检索结果-南通市图书馆

维普期刊数据库博看期刊

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

改进的知识图注意力推荐模型

河北建筑工程学院学报 2024年第3期42卷 241-246页

作者：石瑞雪温秀梅严鑫瑜陈威河北建筑工程学院河北张家口075000 张家口市大数据技术创新中心河北张家口075000

针对知识图注意力网络(Knowledge Graph Attention Network,KGAT)推荐模型在整个知识图谱上传播信息时,容易丢失大量特征信息的问题,提出一种改进的知识图注意力网络模型,通过将注意力机制替换为双向注意力机制,从而提高了推荐的准确率... 详细信息

针对知识图注意力网络(Knowledge Graph Attention Network,KGAT)推荐模型在整个知识图谱上传播信息时,容易丢失大量特征信息的问题,提出一种改进的知识图注意力网络模型,通过将注意力机制替换为双向注意力机制,从而提高了推荐的准确率。最后,在两个公开数据集Amazon-Book和Last-FM上进行了对比实验,实验结果表明:改进的模型在Recall和NDCG两项评价指标上都得到了提高,在Amazon-Book上,分别提高了1.81%和1.68%;在Last-FM上,分别提高了1.26%和1.35%,有效地改善了推荐效果。

关键词：知识图注意力网络注意力机制推荐系统知识图谱

在线全文

学校读者我要写书评

暂无评论

基于模糊聚类处理月亮型数据的研究与实现

河北建筑工程学院学报 2022年第3期40卷 173-178页

作者：侯冀超谢成心孟凡兴温秀梅河北建筑工程学院河北张家口075000 张家口市大数据技术创新中心河北张家口075000

针对传统的模糊C均值聚类算法(Fuzzy C-Means,FCM)对处理月亮型数据表现欠佳的问题,提出一种基于模糊类中心点的近邻点扩展聚类算法(Nearest Neighbor Extended clustering algorithm based on Fuzzy class center,NNE-FC)。算法首先不断迭代聚类中心点以及“隶属度”,直到“隶属度”不再发生较大变化,得到最佳的聚类中心,然后通过聚类中心点选择最近的数据点进行扩展,以聚类中心点到最近邻点的距离为半径,将邻域内不小于Minpts的数据点进行邻域扩展,将扩展的对象划分到同一簇内,最终得到聚类结果。通过实验研究验证,改进后的算法可以将月亮型数据集成功划分为不同密度的簇。

关键词：模糊C均值聚类 NNE-FC算法隶属度月亮型数据

在线全文

学校读者我要写书评

暂无评论

基于信誉度的PBFT共识算法的研究

河北建筑工程学院学报 2023年第4期41卷 224-232页

作者：曲继鹏庞慧河北建筑工程学院河北张家口075000 张家口市大数据技术创新中心河北张家口075000

区块链作为去中心化的分布式系统,受制于共识机制的影响,所以共识算法的研究对区块链发展起到决定性作用。针对实用拜占庭容错算法(PBFT,Practical Byzantine Fault Tolerance)中的拜占庭节点担任主节点、系统通信量大、时延较长等问题... 详细信息

区块链作为去中心化的分布式系统,受制于共识机制的影响,所以共识算法的研究对区块链发展起到决定性作用。针对实用拜占庭容错算法(PBFT,Practical Byzantine Fault Tolerance)中的拜占庭节点担任主节点、系统通信量大、时延较长等问题,提出基于信誉度的PBFT改进方案(CPBFT,Credit Practical Byzantine Fault Tolerance)。对节点加入信誉度属性,根据节点在共识中的表现累积节点信誉度。按照节点信誉度值的高低,将节点划分进Good、Normal、Prepare三个小组,主节点从Good组随机选取。同时,优化一致性协议。经过仿真实验,CPBFT相较于PBFT时延显著降低,相同节点数量下吞吐量增加,节点增加时吞吐量下降更缓慢。

