考虑用户偏好和平台收益的共享泊位分配模型

与机动车数量激增类似,泊位短缺也是导致城市交通拥堵主要问题之一,在不增加车位的情况下提高泊车位利用率也是解决交通拥堵的一种方法。针对城市“泊车难”和部分泊车场利用率较低的问题,考虑了用户的偏好特征,研究了一种具有用户偏好的泊车位共享策略。考虑存在三种不同的泊车方式,在中央商务区（CBD）等待泊车、共享私人泊位、共享公共泊位,运用累积前景理论分析用户的泊车成本,发现用户在不同情形下的选择存在差异。平台通过对关键路径法修改,采用了偏好分组法进行分配。算例对偏好分组的结果与采用关键路径法的分配结果进行了比较,结果表明,基于偏好分组法的分配满足了更多的用户需求,平台收益更高,为管理者提供决策参考。     

基于用户满意度的图标动态形式设计

为了增加用户对人机界面图标的可理解性,提高用户认知效率,提出一种基于用户满意度的图标动态形式评价方法.利用速率、方向、范围、路径分别定义图标旋转、左右、上下平移、缩放4种基本动态形式;采用阈限测量法获得图标动作时间的上阈、舒适值、下阈,通过线性回归建立图标动作时间与图标动作幅度间映射关系;通过Likert量表进行动态图标范围适合度调查;结合方差分析和最小显著性差异实验,分析图标动作时间和图标动作幅度对用户偏好满意度、认知负荷的影响,并用于指导动态图标设计.实验结果表明在4种基本动态形式下,移动端的动态图标最佳动作时间在450 ms左右;动作时间与动作幅度为正相关,设备尺寸、图标复杂度对动作时间的设定有决定性的影响;动作幅度的设定与设备尺寸相关.为人机界面中动态图标设计提供了一种动态图标量化分析模型,以便为人机界面的动态图标设计提供一定的理论参考.     

面向用户的支持用户掉线的联邦学习数据隐私保护方法

联邦学习是解决多组织协同训练问题的一种有效手段,但是现有的联邦学习存在不支持用户掉线、模型API泄露敏感信息等问题。文章提出一种面向用户的支持用户掉线的联邦学习数据隐私保护方法,可以在用户掉线和保护的模型参数下训练出一个差分隐私扰动模型。该方法利用联邦学习框架设计了基于深度学习的数据隐私保护模型,主要包含两个执行协议:服务器和用户执行协议。用户在本地训练一个深度模型,在本地模型参数上添加差分隐私扰动,在聚合的参数上添加掉线用户的噪声和,使得联邦学习过程满足(ε,δ)-差分隐私。实验表明,当用户数为50、ε=1时,可以在模型隐私性与可用性之间达到平衡。     

在线教育平台中个性化学习资源推荐系统设计

为了通过充分挖掘和分析用户的学习行为规律及认知特点,借助互联网和人工智能技术提升个性化教育的深度和广度,设计了一个包含用户画像的个性化学习资源推荐系统。该系统由数据层、数据分析层和推荐计算层构成。数据层由用户数据以及包含知识资料、学习资料和标签集的资源库组成;数据分析层融合了以基础信息、学习行为等为代表的静态数据和动态数据,据此为用户生成个性化画像、提供直观形象的学习反馈;推荐计算层则通过相似性分析和聚类算法发现用户的学习行为规律,使用TF-IDF方法挖掘用户的资源偏好,并据此给出个性化的学习建议。该系统已应用于一个以人工智能类课程为主的在线教育平台,为师生提供个性化画像、学习反馈与资料推荐的服务,当前处于第二个学期的试用阶段。     

