【摘 要】
：
针对如何为高铁站旅客即时提供高效的个性化服务问题,将上下文信息引入到服务推荐过程中,对用户上下文信息按照时间、空间、用户、应用四个方面进行数据分析处理,采用改进FP-
【基金项目】
：
国家自然科学基金(61763025),中国博士后科学基金(167306)。
论文部分内容阅读
针对如何为高铁站旅客即时提供高效的个性化服务问题,将上下文信息引入到服务推荐过程中,对用户上下文信息按照时间、空间、用户、应用四个方面进行数据分析处理,采用改进FP-Growth算法,使之支持对二维数据项的挖掘,获取上下文与服务功能之间的关联规则。通过与当前上下文信息的相似度计算,构造出当前应用场景下可用的个性化服务集合。实验证明该方法可提高服务匹配的准确率和命中率,有助于提升旅客服务满意度。
其他文献
建立了适应数据误差、具有知识容错能力的一般多粒度量化软粗糙集模型,弥补了多粒度软粗糙集模型的不足。讨论了一般多粒度量化软粗糙近似算子的性质以及程度多粒度软粗糙集
跨模态行人再识别是实现全天候智能视频监控系统的一项关键技术。该技术旨在匹配某一特定身份行人在不重叠摄像头场景下的可见光图像和红外图像,因而面临着巨大的类内变化和模态差异。现有方法难以较好地解决这两大困难,很大程度上是由于欠缺了对特征判别能力的有效挖掘和对多源异质信息的充分利用。鉴于以上不足,使用协同学习方法设计了一个精细化多源特征协同网络,提取多种互补性特征进行信息融合,以提升网络的学习能力。从骨
获取Android系统服务关键信息有利于实现对Android系统的漏洞挖掘和安全评估。为解决当前系统服务关键信息获取方法存在系统源码依赖度高、兼容性差导致的信息获取不全面的问
遥感水体图像内容信息复杂,为了滤除水体外噪声干扰方便后续水体区域分析,在保持水体区域边缘的同时增强对比度较低的遥感水体图像。提出了一种利用自适应椭圆结构元素的形态学遥感水体图像对数增强方法。利用线性结构张量估计图像特征值和特征向量,利用该特征建立自适应椭圆结构元素,更好地保持水体边缘;定义自适应形态学膨胀腐蚀,组合衍生出自适应形态学开闭运算;利用自适应形态学运算构造对数增强运算,达到滤除非目标区域
增量式属性约简是目前粗糙集理论的重点研究内容。针对不完备混合型信息系统属性变化的情形,提出一种基于正区域方法的增量式属性约简算法。提出了不完备混合型信息系统下正
多数图像风格迁移任务都是一个模型只能对应一种风格,这在实际应用场景中效率低下,提出一种单模型多风格的快速风格迁移方法,只使用一个模型就可以适应任意风格样式。使用一组线性变化分别对内容特征和风格特征进行转换,使用组合的风格损失函数来重建图像。分析比较了Avatar-net方法、AdaIN方法、Johnson的快速风格迁移方法和基于线性变换的风格迁移方法,并使用PSNR和SSIM作为评价指标,得出提出
针对在智能监控中安全帽佩戴检测准确率低和检测速率慢的问题,提出一种基于改进YOLOv3(You Only Look Once)的安全帽佩戴检测算法YOLOv3-WH。在YOLOv3算法的基础上改进网络结构,增大输入图像的尺度,使用深度可分离卷积结构替换Darknet-53传统卷积,减少特征的丢失,缩减模型参数,提升检测速率;使用多尺度特征检测,增加浅层检测尺度,添加4倍上采样特征融合结构,提高安全
在标签均衡分布且标注样本足够多的数据集上,监督式分类算法通常可以取得比较好的分类效果。然而,在实际应用中样本的标签分布通常是不均衡的,分类算法的分类性能就变得比较
图像风格迁移技术可以自动地赋予图像不同的风格。现有的研究大多针对图像的整体或者图像中的单一区域进行风格迁移,在实际应用中难免存在局限性。在风格迁移过程中引入内容图像的语义信息,提出一种针对图像不同区域进行的差异风格化的方法。将内容图像经过语义分割后引入VGG损失网络,从而限定图像的风格化区域。分别在每个区域上计算各自的格拉姆矩阵,并在反向传播阶段将梯度传播限定在各语义区域上,得出针对图像不同区域的
针对遥感图像中飞机目标检测精度低、检测速度慢、背景复杂等问题,提出了一种基于深度学习的改进YOLOv4目标检测算法。改进YOLOv4的主干特征提取网络,保留高分辨率的特征层,去除了用于检测大目标的特征层,减少语义丢失。在卷积神经网络中使用DenseNet(密集连接网络)加强对飞机目标的特征提取,减少梯度消失问题。对数据集使用K-means算法得到效果最佳的先验框数量和尺寸。在RSOD(Remote