关键词：区块链 CPBFT算法信誉度

在线全文

学校读者我要写书评

暂无评论

改进的掩码图自编码器模型

河北建筑工程学院学报 2024年第1期42卷 216-221页

作者：严鑫瑜庞慧石瑞雪张爱玲陈威河北建筑工程学院河北张家口075000 张家口市大数据技术创新中心河北张家口075000

图自编码器(GAE)作为深度学习领域的重要模型之一,近年来受到了广泛关注。但GAE倾向于以牺牲图的结构信息为代价过度强调邻近信息,使其不适用于链接预测之外的下游任务。针对传统GAE存在的问题,研究者们在图自编码器模型中引入掩码策略... 详细信息

图自编码器(GAE)作为深度学习领域的重要模型之一,近年来受到了广泛关注。但GAE倾向于以牺牲图的结构信息为代价过度强调邻近信息,使其不适用于链接预测之外的下游任务。针对传统GAE存在的问题,研究者们在图自编码器模型中引入掩码策略,形成掩码图自编码器模型处理图数据。基于此,提出改进的掩码图自编码器(MaskGAE)模型,MaskGAE采用掩码图模型(MGM)作为代理任务,掩蔽一部分边,并尝试用部分可见的、未掩蔽的图结构来重建丢失的部分。在Cora数据集上通过调参将MaskGAE模型节点分类准确率提升了0.5%。

关键词：编码器自监督学习掩码图模型图结构数据

在线全文

学校读者我要写书评

暂无评论

Spark平台下的RDD研究与应用

河北建筑工程学院学报 2023年第2期41卷 214-221页

作者：马兆辉赵睿哲温秀梅河北建筑工程学院河北张家口075000 张家口市大数据技术创新中心河北张家口075000

大数据时代下,计算海量数据的需求日益加剧,Spark是专门用于计算大规模数据量的并行计算框架,但在实际应用中使用较少。首先对Spark平台下RDD(Resilient Distributed Dataset)的基本概念进行介绍;其次对Spark与RDD的关系进行描述:Spark... 详细信息

大数据时代下,计算海量数据的需求日益加剧,Spark是专门用于计算大规模数据量的并行计算框架,但在实际应用中使用较少。首先对Spark平台下RDD(Resilient Distributed Dataset)的基本概念进行介绍;其次对Spark与RDD的关系进行描述:Spark的核心是建立在抽象的弹性分布数据集RDD之上的,Spark可以将数据处理成为弹性分布数据集RDD,再通过RDD的转换接口和动作操作得到最终数据;最后在Spark平台实现电商用户页面单跳转化率统计实验和电商热门品类中Top10活跃Session统计实验,实现在实际生活中的应用,达到更快处理大规模数据的目的。

关键词：大数据 Spark RDD 电商

在线全文

学校读者我要写书评

暂无评论

集成学习经典算法研究

河北建筑工程学院学报 2023年第3期41卷 211-216页

作者：陈威谢成心侯冀超温秀梅河北建筑工程学院河北张家口075000 张家口市大数据技术创新中心河北张家口075000

传统的分类算法模型大多都是弱学习器,分类准确率较低。为解决弱分类器分类准确率低的问题研究者们将多个弱分类器组合形成了强学习器。集成学习可以根据将多个个体学习器进行结合,能够得到相对于单一学习器来说,泛化能力得到了显著的提... 详细信息

传统的分类算法模型大多都是弱学习器,分类准确率较低。为解决弱分类器分类准确率低的问题研究者们将多个弱分类器组合形成了强学习器。集成学习可以根据将多个个体学习器进行结合,能够得到相对于单一学习器来说,泛化能力得到了显著的提升,其最终的预测结果也是优于其他单一模型。对比了集成学习的三类经典分类器模型算法的优略。在鸢尾花数据集下,通过实验表明Stacking算法的模型分类效果相较于其他算法模型,有着较高的准确率,准确率可达95%。

