基于聚类分析的新书推荐

针对大多数图书馆管理系统中的个性化服务中的新书推荐只是定时将新到馆的图书罗列出来让读者浏览进行推荐,推荐效果差的问题。本文在比较三大常用的推荐技术的优缺点后,采用基于聚类分析的推荐算法推荐新书,并具体给出实现的方法。     

Mine,ours, and yours: Whose engagement and prior knowledge affects individual achievement from online collaborative learning?

In computer-supported collaborative learning research, studies examining the combined effects of individual level, group level and within-group differences level measures on individual achievement are scarce. The current study addressed this by examining whether individual, group and within-group differences regarding engagement and prior knowledge predict individual achievement. Engagement was operationalised as group members' exhibited activities in the task space (i.e., discussing domain-content) and social space (i.e., regulating ideas, actions and socioemotional processes). Prior knowledge and achievement were operationalised as group members' performance on a domain-related pre-test and post-test, respectively. Data was collected for 95 triads of secondary education students collaborating on a complex business-economics problem. Subsequently, three different multilevel models were tested to examine the combined effect. First a model with the individual level measures (model 1) was tested and in subsequent models the group level measures (model 2) and within-group levels measures (model 3) were added. Findings indicate model 2 showed the best fit; group members' individual engagement in the social space activities as well as the groups' average prior knowledge positively predicts individual achievement. No effects were found for either group members' or groups' engagement in the task space and for the within-group differences.     

众筹项目推荐:面向隐式反馈的深度学习协同过滤

目前,在推荐系统研究中,用户的隐式反馈,以及极度稀疏的数据,已成为影响协同过滤推荐效果的主要问题.针对这一现象,本文提出了深度学习协同过滤算法,先利用卷积神经网络,对用户-项目矩阵的隐层特征进行学习,再结合协同过滤,对用户-项目的交互信息进行建模,并将两种特征融合预测推荐列表.以众筹平台的数据为实验对象,比较模型中各参数对推荐效果的影响,并设计与基线方法的对比实验.实验结果表明:均匀采集负反馈,并在一定卷积层数的网络中,数据稀疏度越高,效果越好;对比基线方法,本文提出的算法在公开数据集(Yahoo!Movie)上取得了最好的推荐结果.本文提出的算法有助于提高众筹平台的融资成功率,同时也丰富了推荐系统的研究体系.     

基于语义识别的不良倾向性信息过滤系统的设计与实现

文章基于自然语言理解和神经网络技术,通过对实际应用的分析,建立了三个领域知识的规则库,设计了一个针对BBS站点的过滤系统原型,实现了对网络上某一特定内容信息的过滤和监控功能,达到了较好的实用效果。     

一种改进的基于多项式滤波的稳态检测方法

化工过程的数据中常常含有较多的随机误差和粗差干扰,导致传统的稳态检测方法无法得到准确的结果,从而降低系统故障诊断的可靠性。针对实际的工业过程数据,提出一种融合自适应平滑技术的稳态检测方法,该方法首先以基于导数分析的自适应平滑算法进行降噪处理,消除随机误差的影响,然后引入阈值拟合技术进一步抑制粗差干扰,以多项式滤波方法对数据进行稳态检测,根据测量信号的趋势特征确定过程是否处于稳态。仿真实验研究表明:融合自适应平滑技术的稳态检测方法能够克服传统稳态检测方法中随机误差和粗差干扰对检测结果的影响,进而显著提高稳态检测处理的准确性,检测结果明显优于传统的基于多项式滤波的检测方法。     

基于Ajax的智能RSS聚合系统研究

RSS存在信息过载问题,为了解决该问题,设计了一个基于Ajax的智能聚合系统,使用户可以高效、及时、准确地获取到自己感兴趣的新闻。综合了内容过滤和协作过滤的优缺点,提出了一个改进的过滤算法,提高了过滤性能和准确度。对用户的行为和特征进行建模,系统可以依据用户模型过滤掉用户可能不感兴趣的信息。并将信息过滤技术与RSS聚合技术结合,使用户可以通过RSS聚合系统获取到自己感兴趣的内容,降低信息冗余。     

自适应的有效非局部图像滤波

研究了基于预选择的非局部均值滤波方法,并指出已有方法在提取图像子块特征方面的不足,利用梯度域奇异值分解(SVD) 提出一种自适应的有效非局部滤波方法。该方法对基于预选择的非局部滤波方法的贡献主要有:1)是一种基于图像子块结构特征的鲁棒预选择方法;2)研究了相似集大小与滤波性能的关系;3)相似子块的自动选取;4)提出一种局部自适应的滤波参数选取方法,根据图像局部内容的不同确定滤波参数。此外,利用欧氏距离的对称性进一步提高运行速度。实验结果表明:本文方法滤波后的图像在主客观方面都优于原算法和其他快速方法,且运行速度较快,是一种有效的滤波方法。     

基于卡尔曼滤波SVM图像鉴别方法研究

研究如何区分自然图像和计算机图形判别图像问题。由于人眼难以判别真伪图像,针对传统的图像鉴别方法由于参数的设置而造成识别准确率低,从而无法准确的区分自然图像和计算机图形。提出了一种卡尔曼滤波和支持向量机分类算法相结合的高性能图像真伪鉴别方法。算法首先采用卡尔曼滤波器提取图像的各个级别的分量,求解出各级分量和判别的误差值并作为特征数据,然后采用支持向量机分类算法对特征数据进行训练判别。仿真结果表明,提出的算法可以有效的判别图像的真伪,可以有效的识别出原始自然图像和合成图像,识别率高达99%以上,同时算法的稳定性较高,具有一定的实际应用价值。     

基于纹理分类的极化SAR图像滤波方法

关于雷达图像优化,提高分辨率的问题,场景较为复杂的图像,固有噪声图像效果不够理想,对具有不同统计特性的像素点缺乏精确的区分。由于传统参数估计方法降噪效果不足,为解决上述问题,提出了一种基于纹理特征分类的参数估计方法。首先计算极化总功率图像的灰度共生矩阵,并提取纹理特征矢量,用K均值聚类的方法进行分类。然后根据分类结果,在滑动邻域窗内选取与中心像素同类别的像素用于参数估计。实验结果表明,改进的纹理分类的滤波方法具有更好的降噪效果,对于复杂场景的极化SAR图像表现了较大的优越性。     

同态滤波在人脸识别中的应用研究

论文首先对人脸识别进行了介绍,通过对人脸识别系统的分析指出预处理在人脸识别中的重要性。然后对已有的人脸识别预处理法作了详细的介绍,并对各种方法进行比较。最后针对光照对人脸图像的影响还提出了同态滤波的方法,在预处理阶段消除光照对人脸图像的影响,实验结果表明,此种方法可以提高识别率。