检索结果-内蒙古大学图书馆

工程科学与技术 2018年第5期50卷 189-195页

作者：徐怡唐一民王冉安徽大学计算机科学与技术学院安徽合肥230601 计算智能与信号处理教育部重点实验室(安徽大学) 安徽合肥230039

协同过滤算法是应用最广泛和最成功的推荐算法之一。针对传统协同过滤算法在预测评分时仅考虑正相关最近邻居,没有考虑负相关最近邻居对评分预测的影响而导致的预测结果准确性及多样性较低的问题,提出一种基于正相关和负相关最近邻居的... 详细信息

协同过滤算法是应用最广泛和最成功的推荐算法之一。针对传统协同过滤算法在预测评分时仅考虑正相关最近邻居,没有考虑负相关最近邻居对评分预测的影响而导致的预测结果准确性及多样性较低的问题,提出一种基于正相关和负相关最近邻居的协同过滤算法。该算法首先计算用户之间的相似度,再通过用户评分与其平均评分等信息计算出用户之间的变异系数,利用变异系数修正相似度的值,从而缓解因为用户共同项目数不足而导致的相似度计算结果可信度较低的问题。然后分别对与目标用户相似度为正及与目标用户相似度为负的用户进行排序,并利用动态加权参数α及训练得到的阈值口分别选取正相关最近邻居和负相关最近邻居,基于选取的正相关最近邻居和负相关最近邻居分别进行预测评分。最后,将基于正相关最近邻居和负相关最近邻居的预测评分进行加权,作为最终的预测评分。在MovieLens数据集上利用3种评价标准进行对比实验,结果表明本文算法有效地提高了推荐的准确性和多样性。

关键词：协同过滤正相关邻居负相关邻居

来源：评论

学校读者我要写书评

暂无评论

单词和字符表示的协同学习

引用

华南理工大学学报（自然科学版） 2018年第8期46卷 122-129页

作者：刘慧婷凌超安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039 安徽大学计算机科学与技术学院安徽合肥230601

当前的词嵌入模型多数基于分布假设理论,这类模型将单词作为最基本语义单元,然后利用词的外部上下文信息学习词表示.然而,在类似于汉语的语言中,单词经常由多个字符组成,这些字符包含了丰富的内部信息,同时单词的语义也和这些字符的语... 详细信息

当前的词嵌入模型多数基于分布假设理论,这类模型将单词作为最基本语义单元,然后利用词的外部上下文信息学习词表示.然而,在类似于汉语的语言中,单词经常由多个字符组成,这些字符包含了丰富的内部信息,同时单词的语义也和这些字符的语义息息相关.考虑到当前常用词模型均忽略了字符信息,文中以中文为例,提出了单词与字符表示的协同学习模型.为了解决汉语中存在的单字符多语义和多字符单语义情况,文中提出了基于多原型的单词协同学习模型,并使用词相似任务和类比推理任务对该模型进行评估.结果显示,文中模型的词表示质量均优于其他词嵌入模型.

关键词：词表示外部上下文内部信息协同学习

来源：评论

学校读者我要写书评

暂无评论

粒计算中基于属性分类的形式概念属性约简

引用

控制与决策 2018年第12期33卷 2203-2207页

作者：徐怡王泉霍思林安徽大学计算智能与信号处理教育部重点实验室合肥230039 安徽大学计算机科学与技术学院合肥230601

针对目前已有的形式概念属性约简算法的不足(如属性约简的时间复杂度偏高、属性及属性值比较过程中存在冗余计算、存储开销大等问题),结合粒计算思想,提出基于属性分类的形式概念属性约简模型.首先,通过定义两个算子来划分属性之间分类... 详细信息

针对目前已有的形式概念属性约简算法的不足(如属性约简的时间复杂度偏高、属性及属性值比较过程中存在冗余计算、存储开销大等问题),结合粒计算思想,提出基于属性分类的形式概念属性约简模型.首先,通过定义两个算子来划分属性之间分类关系;然后,由属性分类关系制定约简规则,并在此基础上提出基于属性分类的形式概念约简算法,该算法在保持目前最低时间复杂度不变的情况下,减少了冗余计算和存储开销,提高了属性约简的计算效率;最后,通过实例和仿真实验对基于属性分类关系的形式概念属性约简算法的有效性进行了验证.

