检索结果-南通市图书馆

基于k⁃means的个性化视频推荐方法研究

在线全文

学校读者我要写书评

暂无评论

现代计算机 2023年第17期29卷 95-99页

作者：吴珂彤贾双英李恒博西京学院计算机学院西安710000

视频网站以吸引用户观看自己的视频为营销手段,有效推荐视频给用户,有利于提高用户粘性,成为各大视频网站竞争的手段。通过深入研究,提出一种视频推荐方法,它基于电影和用户之间的相似度,利用k⁃means聚类对数据进行深度挖掘分析,并结合... 详细信息

视频网站以吸引用户观看自己的视频为营销手段,有效推荐视频给用户,有利于提高用户粘性,成为各大视频网站竞争的手段。通过深入研究,提出一种视频推荐方法,它基于电影和用户之间的相似度,利用k⁃means聚类对数据进行深度挖掘分析,并结合用户的个性化需求,实现更加精准的推荐。通过验证,证明了该方法的可行性。

关键词：视频推荐 k⁃means 个性化聚类算法

基于乘法更新规则的k⁃means与谱聚类的联合学习

在线全文

学校读者我要写书评

暂无评论

南京大学学报（自然科学版） 2021年第2期57卷 177-188页

作者：陈迪刘惊雷烟台大学计算机与控制工程学院烟台264005

k⁃means和谱聚类是两种应用最广泛的聚类技术.k⁃means是基于矩阵分解的聚类方法,并且是在数据空间上基于误差极小化的聚类方法.谱聚类是基于图的聚类方法,并且是基于两点在数据空间和特征空间的相似性保持的聚类方法.为了利用两者的优势... 详细信息

k⁃means和谱聚类是两种应用最广泛的聚类技术.k⁃means是基于矩阵分解的聚类方法,并且是在数据空间上基于误差极小化的聚类方法.谱聚类是基于图的聚类方法,并且是基于两点在数据空间和特征空间的相似性保持的聚类方法.为了利用两者的优势,提出一种基于乘法更新规则的k⁃means和谱聚类的联合学习方法,该方法将k⁃means和谱聚类结合成一个统一的聚类模型,该模型可在单次优化中同时优化k⁃means和谱聚类的目标;此外,还基于乘法更新规则设计了对聚类中心C与聚类指示器Y进行迭代更新的优化算法.重要的是,在理论上证明了所设计算法的正确性和收敛性.在典型的数据集上进行测试,实验结果表明提出的联合学习算法在聚类精度和标准互信息度指标上都有所提高.

关键词： k⁃means 谱聚类联合学习方法乘法更新规则正确性和收敛性

基于k⁃means和TOPSIS的城轨交通网络节点综合评估模型设计

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2021年第22期44卷 139-143页

作者：袁嘉骏王绍昆江智麟汪洋西南交通大学四川成都611756 成都地铁运营有限公司维保分公司四川成都610017 中共四川省委党校四川成都611756

为了保证城市轨道交通的安全、平稳运行,文中针对轨道交通网络中节点重要性的评估方法进行了研究。基于图论的思想将轨道网络抽象成有向带权图,并构建节点重要度评估体系。该体系包含度、特征向量、介数、逼近度、最大连通子图和网络连... 详细信息

为了保证城市轨道交通的安全、平稳运行,文中针对轨道交通网络中节点重要性的评估方法进行了研究。基于图论的思想将轨道网络抽象成有向带权图,并构建节点重要度评估体系。该体系包含度、特征向量、介数、逼近度、最大连通子图和网络连通率共6个评价指标,其能够全面描绘网络的局部、全局、连接这3个角度的属性。在该评价体系中,引入TOPSIS排序算法实现了重要度的快速排序。通过使用k⁃means算法,基于重要度的排序结果实现了有序归类。为了验证所提算法的有效性,文中采用成都实际交通网络的部分运营数据进行了仿真评估。计算结果表明,在该网络中,1~5类站点占比分别为5.5%,26.3%,38.5%,25.3%和4.4%。相较于基于网格的传统评估方法,文中方法在评价时间与评价精度上分别提升了10.20%和5.65%。