关键词：集成学习弱学习器组合分类

在线全文

学校读者我要写书评

暂无评论

改进的自适应深层图模型

河北建筑工程学院学报 2023年第4期41卷 207-213页

作者：陈威石瑞雪温秀梅河北建筑工程学院河北张家口075000 张家口市大数据技术创新中心河北张家口075000

图神经网络以其对图结构化数据的强大表示能力而被广泛应用于各个领域。用于异构图表示学习的深度学习方法遵循邻域的消息聚合,对于图卷积网络不能将层次堆叠很深。浅层的图网络不能混合高阶语义信息,深层的图网络将会导致过平滑的产生... 详细信息

图神经网络以其对图结构化数据的强大表示能力而被广泛应用于各个领域。用于异构图表示学习的深度学习方法遵循邻域的消息聚合,对于图卷积网络不能将层次堆叠很深。浅层的图网络不能混合高阶语义信息,深层的图网络将会导致过平滑的产生。为了解决这些限制,在图变换网络的基础上,提出了图跳跃知识转换网络深层图模型,该网络自适应地识别原始图上节点之间潜在的深层连接,同时以端到端的方式学习新图上有效的节点表示。为了适应局部邻域属性和任务,在跳跃知识转换层学习了边类型和复合关系的软选择,以生成有用的多跳连接,灵活利用每个节点不同的邻域范围来实现更好的结构感知表示,从而学习高阶语义信息。图跳跃知识转换网络模型可以与最先进的同构图模型进行结合,在性能上得到了很大的提升。

关键词：消息聚合图跳跃知识转换网络深层图模型元路径高阶语义信息

在线全文

学校读者我要写书评

暂无评论

基于K-means聚类的居民用电行为分析

电脑知识与技术 2022年第7期18卷 26-28页

作者：赵万旗孙皓月河北建筑工程学院张家口市大数据技术创新中心河北张家口075000

该文以某小区居民的智能电表用电功耗数据为研究对象,结合K-means聚类算法对其进行聚类,分析居民的用电行为规律。首先对居民原始用电功耗数据进行特征归一化处理,然后采用肘方法确定初始聚类数,最后,利用聚类算法对该小区居民的用电负... 详细信息

该文以某小区居民的智能电表用电功耗数据为研究对象,结合K-means聚类算法对其进行聚类,分析居民的用电行为规律。首先对居民原始用电功耗数据进行特征归一化处理,然后采用肘方法确定初始聚类数,最后,利用聚类算法对该小区居民的用电负荷特征曲线进行聚类,分析其用电行为。实验结果表明,K-means算法在对居民用电负荷曲线聚类时具有较高的准确度,电网企业能够据此分析居民用电行为,提供用电个性化服务。

关键词： K-means算法用电行为分析智能用电

在线全文

学校读者我要写书评

暂无评论

基于XGBoost的公共建筑用电预测研究

信息与电脑 2021年第20期33卷 74-76页

作者：臧世伟高丽婷赵睿哲河北建筑工程学院张家口市大数据技术创新中心河北张家口075000

影响大型公共建筑用电量预测的因素众多,为了准确预测其影响因素,本文提出一种基于XGBoost的预测模型。该预测模型运用卡方检测建筑周围的湿度、温度和人为活动等影响用电量的因素,计算各个影响因素与用电量的相关性,进而提取出主要影... 详细信息

影响大型公共建筑用电量预测的因素众多,为了准确预测其影响因素,本文提出一种基于XGBoost的预测模型。该预测模型运用卡方检测建筑周围的湿度、温度和人为活动等影响用电量的因素,计算各个影响因素与用电量的相关性,进而提取出主要影响因素,然后对数据集进行预处理。该预测模型是通过XGBoost算法与网格搜索算法结合,通过训练获得该公共建筑的最优用电预测模型。最后与其他预测方法对照实验,结果表明,该模型具有更高的准确率和更低的失误率。

关键词： XGBoost算法卡方检测网格搜索算法用电预测