关键词：形式概念分析粒计算属性分类属性约简

来源：评论

学校读者我要写书评

暂无评论

基于监督局部线性嵌入方法的阿尔茨海默病磁共振成像分类研究

引用

生物医学工程学杂志 2018年第4期35卷 613-620页

作者：赵海峰葛园园王政安徽大学计算机科学与技术学院计算智能与信号处理教育部重点实验室合肥230601

针对阿尔茨海默病(AD)早期阶段分类这一研究难题,传统的线性特征提取算法很难从其高维特征中挖掘出鉴别能力较强的信息来有效地表示样本特征。因此,本文采用监督局部线性嵌入(SLLE)特征提取算法,对412例受试者的大脑皮质厚度(CTH)和脑... 详细信息

针对阿尔茨海默病(AD)早期阶段分类这一研究难题,传统的线性特征提取算法很难从其高维特征中挖掘出鉴别能力较强的信息来有效地表示样本特征。因此,本文采用监督局部线性嵌入(SLLE)特征提取算法,对412例受试者的大脑皮质厚度(CTH)和脑感兴趣区域体积(VOI)特征进行提取,减少其冗余特征以提高识别精度。受试者来源于阿尔茨海默病神经影像学(ADNI)数据集,包含93例稳定型轻度认知障碍(s MCI)、96例遗忘型轻度认知障碍(a MCI)、86例AD患者和137例认知正常对照老年人(CN)样本。本文采用的SLLE算法是通过添加距离修正项来计算每个样本点的近邻点,并用近邻点线性表示样本,得到局部重建权值矩阵,进而求出高维数据的低维映射。为验证该算法在分类识别中的有效性,本文将主成分分析(PCA)、近邻最小最大投影(NMMP)、局部线性映射(LLE)及SLLE等特征提取算法分别与支持向量机(SVM)分类器组合,对CN与s MCI、CN与a MCI、CN与AD、s MCI与a MCI、s MCI与AD和a MCI与AD六组实验数据进行分类识别。结果显示,以VOI为特征,利用SLLE和SVM的复合算法对s MCI和a MCI的分类准确度、灵敏度、特异性分别为65.16%、63.33%、67.62%,基于LLE和SVM的复合算法分类结果分别为64.08%、66.14%、62.77%,而基于传统SVM则分别为57.25%、56.28%、58.08%。经比较,发现SLLE和SVM组合算法的识别精度较LLE和SVM的组合算法提高了1.08%,较SVM提高了7.91%。因此,利用SLLE和SVM这一复合算法进行分类识别更有利于AD的早期诊断。

关键词：阿尔茨海默病特征提取监督局部线性嵌入遗忘型轻度认知障碍

来源：评论

学校读者我要写书评

暂无评论

量化容差关系的程度多粒度粗糙集模型

引用

测控技术 2019年第3期38卷 16-20,25页

作者：姚晟陈菊徐风汪杰吴照玉安徽大学计算智能与信号处理教育部重点实验室安徽合肥230601 安徽大学计算机科学与技术学院安徽合肥230601

多粒度粗糙集是一种重要的多粒度数据挖掘模型。为了对不完备信息系统中等价类重叠部分的定量信息进行挖掘,提出一种多阈值的量化容差关系程度多粒度粗糙集模型。首先将描述等价类重叠信息的程度多粒度粗糙集模型与处理不完备信息系统... 详细信息

多粒度粗糙集是一种重要的多粒度数据挖掘模型。为了对不完备信息系统中等价类重叠部分的定量信息进行挖掘,提出一种多阈值的量化容差关系程度多粒度粗糙集模型。首先将描述等价类重叠信息的程度多粒度粗糙集模型与处理不完备信息系统的量化容差关系进行结合,提出量化容差关系的程度多粒度粗糙集模型,然后在该模型的基础上,为每个粒度设定与数据相适应的阈值,提高了量化容差关系程度多粒度粗糙集模型的灵活性,增加多粒度数据挖掘的性能。UCI数据集的实验结果表明,本文所提出的粗糙集模型具有较好的分类效果和理论的可行性。

