基于用户相似性的加权Slope One算法

针对因Slope One算法没有考虑相似性,而导致个性化推荐准确率不高的问题,提出了一种基于用户相似性的加权Slope One算法（BUS Weighted Slope One算法）,通过先评定用户活跃度,筛选出活跃用户,然后依据项目间相似性对部分未评分项目进行预测填充,再利用用户间的相似性得到用户的最近邻居集合,将用户间的相似性作为预测评分权重,最后根据最近邻居集合对样本进行预测分析。通过三组实验研究结果表明,与其他传统方法相比,本文提出的方法同时提高了评分预测的准确性和计算效率。     

基于CURE的用户聚类算法研究

通过对Web网站的日志进行聚类分析,目的是获取用户兴趣访问模式,进而为不同用户群体提供定制的个性化服务。针对原始CURE算法在代表点选择的随机性、不能充分体现用户兴趣偏好方面存在的问题,提出了改进的用户聚类算法,根据用户兴趣的显著特征提取元素的主要属性进行预聚类,为小类合并提供合理的初始类集,实验结果证明了该方法有较好的聚类结果。     

黄委政务外网统一用户与访问管理的技术实现

本文分析了多个应用系统之间的用户不统一、访问繁琐、无法有效管理的问题,实现了对不同系统的用户统一管理和单点登录,并对用户的登录行为和认证行为进行管控。     

近现代重要史迹的"事件性"特性与"完整性"评估

将不断演进的文物保护理念具体到现实的文物保护工作中,需要结合先进理念针对不同文物类型进行实践性研究。以抚顺战犯管理所旧址为例,就近现代重要史迹类文物的保护规划,基于策略层面探讨利用事件性特性构筑近现代重要史迹的完整性问题;以事件性特性和完整性要求的研究现状为理论基础,认为事件性是型构近现代重要史迹类文物完整性的关键环节,并通过实例展示了利用事件性特性构建近现代重要史迹完整性的优势。     

局域网安全技术的实现

随着人们对Internet的依赖性越来越大,Internet上信息安全问题日益重要起来.运用各种技术手段来保护Internet上信息安全是非常必要的。本文将介绍目前几种主要的保护Internet上信息安全的技术,包括防火墙、数据加密、用户识别技术。     

基于逻辑回归的微博用户可信度建模

针对微博虚假用户问题,以新浪微博为研究平台,对微博用户的行为进行分析,从在线时长、发帖时间、互动程度等方面,提取用于区分用户类别的特征变量,运用逻辑回归算法,提出一个基于逻辑回归的微博用户可信度评价模型。实验结果表明,该模型能够对传统的虚假用户“僵尸粉”进行识别,对新型虚假用户有较高的识别率,可以根据置信值的大小对用户进行大致分类,实用性较强。     

HilAnchor: Location Privacy Protection in the Presence of Users’ Preferences

Location privacy receives considerable attentions in emerging location based services.Most current practices however either ignore users’ preferences or incompletely fulfill privacy preferences.In this paper,we propose a privacy protection solution to allow users’ preferences in the fundamental query of k nearest neighbors (kNN).Particularly,users are permitted to choose privacy preferences by specifying minimum inferred region.Via Hilbert curve based transformation,the additional workload from users’ preferences is alleviated.Furthermore,this transformation reduces time-expensive region queries in 2-D space to range the ones in 1-D space.Therefore,the time efficiency,as well as communication efficiency,is greatly improved due to clustering properties of Hilbert curve.Further,details of choosing anchor points are theoretically elaborated.The empirical studies demonstrate that our implementation delivers both flexibility for users’ preferences and scalability for time and communication costs.     

基于局部重要性采样的SAR图像纹理特征提取方法

合成孔径雷达（Synthetic aperture radar,SAR）图像因为相干斑现象和目标响应的空间变化呈现出一种纹理特性,局部二进编码等局部图像特征 在光学纹理描述中获得较好的结果,但光学纹理特征在描述SAR图像纹理特性中因为相干成像特性往往失效. 本文 在前期工作纹理特征框架的基础上,提出了一种局部重要性采样二进编码的SAR图像纹理特征（Feature extraction based on local important sampling binary,LISBF）描述方法：首先,利用样本图像对局部采样位 置进行随机自适应采样,基于重要性采样（Important sample,IS）方法输出递归学习位置结果;然后,利用学习出的纹理重要采样点对进 行二进特征编码;最后,通过映射和统计生成描述算子. 该特征较固定位置采样能够获取更大范围信息,同时能通 过采样避免特征维数的急剧增大;通过自适应学习重要性关键点较随机采样 更容易捕捉纹理固有信息;较好地适应了SAR图像极低信噪比和斑点现象的纹理. 本文将该特征用于真实图像和标准纹理库的分类研究,实验结果证明了该特征的有效性.     

