基于旅游业移动电子商务的个性化推荐模型研究

通过建立个性化推荐模型,分析用户的网络访问行为,利用KSP算法以及MIAR算法获取关联规则,从海量的模糊数据中挖掘出个性化信息,修改移动网站的内容和结构以满足用户信息需求,并对用户的移动网络搜索数据进行智能挖掘,推荐相关的Top-N旅游产品。同时针对以上研究设计旅游业移动电子商务个性化推荐模型,并对该模型流程进行分析,探讨后台移动数据库设计。     

基于多Agent的个性化网络学习环境模型设计

传统的教学系统难以满足用户个性化的需求.将人工智能的Agent技术引入网络学习环境的研究中,提出了基于多Agent的个性化网络学习环境模型.并详细阐述了系统的体系结构、设计思想和实现技术.     

网络学习系统个性化实时推荐策略研究

网络学习资源海量化在给学习用户提供资源选择多样化和学习自主化的同时,也给用户快速获取个性资源提出了更高要求。在分析当前个性化推荐技术的基础上,充分考虑学习的过程性和资源间的语义相关性,提出一种基于本体个性化的实时推荐模型和算法。主要从模型构建、本体构建、语义相关度和个性推荐算法等方面进行研究,设计了网络学习系统中资源个性化推荐的基本框架和流程,为提高网络学习效率提供全新的解决思路。     

基于网络用户信息行为的个性化推荐模型

探讨了网络用户信息行为的基本概念和个性化推荐的相关技术。以此为基础,创建了基于网络用户信息行为的个性化推荐模型。对比实验结果表明,此模型在准确率、稳定性、推荐效率方面有一定的优势。     

基于元蒸馏的个性化联邦学习算法

联邦学习(FL)中客户端数据异构导致训练的统一模型无法满足每个客户端对性能的需求。针对这一问题,提出了一种个性化联邦学习算法——元蒸馏联邦学习,将知识蒸馏和元学习与FL结合,并将个性化过程嵌入FL。在每次全局迭代中,每个客户端的本地模型(即学生模型)在蒸馏全局模型(即教师模型)的同时将自身情况反馈给教师模型并使其不断更新,从而获得一个更优的教师模型以进行个性化学习。仿真结果表明,与现有个性化算法相比,所提算法在提高个性化精度的同时能在全局精度和个性化精度之间取得较好的折中。     

融合上下文感知注意力的低光图像去雾网络

现有的低光去雾算法因受图像光照强度低、光照不均匀等影响,其去雾后的图像存在细节丢失、色彩失真等现象。针对上述问题,提出一种融合上下文感知注意力的低光图像去雾网络(ACANet)。首先,在基准网络中引入层内上下文感知注意力模块,分别从通道维度和空间维度结合全局视角辨识和加权同一尺度下的重要特征,使网络突破局部视野的约束,更加高效地提取图像纹理信息;其次,引入层间上下文感知注意力模块,通过投影操作将高级特征映射到信号子空间,以实现不同层之间多尺度特征信息的高效融合,进一步提升对图像细节的重建;最后,引入CIEDE2000色偏损失函数,通过CIELAB色彩空间对图像色调进行约束,并与L2损失一起联合优化网络,使网络准确地学习图像色彩,以解决图像的严重色偏问题。实验结果表明,所提算法在多个数据集上的客观指标均优于现有去雾算法,其峰值信噪比指标较基准网络提高了8.8%,且主观去雾效果更彻底,恢复图像细节更丰富,色彩还原度更好,更接近于真实图像。     

基于学习对象理论的个性化教学系统的研究与设计

文章引入学习对象理论,构建了一个新型的个性化网络教学系统模型,系统重点阐述了利用学习对象构建课程知识库。以有助于系统根据学生的在线学习行为和认知水平,向学生提供高效、准确的个性化教学信息服务。     

浅层地震折射资料的个性化自动解释

浅层地震折射是工程物探最常用的经典手段之一。对非常规模式、非标准观测系统所采集的浅层地震折射数据进行个性化自动解释,是工程物探工作者多年来孜孜以求的目标。通过某水电站横河地震折射剖面勘探实例,根据资料解释的流程和步骤重点介绍了数据的重建过程、资料个性化自动解释的关键步骤和结果、在解释过程中通过人机交互方式充分融合解释人员工程经验的关键节点。展示了对非常规模式、非标准观测系统的浅层地震折射数据进行个性化自动解释的灵活性和高效性。     

基于Web环境的个性化学习

个性化学习是以学生为主体的学习方式,它是指在学习过程中根据学生自身基础、学习习惯和爱好以及对知识点掌握程度的不同,给出相应学习策略、学习内容的学习模式。随着网络技术的飞速发展,网络所具有的强大交互性和分布式特点为个性化学习提供了技术上实现的可能。因此,构建基于Web的个性化环境,充分利用网络的优势来进行个性化学习,对当前的教育环境很有帮助。本文以计算机文化基础课程为例,设计了基于Web的个性化学习环境,并对该系统的理论基础、设计原则、技术应用等方面进行了探讨。     

基于Web日志挖掘的个性化网络教学系统研究

首先介绍了Web日志挖掘和个性化推荐服务所包含的内容,然后具体讲述了网络教学系统体系结构的设计以及在该系统中所采用的关键技术和Clope算法与改进的Apriori算法。最后通过实验结果的分析说明构建基于Web日志挖掘的个性化网络教学系统可以完成因材施教的需求。     