关键词：不完备信息系统量化容差关系多阈值程度多粒度粗糙集

来源：评论

学校读者我要写书评

暂无评论

基于改进PSO-BP算法的快递业务量预测

引用

计算机集成制造系统 2018年第7期24卷 1871-1879页

作者：许荣斌王业国王福田何明慧汪梦龙谢莹安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039 安徽大学计算机科学与技术学院安徽合肥230601 安徽大学信息保障技术协同创新中心安徽合肥230601

为了有效监控快递运输过程,对日常快递业务量进行预测,以保证快递包裹能够按时到达。将大量快递包裹运输过程抽象建模以构造多流程实例;提出改进惯性权重的粒子群优化算法和反向传播神经网络的组合模型(IPSO-BP)来预测物流公司日常快递... 详细信息

为了有效监控快递运输过程,对日常快递业务量进行预测,以保证快递包裹能够按时到达。将大量快递包裹运输过程抽象建模以构造多流程实例;提出改进惯性权重的粒子群优化算法和反向传播神经网络的组合模型(IPSO-BP)来预测物流公司日常快递业务量;进而动态申请合适数量云资源以处理变化的业务需求。大量仿真实验证明,在神经网络参数选择合理的情况下,IPSO-BP模型比其他传统方法有更好的预测效果。

关键词：物流运输工作流粒子群优化算法反向传播神经网络快递业务量预测

来源：评论

学校读者我要写书评

暂无评论

基于紧急程度的共享异构资源调度策略

引用

计算机集成制造系统 2018年第7期24卷 1706-1713页

作者：许荣斌刘鑫程永亮石军安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039 安徽大学计算机科学与技术学院安徽合肥230601 安徽大学信息保障技术协同创新中心安徽合肥230601

为了在有限的时间内处理完成大量业务流程,用有向无环图(DAG)进行建模,解决多DAG共享异构资源调度问题。提出结合相对严格程度和宽松度两种权衡DAG时序约束紧急程度的方法,衡量多DAG任务的优先级;基于紧急程度的异构最早完成时间(HEFT)... 详细信息

为了在有限的时间内处理完成大量业务流程,用有向无环图(DAG)进行建模,解决多DAG共享异构资源调度问题。提出结合相对严格程度和宽松度两种权衡DAG时序约束紧急程度的方法,衡量多DAG任务的优先级;基于紧急程度的异构最早完成时间(HEFT)改进算法,对具有时序约束的多个DAG任务进行调度;探测由于DAG调度紧急程度过高产生的过载现象,利用相关策略对任务进行选择性丢弃,在用户截止期限内完成DAG数量最大化的目标。通过仿真实验证明,所提算法对调度性能有极大的提高。

关键词：业务流程有向无环图任务优先级截止期限相对严格程度 HEFT算法

来源：评论

学校读者我要写书评

暂无评论

基于SOM神经网络的服务质量预测

引用

软件学报 2018年第11期29卷 3388-3399页

作者：张以文项涛郭星贾兆红何强计算智能与信号处理教育部重点实验室(安徽大学) 安徽合肥230039 安徽大学计算机科学与技术学院安徽合肥230039 School of Information Technology Swinburne University of TechnologyMelbourne VIC3122Australia

服务质量预测在服务计算领域中是一个热点研究问题.在历史QoS数据稀疏的情况下,设计一个满足用户个性化需求的服务质量预测方法成为一项挑战.为了解决这一挑战问题,提出一种基于SOM神经网络的服务质量预测方法 SOMQP.首先,基于历史QoS数... 详细信息

服务质量预测在服务计算领域中是一个热点研究问题.在历史QoS数据稀疏的情况下,设计一个满足用户个性化需求的服务质量预测方法成为一项挑战.为了解决这一挑战问题,提出一种基于SOM神经网络的服务质量预测方法 SOMQP.首先,基于历史QoS数据,应用SOM神经网络算法分别对用户和服务进行聚类,得到用户关系矩阵和服务关系矩阵;进而,综合考虑用户信誉和服务关联性,采用一种新的Top-k选择机制获得相似用户和相似服务;最后,采用基于用户和基于项目的混合策略对缺失的QoS值进行预测.在真实的数据集WS-Dream上进行了大量实验,结果表明,与经典的CF算法和K-means算法相比,该方法在较大程度上提高了QoS的预测精度.