基于时空循环神经网络的下一个兴趣点推荐方法

下一个兴趣点推荐已经成为基于位置的社交网络(location-based social networks,LBSNs)中一个重要任务。现有的模型没有深入考虑相邻签到兴趣点之间的转移时空信息,无法对用户访问下一个兴趣点的长短时间偏好和远近距离偏好进行有效建模。本文通过对循环神经网络(recurrent neural network, RNN)进行扩展,提出一个新的基于会话的时空循环神经网络模型(sesson-based spatial-temporal recurrent neural network, SST-RNN)用于下一个兴趣点推荐。该模型通过设置时间转移矩阵和空间转移矩阵分别对用户的时间和空间偏好信息进行建模,综合考虑连续签到兴趣点的序列信息、时空信息以及用户偏好进行下一个兴趣点推荐。通过在2个真实公开的数据集上进行实验,结果显示本文提出的SST-RNN模型的推荐效果比主流的推荐模型有显著提升。在Foursquare和CA数据集上,ACC@5评价指标分别提升了36.38%和13.81%,MAP评价指标分别提升了30.72%和17.26%。     

虚拟现实全景流体绘画系统的可用性研究

虚拟现实环境给三维空间场景应用带来更强的真实感和身临其境的体验。在虚拟现实场景中经 常需要使用 360全景图像生成沉浸式环境背景,其中全景流体动力学绘画系统提供了一个新的全景图绘制方 法。在调研虚拟现实技术在流体绘画领域应用的适用性测试中,本文综合运用用户测试法、操作日志分析法、 事后问卷调查法和访谈法,对基于虚拟现实的全景式流体绘画创作系统进行可用性评估,并创意性地使用可视 化方法辅助日志分析。所有的受试者均认为系统的可用性不低于一般水平,利用该系统完成流体绘画的创作工 作不需要受试者具有专业绘画经验。受试者对系统的功能效果持积极肯定的意见,并期待尝试用其他交互形式 代替手柄类交互方式以促进艺术创作的表达。其研究方法和结果将为同类系统的开发和评估提供参考。     

基于TRIZ理论的行李箱创新设计

结合网络和实地用户调研、用户行为模拟、功能系统分析等方法,分析用户在行李箱使用过程 中存在的问题;运用 TRIZ 创新发明理论分析出现的问题并转换为 TRIZ 标准问题,采用对应的发明措施原理 并结合行李箱的实际使用情况,对行李箱进行设计研究,并通过 Jack 仿真验证了设计的合理性。解决了行李 箱的现有使用问题,获得了行李箱创新设计解决方案。通过对用户行为习惯进行模拟分析、功能分析、结合 TRIZ 发明原理优化了行李箱设计流程,优化了用户的使用方式,改善了用户体验。     

基于神经网络的汽车侧面造型评价方法

利用反向传播(BP)神经网络,在 MATLAB 中搭建汽车造型轮廓与意象语义之间的关系模型,快 速判断汽车侧面造型风格。随后利用卷积神经网络(CNN)搭建的表情识别模型建立汽车造型评价系统,分析并 识别用户对于新设计的喜好程度,以得到符合用户情感需求的汽车侧面造型方案。最后通过实例验证方法的可 行性,并推断出流线型汽车的最佳曲率范围。实验结果表明,基于神经网络的汽车造型量化评价方法可以较准 确地对产品造型设计进行评价并以数据形式得到具体意象的侧面造型。     

基于分组策略的补货配送问题优化模型

针对已存在的供应链环境下较少考虑补货配送问题中的分组配送策略,结合大量零售商对单一产品需求量不同等特点,引入分组的决策变量.根据配送中心补货周期与配送次数的函数关系,以最小化三级供应链系统的平均总成本为目标,构建了带有配送中心能力约束的补货配送优化模型.根据优化模型的特点,利用改进的遗传算法求解模型,并进行了数据仿真试验.结果表明,该优化模型能为配送中心提供一种有效的分组配送方案,选择的优化算法更稳定快捷,能为企业提供有益的管理启迪.     

基于KL散度的用户相似性协同过滤算法

大多数用户相似性算法在计算用户相似性时只考虑了用户间的共同评分项,而忽略了用户其他评分中可能隐藏的有价值信息.为了准确评估用户间的相似性,提出了一种基于KL散度的用户相似性协同过滤算法.该算法不仅利用了共同评分项,还考虑了其他非共同评分信息的影响.该算法充分利用了用户的所有评分信息,提高了用户相似性度量的可靠性和准确性.实验结果表明,该算法优于当前主流的用户相似性算法,且在没有共同评分信息的条件下,仍能有效地完成用户相似性度量,解决了对共同评分项的完全依赖问题,具有更好的适应性.