协同过滤推荐算法研究综述

协同过滤推荐算法是目前在推荐系统中应用最成功和广泛的技术之一。本文详细介绍了协同过滤推荐算法的分类和度量指标。同时，分析了协同过滤推荐算法中的问题以及相应的解决办法。最后阐述了协同过滤推荐系统中仍需解决的问题和未来可能的发展方向。     

基于协同过滤的推荐算法研究

随着互联网时代WEB2.0技术的到来,信息过载问题要通过协同过滤推荐系统算法有效地解决。文章分析了基于协同过滤的推荐算法研究的意义和基于协同过滤的推荐算法研究的现状,根据推荐系统和协同过滤算法的特点,分别对融合社交网络信息的协同过滤算法、融合基于用户和基于项目协同过滤算法进行简单的研究和分析。     

实时协同编辑中群组可靠性和容错研究

论述了在实时协同编辑系统中,协作站点的可靠性和协同会话管理的容错问题。给出一个会话管理器的查询算法,解决了协作站点或网络故障或长时间无操作生成等带来的系统可靠性与安全性问题。给出一个分布式备份模型解决了会话管理器的容错问题。并通过实验对相关算法的有效性进行了验证,为实时协同编辑系统的设计与实现提供了支持。     

无线Ad hoc网络中的协同路由

近几年,协同分集技术得到了广泛的关注。在无线Ad hoc网络中采用协同技术可以为网络带来分集增益,减轻信道衰落的影响。研究了无线Ad hoc网络在网络层采用协同技术的方法和形式——协同路由算法,通过节点在传输数据时主动寻找协同节点为其转发数据,可以有效地提高网络性能。对现有的几种协同路由算法和协同节点选择机制进行了详细的研究,分析了其各自技术优势及存在的问题。最后探讨了协同路由有待解决的问题及未来的研究发展方向。     

结合极值优化的多粒子群协同进化算法

多粒子群协同进化算法是一种群智能算法,具有智能性、通用性、并行性和全局搜索能力,能够很好地解决全局寻优问题,但其保持粒子多样性的机制和协同进化的机制有待做进一步的改进.为了进一步提高多粒子群协同进化算法的寻优效率,提出了一种结合极值优化的多粒子群协同进化算法,它将多粒子群协同进化算法的全局搜索能力与极值优化算法的局部搜索能力进行了结合.最后通过实验验证了该算法的有效性.     

采用改进粒子群算法的无人机协同航迹规划

为合理解决多无人机协同航迹规划问题,提出了两种解决方法。针对提出的空间直接法,将多无人机三维协同航迹规划问题简化为具有时间约束的二维航迹规划,并对传统协同变量和协同函数进行新的构建,最后结合一种改进的粒子群算法作了进一步的仿真实验,并取得了比较理想的结果。     

融合时间因素的隐语义模型推荐算法

针对传统推荐算法中存在数据稀疏和精确度不高的问题,提出一种融合时间因素的隐语义模型推荐算法,在隐语义模型中引入时间偏置项体现时间推移对用户兴趣偏好的影响,解决数据稀疏问题的同时降低时间推移造成的误差,结合基于邻域的协同过滤模型求出目标用户推荐列表。采用Movielens1M数据集验证算法的有效性,实验证明该算法与基于用户的协同过滤算法以及基于隐语义模型的推荐算法,能有效解决数据稀疏问题,在准确率、召回率和综合F值上分别比基于用户的协同过滤算法提高1.66%、2.12%、2.04%,比基于隐语义模型的推荐算法分别提高1.38%、1.48%、1.49%,能够进一步提高推荐系统的准确性及推荐质量。     

基于深度强化学习的无人机集群协同信息筛选方法研究

针对未知复杂环境下无人机集群协同定位导航中算法计算量过大的问题,提出了两种基于深度强化学习的无人机集群协同信息筛选方法,将多无人机定位问题映射为部分可观的马尔可夫决策过程(POMDP),通过克拉美罗下界(CRLB)设置的精度阈值,使用最少协同信息满足所有无人机的定位精度要求.仿真结果表明,同无筛选情形相比,基于深度强化学习的筛选策略可以在不牺牲定位精度的同时,有效提高协同定位算法的实时性,解决协同信息冗余问题,显著提高了协同定位算法的执行效率.     

基于改进DDE算法的协同干扰资源分配

针对DDE-MRR算法存在的过早成熟和收敛过慢等缺陷,提出了一种新的DDE算法,用于电子对抗中协同干扰资源分配问题的求解。该算法首先依据协同干扰资源分配问题中存在的D/N不对等现象,重构了种群样本,然后基于DE/best/1策略对种群样本进行变异操作,最后通过贪婪机制实现样本更新。设计了3组仿真实验,对改进算法的收敛性和数值结果进行了验证分析,结果表明:改进算法收敛速度更快、计算结果更优,能够较好地解决电子对抗中的协同干扰资源分配问题,具备一定的实用价值。     

基于混合量子遗传算法的嵌入式系统软硬件协同综合算法

软硬件协同综合是嵌入式系统设计中的一个重要步骤.综合利用启发式算法和演化类算法的优点提出了一种混合量子遗传算法(HQGA)来解决软硬件协同综合问题,提高了求解质量和搜索效率,降低了计算代价.实验结果表明HQGA对软硬件协同综合问题的有效性:在得到相近结果的条件下,HQGA计算时间较量子遗传算法缩短50%以上;在计算相同代数的条件下,HQGA求解质量较量子遗传算法平均提高10%以上.     