关键词：质量预测 SOM 神经网络 K-means

来源：评论

学校读者我要写书评

暂无评论

基于覆盖随机游走算法的服务质量预测

引用

计算机学报 2018年第12期41卷 2756-2768页

作者：张以文汪开斌严远亭陈洁何强李炜安徽大学计算智能与信号处理教育部重点实验室合肥230031 安徽大学计算机科学与技术学院合肥230601 澳大利亚斯威本科技大学电子信息及软件工程学院

随着互联网上Web服务的日益增多,面对大量功能相同的候选服务,用户希望能够选择质量最优的候选服务.然而,用户通常并不知道所有候选服务的服务质量(Quality of Service,QoS).因此,基于Web服务的历史记录预测QoS值得到了广泛关注.传统的... 详细信息

随着互联网上Web服务的日益增多,面对大量功能相同的候选服务,用户希望能够选择质量最优的候选服务.然而,用户通常并不知道所有候选服务的服务质量(Quality of Service,QoS).因此,基于Web服务的历史记录预测QoS值得到了广泛关注.传统的基于协同过滤(CF)的预测方法可能会遭遇数据稀疏、用户信任等问题,导致该方法在预测精度方面表现一般.为解决上述问题,该文提出一种基于覆盖随机游走算法的服务质量预测方法.该方法首先基于用户服务历史QoS记录,使用改进的覆盖算法对用户进行聚类,选取与每个用户聚类次数的Top-k个用户为该用户的信任用户,连接所有用户与其信任用户构建用户信任网;其次,基于用户信任网提出一种随机游走预测方法,在随机游走的过程中,不仅考虑目标服务的QoS信息,同时考虑相似服务的QoS信息,以确保QoS预测的准确性;最后,每次随机游走获得一个QoS值,为使预测更加准确,作者进行多次随机游走,汇总所有QoS值进行预测.为验证文中方法的有效性,作者在真实的Web服务数据集进行了大量实验,其中包括来自339个用户的5825个真实世界Web服务的1 974 675个Web服务调用.实验结果表明文中方法在预测精度上明显优于现有方法,同时可以很好地解决推荐系统的数据稀疏和用户信任问题.

关键词：服务质量质量预测随机游走覆盖算法协同过滤

来源：评论

学校读者我要写书评

暂无评论

联合用户兴趣矩阵及全局偏好的推荐算法

引用

计算机科学与探索 2018年第2期12卷 197-207页

作者：张以文艾晓飞崔光明钱付兰安徽大学计算智能与信号处理教育部重点实验室合肥230031 安徽大学计算机科学与技术学院合肥230601

如何从大量无序的信息中向用户准确推荐其最感兴趣的信息,是推荐系统研究领域的重要课题。为此提出一种融合用户兴趣矩阵及全局偏好的推荐算法,用于个性化服务推荐。首先,引入兴趣标签机制形成用户兴趣链,对用户服务评分集合中未评价服... 详细信息

如何从大量无序的信息中向用户准确推荐其最感兴趣的信息,是推荐系统研究领域的重要课题。为此提出一种融合用户兴趣矩阵及全局偏好的推荐算法,用于个性化服务推荐。首先,引入兴趣标签机制形成用户兴趣链,对用户服务评分集合中未评价服务进行填充,对已评价服务进行互补,从而形成用户兴趣矩阵;其次,采用兴趣矩阵的欧几里德距离进行局部相似度计算;最后,联合用户认知差异和全局行为差异形成全局偏好相似度。算法在有效融入了用户的个性化偏好信息的同时,减少了数据集稀疏性,提高了推荐的准确性。在真实的Movie Lens 1M数据集上进行的大量实验表明,与当前具有代表性的推荐算法相比,算法显著提高了推荐精度。

关键词：协同过滤兴趣链兴趣矩阵全局偏好相似度

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：