基于均衡接近度灰关联的Slope One算法

作为一种基于项目的协同过滤推荐算法,Slope One算法易于实现且高效。但由于Slope One算法未考虑用户相似性,导致其在处理涉及用户关系的个性化推荐任务时性能不高。针对以上问题,提出了改进的Slope One算法。提出一种均衡接近度灰关联分析方法计算用户之间的均衡接近度,利用均衡接近度度量用户间的相似程度,然后将均衡接近度值融入到Slope One算法中进行评分预测,在MovieLens和Epinions数据集下的对比实验表明,该算法具有更低的平均绝对误差（MAE）和均方根误差（RMSE）,提高了预测的准确度和推荐质量。     

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。     

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.     

面向用户行为过程的无人机遥感指挥车人机工程设计

为提升无人机遥感应急指挥车的工作舒适度,结合无人机遥感监测手段和应急监测指挥车功能,对无人机遥感应急指挥车进行人机工程设计。以用户行为过程为指导,研究了用户的工作轨迹,得出车辆的最佳功能分区,在此基础上,利用JACK软件对车辆的易用性和舒适性进行仿真分析,得到指挥车各功能空间的最佳布局及车内设备的最佳尺寸设计区间,为方案设计提供依据。     

基于用户分类的隐含因子模型研究*

针对现有隐含因子模型存在的新用户和项目的冷启动问题,提出基于用户分类的隐含因子模型,将用户分类信息融入到隐含因子的矩阵分解当中,先在原评分矩阵和用户分类信息的基础上使用指示函数和数据归一化等方法构建一个分类评分矩阵,再将分类评分矩阵融入到隐含因子模型的评分预测中。通过与传统隐含因子模型等方法在多个不同隐含因子个数上的实验比较分析,实验结果表明,改进模型能够不仅能解决新用户和项目的冷启动问题,还能有效降低预测评分的均方根误差,并提高预测推荐的准确度。     

SDN架构下的安全审计系统研究与实现

为了解决软件定义网络(software defined networking,SDN)架构面临的安全挑战,针对SDN网络架构中的安全审计环节,将传统网络中的安全审计解决方案与SDN网络集中控制的特性相结合,依托Floodlight控制器设计并实现适用于SDN网络环境的安全审计系统,包括安全审计事件的收集、分析、存储、响应等功能.提出一种针对分布式拒绝服务(distributed denial of service,DDo S)攻击的攻击回溯算法对安全审计事件进行追溯,确定出DDo S攻击发起者及僵尸主机集合.同时,采用滑动窗口分割算法从安全审计事件中提取出用户行为序列模式,基于Levenshtein算法计算用户行为序列模式之间的相似度,并根据用户当前行为和历史行为的相似度来判断是否出现可疑的攻击行为.经实验验证,该系统能准确地回溯出DDo S攻击发生时被控的僵尸主机集合及攻击者,并且可以有效地检测出用户攻击行为.     

重力异常处理中小子域滤波法的改进

在重力资料处理中,小子域滤波法会导致异常边界严重失真。为了弥补这一缺陷,提出一种改进的小子域滤波法,通过对子域剖分方式的改进以达到提升计算速度和控制异常边界失真的效果。通过模型试验对该方法的可行性进行验证,试验结果表明:重力异常数据利用改进的小子域滤波法多次迭代计算后,可以较好地反映地质体边界的分布情况,失真现象得到明显抑制;利用该方法描绘出虎林盆地断裂分布图,得到了25条断裂的分布情况,与已有的地质资料存在很好的对应关系。     

云环境下基于本体的用户行为分析引擎研究

针对当前大型互联网站提升用户体验的需求,本研究创造性地提出基于本体的用户行为分析引擎的思想,它通过上下文感知技术,实时获取用户访问页面时的上下文信息(以下也称为动态行为),基于本体对用户行为建模,建立基于规则的上下文推理算法,对监测到的动态用户行为进行实时推理,及时反馈结果信息给用户。实验表明:本研究理论上独辟蹊径,设计实现上结合了云存储技术,能够一定程度改善用户体验效果。