关键词：轨道交通网络节点评价指标 TOPSIS k⁃means 重要度评估有效性验证

基于SSC与XGBoost的高速公路异常收费数据修复算法

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2022年第10期52卷 2325-2332页

作者：裴莉莉孙朝云韩雨希李伟户媛姣长安大学信息工程学院西安710064

针对高速公路收费数据中的异常检测和修复问题,分别了提出了基于相似系数和SSC(Sum of similar coefficients)的异常检测算法以及基于XGBoost(eXtreme gradient boosting)的多维数据预测修复方法,并使用这两种算法对实际收费数据进行了... 详细信息

针对高速公路收费数据中的异常检测和修复问题,分别了提出了基于相似系数和SSC(Sum of similar coefficients)的异常检测算法以及基于XGBoost(eXtreme gradient boosting)的多维数据预测修复方法,并使用这两种算法对实际收费数据进行了异常检测和修复处理。结果表明,基于SSC的异常检测算法能够考虑到数据维度之间的相关性,准确地对多维数据异常检测;同时XGBoost多元预测算法与仅针对单维数据的改进拉格朗日算法相比,R2从0.9166提升至0.9856。本文算法有效而准确,能够为公路管理部门数据分析提供高质量的数据支持。

关键词：交通信息工程异常检测与修复相似系数和 XGBoost k⁃means

在线全文

学校读者我要写书评

暂无评论

融合标签局部相关性的标签分布学习

山东大学学报（理学版） 2022年第7期57卷 53-64页

作者：容斌元徐媛媛吕亚兰张恒汝西南石油大学计算机科学学院四川成都610500

提出了一种融合标签局部相关性的标签分布学习(label distribution learning,LDL)算法,该算法分为3个阶段。初始预测阶段构建多层神经网络模型,将样本的原始特征作为输入、初始预测的标签分布作为输出;局部矫正阶段首先利用k⁃means聚类... 详细信息

提出了一种融合标签局部相关性的标签分布学习(label distribution learning,LDL)算法,该算法分为3个阶段。初始预测阶段构建多层神经网络模型,将样本的原始特征作为输入、初始预测的标签分布作为输出;局部矫正阶段首先利用k⁃means聚类算法获得不同类所描述的局部信息,然后针对不同类计算对应的协方差矩阵,利用该矩阵来矫正初始预测的标签分布,获得每个类对应的矫正标签分布;标签融合阶段对矫正后的标签分布进行加权,再与初始预测的标签分布进行融合,得到最终的预测分布。在8个公开数据集上与9种常用的LDL算法进行对比实验,结果表明本文的算法能较好地描述标签局部相关性,在多个主流评估指标上排名靠前。

关键词：标签分布学习标签相关性标签融合 k⁃means

在线全文

学校读者我要写书评

暂无评论

WMAN中的边缘服务器放置研究

现代电子技术 2022年第13期45卷 22-27页

作者：赵兴兵赵一帆李波陈春丁洪伟云南大学信息学院云南昆明650000 云南民族大学电气信息工程学院云南昆明650000 云南民族大学应用技术学院云南昆明650000

以有效减少用户请求的传输时延、提高用户体验为目的,针对移动边缘计算中WMAN环境下的边缘服务器(ES)放置问题进行研究,提出基于灰狼优化(GWO)算法优化k⁃means的算法予以解决,该算法借助GWO的全局寻优能力,开始时对聚类中心进行优化,改... 详细信息

以有效减少用户请求的传输时延、提高用户体验为目的,针对移动边缘计算中WMAN环境下的边缘服务器(ES)放置问题进行研究,提出基于灰狼优化(GWO)算法优化k⁃means的算法予以解决,该算法借助GWO的全局寻优能力,开始时对聚类中心进行优化,改善了k⁃means对初始聚类中心敏感的问题;针对放置问题,对传统聚类标准欧氏距离进行改进,并以所有类内距离之和作为适应度函数;通过迭代更新α狼优化聚类中心,避免了陷入局部最优的问题。仿真结果表明,与其他算法相比,该算法的时延平均降低了40%左右,负载均衡平均降低了约34.2%。

关键词：移动边缘计算边缘服务器放置平均时延负载均衡 k⁃means GWO