Trip Purposes of Automobile Users Inference Using Multi-day Traffic Monitoring Data

题目：基于多日交通监测数据推断汽车用户的出行目的

作者姓名：郑文,李文权,陈茜,郑炎,张晨皓

单位：东南大学交通学院,211189,中国南京

摘要：确定出行目的是探索出行规律的一个重要环节。本文以城市中的汽车用户为研究对象,结合无监督学习和有监督学习方法分析其出行特征,重点研究汽车用户出行目的的分类和预测。然而,以往关于出行目的的研究主要集中在问卷调查和GPS数据上,不能很好地反映汽车出行的特点。为了避免传统交通问卷调查中忽略的多日行为变异性和个体特征的不可观察异质性,我们采用了青岛市北区的道路卡口监测数据,并运用K-均值聚类方法来估计汽车用户的出行目的。然后,采用自适应提升（AdaBoost）和随机森林（RF）方法对出行目的进行分类和预测。最后,本研究的结果显示: (1）汽车用户的出行目的主要可以分为四类,分别是通勤出行、出租车出行、白天的弹性生活需求出行和晚间的娱乐休闲购物;（2）随机森林方法在出行目的预测中的表现明显优于AdaBoost,准确率更高;（3）超参数优化下随机森林的平均预测精度达到96.25%,证明了上述聚类结果的可行性和合理性。

关键词：出行目的;汽车用户;交通监控数据;K-means聚类; AdaBoost;随机森林

主要研究内容：

由于汽车出行结构的复杂性,使用GPS数据或问卷调查数据无法完全分析出其出行特征。本文选择覆盖面更广的道路卡口监测数据来分析汽车出行的空间和时间特征。本文以K-means聚类和机器学习为重点,旨在对汽车用户的出行目的进行分类和预测。我们的工作可以为探索城市汽车出行的特征提供依据,也可以为不同的出行目的提供合适的公共交通方式（如需求响应式公交、快速公交和公交快线）来替代汽车出行,这有助于优化城市道路交通结构,保证城市交通系统的可持续发展。其核心思想和重要研究内容主要包括以下三个部分。

1）在我们的研究中,应用了以往关于出行目的研究中没有使用过的道路卡口监测数据,并验证了监督和非监督学习方法的结合在分析具体出行问题上的有效性。这不仅可以从一个新的角度来分析出行目的,也为今后的出行行为研究提供了很好的参考。

2）基于青岛市的道路监测数据集,建立了六个指标来分析汽车用户出行的时空特征。然后,采用K-means聚类方法对数据集进行分析,根据SSE和CH_Score的收敛值,可以将研究区域内的汽车用户出行目的主要分为四类,分别为通勤出行、出租车出行、白天的弹性生活需求出行和晚间的娱乐休闲购物。这使得我们可以间接了解汽车用户的出行结构,从而帮助交通管理者针对不同目的实施不同的交通管理措施。

3）根据K-means聚类的结果,从多个方面分析了两种基于树的集合学习方法的预测精度。结果发现,在超参数优化条件下,随机森林更适合于处理该类出行目的预测问题。MAE、RMSE和R²的值都优于AdaBoost。此外,RF的平均预测精度可以达到96.25%,也高于AdaBoost。它为处理出行行为问题提供了参考。

     

分布式光伏储能电池混合系统的经济性分析

为了提高光伏系统的利用率,需要研究家庭和企业用户的分布式光伏及储能电池混合系统的最优运营模式。以居民用户和企业用户为对象,分别建立了用户无光伏发电、光伏电力全部出售给电网、自发自用余电上网以及光储系统下自发自用余电上网这4种运营模式下用户的成本效益模型,分析了不同运营模式下系统的经济性。结果表明:在无储能的光伏发电系统中,光伏系统的装机容量越高,用户的净利润越高,并且自发自用,余电上网是收益最高的用电模式。在有储能的光伏发电系统中,考察了6种储能电池在分布式光伏/储能电池系统中的经济性,发现对于居民用户,采用储能系统消纳光伏电力的经济性较低;而对于企业用户,储能系统的经济性较前者有一定程度的提高。随着储能电池成本的降低,企业用户配置光伏储能电池系统会有较好的应用前景,其中水钠电池的经济性最高。研究成果可为家庭和企业用户光伏发电系统运营模式的选择提供理论依据。