基于组合优化理论的协同过滤推荐算法

针对传统推荐系统中的协同过滤推荐算法无法解决数据间的高度稀疏问题,采用余弦相似性度量运算的物品相似性误差较高,导致系统推荐质量降低,提出基于局部组合优化的协同过滤推荐算法,其改进了物品间相似性的运算,为了解决数据稀疏性问题,选择目标的近邻对象时利用局部优化方法选择推荐群,降低了预测的误差,确保误差值收敛到某固定值,并采用基于内容的方法调整协同过滤预测存在的异常预测结果。实验结果表明,所提算法抑制了数据稀疏性的不利影响,提高了协同过滤预测评分的准确度。     

改进的协同过滤算法在商品推荐中的应用

本文对传统的协同过滤推荐算法进行了一定程度的优化,将基于协同过滤技术的理论研究更好地应用在商品个性化推荐中,以解决协同过滤打分稀疏问题,以及协同过滤的推荐准确率低的问题,首先使用二部图表示用户和商品的二元关系,然后利用二部图模块函数对用户和商品划分相似类,最后产生基于同类用户和同种商品的推荐列表并将两个推荐列表混合使用,得到基于二部图函数的改进的协同过滤算法。算法根据用户的兴趣和需求向其推荐个性化的商品,降低了用户搜寻信息的成本,具有广泛的可行性和实用性。     

支持用户属性特征联合聚类的协同过滤算法

个性推荐技术,可针对海量的数据实现快速准确的推荐。目前,协同过滤算法作为主流推荐技术,却存在着冷启动、数据稀疏和可扩展性等问题。虽然联合聚类协同过滤算法在解决可扩展性与数据稀疏方面有一定的效果,实时性高,但很难获得全局最优结果。因此,文中提出支持用户属性特征联合聚类的协同过滤算法以联合聚类为基础,融合了基于内容的推荐算法的优点,并经进一步改进以完成高准确率的推荐。实验结果表明,该算法实时响应快,一定程度上克服了冷启动和数据稀疏问题,且推荐质量较高。     

基于SAS算法的三维多UAV协同航迹规划方法

在实际应用中航迹规划着重考虑的是规划出的航迹应具有良好的可靠性能,针对多UAV协同航迹规划有多个约束条件且环境复杂、规划耗时长等问题,使用智能算法解决多UAV协同航迹规划问题无法确保规划航迹的可靠性能。因此,提出了一种启发式SAS算法,用以解决此问题。仿真结果证明,使用该算法规划出的航迹具有较高的可靠性。     

具有时间约束的多无人机协同航迹控制研究

以多架无人机为研究对象,控制多无人机对目标实施协同攻击,并保证多无人机以指定时间到达目标或同时到达目标,最大限度地提高作战效能,是一个极具理论价值和军事应用的问题。确定了多无人机多级分布式协调策略,明确了协同变量与协同函数的概念和相应的数学表达式,以及领机与僚机间的通讯关系,最后利用基于协同变量和协同函数的多级分布式控制策略,有效解决了具有时间约束的多无人机协同航迹控制问题,设计仿真算法,并通过具体的仿真分析,验证了算法的有效性。     

基于EMRP算法的多UAV协同航迹规划

为解决作战环境中的多无人机协同航迹规划问题,提出一种基于层次分解策略的航迹规划方法.通过骨架化算法生成规划空间,利用基于进化计算的多航迹规划(EMRP)算法为各UAV找到K条备用航迹,实现了利用EMRP算法与数学形态学相结合解决多UAV协同航迹规划问题,并对生成的初始航迹进行平滑处理,得到满足UAV机动要求的可行航迹....     

基于改进的协同过滤图书推荐算法

高校图书馆图书个性化推荐没有得到很好的推广和实施,一个重要原因是用户对图书的评价不足。因此,提出了一种基于兴趣的高校图书推荐算法。该算法较好地解决了协同过滤算法无法使用和评分不足的问题。同时,将流行与反向流行的特征结合,使其更接近读者的行为。实验表明,该算法优于传统的协同过滤推荐算法,能够满足实际需求。     

动态环境下的多UCAV协同任务分配研究

战场环境的动态性和不确定性以及协同控制的复杂性,使得预先制定的无人作战飞机任务分配方案不能满足动态战场环境中的实时性要求。考虑到无人作战飞机的差异、目标的差异及战场态势对目标分配的影响,建立了多无人作战飞机协同目标分配问题的数学模型。针对多无人作战飞机协同控制中的动态任务分配问题,提出一种改进的混合重分配策略,从任务层次上解决了多无人作战飞机的动态任务分配问题,在此基础上提出了混合细菌觅食算法,并用该算法在动态环境中为无人作战飞机进行合理的任务分配,通过仿真实验和分析表明混合重分配策略和混合细菌觅食算法的有效性。     

基于Spark的实时情境推荐系统关键技术研究

随着移动互联网的飞速发展,人们面临的信息过载的问题日益严重,大数据场景下对用户的推荐面临着巨大困难。为了解决推荐时效性、准确度、大数据量,提出了一种基于Spark的实时情境推荐算法。该算法在协同过滤的基础上融合了情境过滤,以Kafka作为实时消息收发器,以Spark Streaming来处理实时流数据,增强了算法的准确性和时效性。实验证明,该算法和传统协同过滤算法相比,准确率和时效性更高,且在大数据场景下更有优势。     

认知无线网络频谱感知与节点协同问题综述

认知无线电是被公认的解决移动无线网络频谱资源短缺和频谱资源动态分配问题的最有效和最有潜力的技术。基于认知无线电技术目前在移动无线网络中的实际应用情况,详细分析了认知无线网络目前所存在的无线频谱资源感知、探测和接入机制以及多用户节点协同等问题,并综述了频谱资源分配算法和认知无线网络容量问题的最新研究进展,最后提出用博弈论来研究解决认知无线网络多用户协同问题中的用户自私行为。