【摘 要】
：
对于当下的协同过滤推荐算法而言,存有评分片面、主观性强、评分矩阵稀疏等问题影响了推荐的准确度,使得推荐结果较差。针对上述问题,提出一种融合聚类优化和矩阵填充的协同过滤推荐算法。算法首先采用基于电影项目类型信息的“领域最近邻”方法来对用户项目评分矩阵予以估值填充,进而完成矩阵由稀疏到稠密的转变;接着利用模糊C-均值聚类算法筛选出相关邻居集合,增强用户聚类效果,并将麻雀搜索算法引入模糊C-均值聚类中,
论文部分内容阅读
对于当下的协同过滤推荐算法而言,存有评分片面、主观性强、评分矩阵稀疏等问题影响了推荐的准确度,使得推荐结果较差。针对上述问题,提出一种融合聚类优化和矩阵填充的协同过滤推荐算法。算法首先采用基于电影项目类型信息的“领域最近邻”方法来对用户项目评分矩阵予以估值填充,进而完成矩阵由稀疏到稠密的转变;接着利用模糊C-均值聚类算法筛选出相关邻居集合,增强用户聚类效果,并将麻雀搜索算法引入模糊C-均值聚类中,利用麻雀搜索算法的全局搜索优势来优化模糊C-均值聚类对初始值的选取,避免人工选取对聚类效果的影响,从而更准确聚类高相似用户,缩小邻居用户集的搜索范围以提高推荐的准确性;其次使用用户属性（包括用户年龄和用户性别）与传统的皮尔逊相似度高度融合来构建混合相似度,以此来将用户评分的主观性和评分片面性的弊端予以克服,从而达到强化推荐准确性的目的;最后融合时间权重函数对目标用户进行预测评分,使得推荐更加合乎使用者的现实兴趣。经实验结论证实,本文算法在很大限度上可快速解决评分片面、数据稀疏性、主观性强等弊端,推荐的准确度得以大幅提升,从而具有良好的推荐效果。因此,本文算法具有较好的推荐性能。该论文有图32幅,表15个,参考文献65篇。
其他文献
随着国家经济飞速发展,基础设施日益完善,岩土工程以及水利工程也在国家基建中占据越来越重要的地位。由于土工合成材料优良的水利性能,在这些工程中土工合成材料占据的比重越来越大。所以研发一款能够精准检测土工材料的水利性能指标的试0验机系统对工程应用具有重要意义。土工材料水利性能最重要的两个指标是耐静水压以及渗透系数。耐静水压即试样所能承受的最大水压值;而渗透系数需渗流量、温度等参数综合计算得出。为了检测
随着信息技术的不断发展,广告的传播方式也在不断改变,从早期的报纸、杂志浏览到现在的电视、手机等终端显示,相应的广告投入也不断增多。而受众对广告的反馈和评价,极大地影响了广告的宣传和推广效果,因此广告商应该更加注重广告评价、以及受众的反馈情况。目前广告评价多集中于点击量计算的单一反馈信息统计,不足以充分反映大众对广告的认知与感受,因此本课题设计并建立了一个基于表情分析与视线追踪的广告评价系统,针对广
近年来随着深度学习技术在检测任务中的快速发展,基于深度学习的目标检测技术已经广泛应用于人类的生活中,如监控安全、自动驾驶、智能医疗等。但是大型场景中小目标的检测一直是目标检测中的一个难题,其检测效果远不如常规目标。小目标检测技术可以应用到摄像头的精准监测和探测重要军事目标的状态等,对民用生活和军用发展都具有重大意义。本文从特征提取和多尺度特征融合的角度对YOLOv4算法进行改进,实验结果证明本文设
随着全球经济的发展和科技的进步,高级驾驶辅助系统与车联网等技术在不断地积累、沉淀。如今,国内汽车年销量超过千万辆,因此这些新兴技术在中国的汽车市场里获得了新的发展动力和机遇。随着成像技术的发展和应用,基于视觉系统的高级驾驶辅助系统成为汽车发展的主流趋势之一。车载视觉系统包括车载前视摄像系统、倒车影像系统、360°全景影像系统以及车内监控摄像系统等。其中车载前视摄像系统的功能主要有两种:一是用于记录
技术的进步总是和社会的发展密不可分的,社会的发展促进技术的提升,技术又反哺于社会,为社会提供极大的方便。在当今的生活中,惯性导航技术广泛应用于车辆、舰船、飞机、导弹、卫星、宇宙飞行器甚至小型设备（PDA,智能手机）等各种平台上,其在民用和军事等重要领域发挥着不可替代的作用。为了提高导航精度,常规的方法是从加工、工艺和材料等方面着手,但从当今的制作技术上来看已经到达瓶颈,所以需要从惯性仪表,即陀螺仪
人体血红蛋白浓度作为衡量人体健康水平的重要依据,其无创检测技术一直是临床医学领域的研究热点,同时动态光谱法能够有效抑制由个体差异和测量环境带来的影响,是一种具有广阔前景的数据分析方法,于是本文应用动态光谱法设计了人体血红蛋白无创检测系统。本文首先结合STM32F103ZE开发平台设计了八波长脉搏波数据采集平台,该平台通过控制脉冲型自动功率控制（Automatic Power Contyol,APC
针对目前零水印算法对几何攻击鲁棒性差、相似图像错误认证、彩色水印信息量过多带来效率低下和安全性不足等问题,提出一种基于加速鲁棒特征（Speed up Robust Features,SURF）的几何校正和半色调映射加密的彩色零水印算法。先从图像中提取少量SURF特征点,将特征点信息保存为密钥用于实现盲检测,再从图像中提取特征构建零水印。在版权验证过程中,从攻击图像提取特征点并和密钥匹配,而后筛选特
目标检测作为目前计算机视觉的热门研究课题,在生活中和学术界的应用都有了深入的研究,将基于深度学习的目标检测算法应用于实际道路场景中,是各大汽车公司对于自动驾驶等车端辅助系统研究的方向和热点。当前,道路场景物体密集复杂、信息众多、车辆和行人之间遮挡和重叠的现象严重,针对传统目标检测算法在复杂场景下存在诸多问题,无法满足检测精度要求,提出一种改进YOLO v3的道路场景目标检测算法。针对道路场景中信息
水印的嵌入位置和嵌入规则对水印算法性能具有重要的影响,传统Alpha混合调制数字水印算法利用图像子块随机嵌入水印信号存在嵌入容量低难以嵌入彩色图像、非盲提取、不可见性和鲁棒性较差的问题。针对上述问题,提出基于改进Alpha混合调制的彩色图像盲水印算法。首先,根据彩色水印图像特征结合重复码技术,对水印进行容错压缩加密编码,生成待嵌入信息序列和密钥;其次,将彩色载体图像进行提升小波变换,取低频分量分块
随着互联网多媒体技术的迅速发展,大众获取和分享图片的需求也急剧增加。显著性目标检测技术可以从繁杂的图像数据中快速准确地定位重要信息,减少计算量。在复杂场景下的显著性目标检测中,针对生成的显著效果图存在复杂背景分离效果不理想、显著区域边缘轮廓不完整的问题,提出一种边界先验与频域信息融合的显著性目标检测方法。首先,对输入的原图像通过简单线性迭代聚类的超像素分割算法完成预处理操作,获得预处理图;其次,通