用率的影响最为显著,并就掏槽孔超深深度为200、300、400和500 mm时进行了现场爆破试验,炮孔利用率较超深深度为200 mm时的89%分别提高到93%、97%和97%,最大提高了8%,试验条件下掏槽孔超深深度的最优为400 mm;掏槽孔超深深度与炮孔利用率具有较强的相关关系,适当加大掏槽孔超深深度能显著提高炮孔利用率,而不同施工条件下掏槽孔超深深度的确定有待研究。     

可公开验证的高效无证书聚合签密方案

签密技术是构建网络信任体系的基础,能够保证数据的机密性、完整性和可验证性,但是当大量用户同时进行签密时,验证耗时较长。聚合签密技术将大量用户的签名进行聚合,并提供批量验证以提高验证效率。针对现有基于双线性映射的聚合签密方案存在聚合验证效率低、不满足可公开验证性的问题,基于计算双线性Diffie-Hellman和计算性Diffie-Hellman困难问题假设,提出可公开验证的无证书聚合签密方案。采用双线性映射运算将发送方与接收方的身份信息分别添加到签名和密文中,以隐藏用户身份信息。在随机预言模型下验证该方案的机密性和不可伪造性,并且在对数据的真实性产生质疑时,通过任何可信第三方对验证等式进行计算,无需用户私有信息,具有可公开验证性。分析结果表明,该方案具有较少的运算开销,在聚合验证阶段,仅使用2次固定的双线性映射运算,能够有效提高运算效率。     

电火花钻削高精度盲孔实验研究

针对电火花加工中电极损耗问题, 提出轴向补偿电极损耗的钻孔方法, 利用黄铜和紫铜2种不同电极材料在超精密电火花加工机床(Sarix SX-200hpm)上, 对钛合金进行不同深度盲孔加工实验, 对比了该法与电极损耗无补偿加工的差异。结果表明,利用该方法加工的盲孔深度能接近预期深度,且紫铜电极加工的盲孔形貌更好。     

基于ParetoHeu和实例化失败统计的关联启发式方法

变量排序启发式是约束规划求解约束满足问题中的一项关键技术,对求解效率有着重要影响。为进一步提高基于关联的变量排序启发式方法CRBS对问题求解的效率和能力,提出了一种基于ParetoHeu和实例化失败统计的关联启发式PICRBS。PICRBS采用源于帕累托最优的启发式组合方式ParetoHeu,将CRBS与经典的通用启发式dom/wdeg进行结合,同时加入基于实例化失败次数的权值统计方法,为问题求解选择最有可能导致搜索发生回溯的变量。实验结果显示,针对多个问题实例,该方法在问题求解效率上高于CRBS和主流变量排序启发式。     

基于Spark无线城市社团发现算法的研究*

针对已有的社团发现算法存在时间复杂度较高、运行过程会产生大量重复团等问题,引入二叉树的存储结构、权重排序、深度优先遍历的概念,与Spark基于内存计算的特点相结合,提出一种改进的并行化S-T-CS算法。通过搭建Spark大数据平台实现该算法,并与传统团搜索CS算法和基于Hadoop的MP-T-CS算法进行性能对比。实验结果表明,S-T-CS算法解决了生成结果冗余的问题,降低了时间代价,提升了社团发现算法的运行速度和对海量数据的处理能力。     

面向高层次综合的自定义指令自动识别方法

针对在高层次综合（HLS）过程中性能提升、功耗降低困难等问题,提出了一种面向高层次综合的自定义指令自动识别方法。在高层次综合过程之前实现对自定义指令的枚举和选择,从而为高层次综合提供通用的自定义指令识别方法。首先,将高层次源代码转换为控制数据流图（CDFG）,实现了对源代码的预处理;其次,基于控制数据流图内的数据流图（DFG）,采用子图枚举算法以自底而上的方式枚举出所有连通凸子图,有效提高了用户可灵活修改约束条件的能力;然后,分别从面积、性能和代码量三个角度考虑,利用子图选择算法选择部分最佳子图作为最终的自定义指令;最后,用所选的自定义指令重新生成新代码作为高层次综合工具的输入。与传统高层次综合相比,采用基于出现频率的模式选择可平均减少19.1%的面积,采用基于关键路径的子图选择可平均减少22.3%的时延。此外,与TD算法相比,所提算法的枚举效率平均提升70.8%。实验结果表明,自定义指令自动识别方法使高层次综合在电路设计中能够显著地提升性能,减少面积和代码量。     

可扩展处理器中最大凸自定义指令迭代识别研究

由于可扩展处理器能够在设计周期、灵活性、性能以及功耗等方面提供良好的折中,近年来,可扩展处理器大量地在嵌入式系统和电子设备中使用.自定义指令自动识别是可扩展处理器设计的关键.针对自定义指令自动识别问题,提出并实现了从给定的应用程序代码中自动识别最大凸自定义指令(maximal convex subgraphs, MCSs)的迭代设计流程.提出的设计流程解决了2个关键问题：MCSs自动枚举问题和MCSs自动选择问题.针对MCSs枚举问题,提出了一种夹心方式枚举所有候选最大凸自定义指令,该算法结合了自下而上和自顶向下方式的优点.与最新算法相比,提出的算法可以实现数量级的加速.针对MCSs选择问题,提出了一种利用候选指令之间的重叠关系建立兼容图,并应用非重叠规则来修剪大量的搜索空间的精确选择算法.实验结果表明：利用提出的精确算法,在大多数情况下可以找到用于最大化提升性能的MCSs.     

光伏电池最大功率点跟踪方法的研究

随着能源的耗竭,光伏发电技术越来越受到人们的重视,光伏发电的过程主要就是将接收到的太阳辐射利用光伏电池转变为电能的过程。在光伏发电系统中,为了进一步提高光伏电池的转换效率,需要对光伏电池的最大功率点进行跟踪。本文首先分析了在跟踪控制中常见的恒压控制法,扰动跟踪法和功率数学模型法,比较了它们的优缺点,并基于这三种方法提出了一种改进的跟踪方法。