基于受约束偏置的概率矩阵分解算法

在概率矩阵分解(PMF)模型拟合之后,评分较少用户的特征趋近于先验分布的平均值,导致对其评分预测接近物品的平均评分.受约束概率矩阵分解(CPMF)未考虑到不同评分系统的整体差异以及数据集内部用户与物品存在的固有属性.针对以上问题,提出将传统矩阵分解中的用户和物品偏置项以及全局平均分结合受约束概率矩阵分解来建立新的矩阵分解算法.算法利用整体平均分衡量不同评分系统,在采用偏置来表示用户以及物品之间相互独立的属性的同时,引入约束使行为相近用户拥有相近的用户偏置,从而提高预测精度.在两个真实数据集上的实验结果表明,该算法相对于PMF和CPMF算法预测精度得到了提高.     

基于大整数分解可公开验证的秘密共享方案

基于不定方程整数解的存在性及大整数分解的困难性,以Shamir(t,n)门限方案为基础,提出了一种可公开验证的秘密共享方案.方案利用大整数分解的困难性为共享者建立秘密份额,通过不定方程整数解的存在性计算方程的特解组合,共享秘密由共享者的秘密份额和特解组合元素共同计算恢复;方案实现了对秘密份额、参与者之间及参与者对分发者的有效性验证.安全分析表明,该方案是安全的,具有一定的实际应用价值.     

智能宽带信号检测系统

为了能够准确的测量信号的参数,设计了一种宽带交直流信号检测系统,该系统的控制芯片采用的是STC12C5A32S2单片机.首先,信号采集电路采集到的信号经交直流测量电路进行处理;然后,通过分压和自动增益放大电路等处理后,在频率和相位检测电路中测量信号的频率和相位;最后,在液晶显示器上显示待测信号的幅度、相位和频率等信息.在实验中,测量了频率为0-20KHz的不同幅度信号,实验结果表明,在低频情况下测量误差可以忽略,在高频信号测量时的测量误差小于1%.     

基于HOG-SVD特征的人脸识别

为提高复杂环境下的人脸识别率,该文提出了一种基于方向梯度直方图-奇异值分解(HOG-SVD)的人脸识别方法。首先提取整个人脸图像的HOG特征,通过奇异值分解形成图像的整体HOG-SVD特征。然后将人脸图像分成均匀子块,提取各子块的HOG-SVD特征。之后将整体HOG-SVD特征和局部HOG-SVD特征组合形成最终分类特征。最后通过支持向量机分类器对其分类。在Yale人脸库上的实验表明,该方法对表情、光照、姿态具有鲁棒性,具有较高的识别率。     

基于相位裕度和幅值裕度的IMC-PID整定方法

提出了一种新的内模PID转换方法,得到了解析PID控制器参数。本方法以相位裕度为稳定性指标,通过数学推导证明了内模控制系统固有的相对稳定性范围。并且在内模PID转化过程中,没有应用任何近似方法来处理内模控制器中的非线性部分。另外,针对高阶过程,采用两点法建模来替代高阶过程,进而使系统取得精确的稳定裕度。通过将提出的控制器应用于二阶、三阶、高阶过程控制器系统中,证明了提出的解析PID控制器取得与内模控制器相同的控制效果。     

基于矩阵分解的个性化推荐系统研究

随着社交网络的快速发展,用户在使用社交应用时会产生大量有价值的数据。通过对社交网络进行数据挖掘,发现隐藏在数据中关联用户与物品之间的偏好关系。然后对用户建模分析,选择合适的推荐引擎进行个性化物品推荐,这是一个非常有价值的研究方向。该文重点研究矩阵分解算法对处理大规模用户与物品评分矩阵的推荐效果,为了提高推荐的准确度展开了对用户社交关系和隐性反馈的研究,在组合预测模型中加入社交关系、人口统计学信息配置项、用户的消费记录等隐因子项,通过实验验证了扩展之后的混合预测模型在RMSE值上比SVD算法降低了0.259 475,在推荐性能有较大幅度的提高。     

基于列约束的低秩矩阵恢复方法

由于在成像过程中出现遮挡现象,图像矩阵的元素有缺失。在正投影相机模型下,提出一种基于列约束的低秩矩阵恢复方法。该方法利用图像矩阵是一个低秩矩阵从而图像序列具有冗余性的特性,利用奇异值分解由图像矩阵的列空间构造出一个投影矩阵,得到图像矩阵的列所满足的约束条件,将缺失元素的恢复转化为迭代求解二次型的极值问题,利用它恢复出图像矩阵的缺失元素。该方法从理论上能够保证收敛到全局最小值。仿真实验表明,此方法具有收敛速度快,恢复精度高等优点。     

基于大数据背景下的多层神经网络股票预测模型

随着互联网以及股票市场的不断发展,产生了蕴含丰富信息的海量股票数据。由于大数据技术不断普及,处理海量股票数据逐渐变得可能。本文通过对海量的历史数据进行研究,利用智能算法建立多层神经网络对数据进行处理。首先运用小波分析技术将股票价格波动曲线分解为低频部分和高频部分,其次分别利用Elman和BP神经网络进行训练,最后进行小波重构得出股票价格预测值。研究结果表明:通过改进,将预测结果与实际值进行对比,均方误差MSE=6.4495′10~(-6),模型预测精度较好。     

基于无线传感器网络的坡面异常信号检测方法研究

提出了一种适用于硬件资源受限的传感器节点的坡面异常信号检测方法,数据的采集和异常检测在节点前端完成,能提高监测实时性,降低数据传输的通信能耗.传感器节点采集坡面加速度数据,通过对训练数据进行经验模态分解得到本征模函数的上包络,并对该包络数据进行高斯建模自适应学习确定检测阈值.对监测数据经验模态分解得到上包络数据,运用3α原则与检测阈值进行比较实现异常信号判别.通过算法仿真和实际部署测试得到该方法检测精度为98%,具有一定的实用价值.     

基于修正变分法开孔板和加强板结构的自由振动分析

为研究船舶开孔板和加强板结构的振动特性,用1阶剪切变形板理论描述各向同性板的位移场,并采用修正变分原理和区域分解方法建立板的离散动力学模型.每一块子域板的位移和转角分量通过第一类切比雪夫正交多项式展开.针对加强板模型,将该方法获得的结果与已经发表的文献和有限元商用软件计算结果进行对比,验证该方法的收敛性和正确性.基于修正变分法探讨多种开孔和加强板模型的自由振动特性,充分说明该数理模型和半解析方法是一种适合处理复杂板结构问题的数值工具.