一种基于面向对象技术的配电网GIS系统的数据组织模型

针对传统GIS系统的三层空间数据组织模型在开发电力配网GIS系统时的不足，利用面向对象的思想，提出了一种新的数据组织模型，并给出了在关系数据库中实现该模型及建立空间索引的方法。该数据组织模型能较好地符合配网系统，且对配水网、公路网等系统的开发也有一定的应用价值。     

基于多分类及特征融合的静默活体检测算法

现有的静默活体检测研究忽略不同非活体攻击方式之间的差异,以及不考虑活体和非活体样本类别不均衡对模型学习的不利影响. 本研究将非活体攻击类别细分成打印攻击和展示攻击,将静默活体检测由传统的二分类问题转变为多分类问题,并提出采取交叉熵作为损失函数对网络模型进行训练的方案,用以克服二分类和类别不均衡问题,使得模型训练中能更准确发现和抽象出非活体人脸样本共同的欺诈特征,提高网络模型对非活体识别的精准度. 构建双流特征融合网络模型,采取注意力机制对从RGB和YCrCb这2种不同色彩空间提取到的特征向量进行自适应加权融合,以进一步提升网络模型的特征表示能力. 在CASIA-FASD、Replay-Attack、MSU-MFSD和OULU-NPU 4个公开数据集进行大量的对比实验,实验结果表明,采取多分类策略以及特征融合的静默活体检测模型能够有效降低分类错误率并提升泛化能力.     

一种基于OPNET的辅助决策系统模型的研究与仿真

介绍了决策系统的概念和一个功能强大的网络建模、仿真工具OPNET,讨论并且仿真了一种基于OPNET的辅助决策系统模型。     

Fuzzy optimization neural network model based on LM algorithm

A new fuzzy optimization neural network model is proposed based on the Levenberg-Marquardt (LM) algorithm on account of the disadvantages of slow convergence of traditional fuzzy optimization neural network model. In this new model,the gradient descent algorithm is replaced by the LM algorithm to obtain the minimum of output errors during network training,which changes the weights adjusting equations of the network and increases the training speed. Moreover,to avoid the results yielding to local minimum,the transfer function is also revised to sigmoid function. A case study is utilized to validate this new model,and the results reveal that the new model fast training speed and better forecasting capability.     

基于Internet的大型文件镜像模型

为了提高在Internet上镜像大型文件的效率，加快响应速度，节约网络带宽。减轻本地和远程机器的资源负担，采用监视操作系统的写操作，将操作的文件名、文件偏移以及相关数据封装成记录发送到远程镜像服务器，在远程镜像服务器上对相应的文件进行同样的写操作完成镜像。该模型既可运行于同步模式，又可以运行于异步模式，能够适应多种网络状况，具有良好的容错能力。     

基于神经网络的广东省道路交通事故模型

在广东省历年道路交通统计数据的基础上,利用BP神经网络模型和Elman神经网络模型,对广东省道路交通事故进行了建模研究.应用Matlab软件对模型进行了计算实现,并对计算结果进行了分析,结果表明模型效果良好. 更多还原     

基于弹性网络回归的地震动参数排序与比选

为合理选取地震动参数以有效减小结构损伤预测的不确定性,基于弹性网络回归技术对多个地震动参数进行了比选。基于多种地震动参数以及大量单自由度（SDOF）模型的增量动力分析结果建立弹性网络回归模型,定义回归模型中回归系数值以及回归系数值为非零值的个数分别为地震动参数的敏感性系数和频数。基于地震动参数敏感性和频数分析结果对多种地震动参数进行排序,研究结构恢复力模型、地震动集和结构极限状态对地震动参数排序结果的影响。基于一座8层钢框架结构分析结果验证了基于弹性网络回归的地震动参数比选方法的有效性。结果表明:选取代表性的地震动参数加入最小二乘回归模型时,不同结构极限状态下回归分析中残差标准差显著减小。基于大量SDOF体系的地震动参数排序结果比选出了受地震动集、结构恢复力模型和结构极限状态影响较小的地震动参数。结果可为结构抗震能力预测用地震动参数的比选提供理论基础。     

基于WSDM的主机系统管理接口模型研究

为有效解决系统的安全、集成以及异构网络的管理等问题，将Web服务分布式管理（WSDM）标准引入到主机管理系统的设计过程中.通过对WSDM标准的组成、特点等的分析，设计了一个基于该标准的新型主机系统管理接口模型，并研究了模型各角色之间的相互关系及在主机系统管理中的不同作用.将此模型应用于现实的网络服务器管理中，验证了所建模型的创新性与实用性，同时表明了该模型不仅适用于分布式环境中的主机系统的管理，克服了系统管理所面临的多元化和分布化两大难题；而且对基于分布式计算的网络管理系统模型的开发和设计有较好的借鉴价值.     

径向基神经网络在摩擦学中的应用

建立了润滑油摩擦学特性影响规律的径向基神经网络模型，可以较准确地计算和预测润滑油摩擦系数与负荷之间的关系，并进一步基于神经网络给出了两种不同润滑油之间的泛函数关系．为摩擦学设计和程序化计算和分析提供了一种方便且有效的工具．     

基于映射模型的城市热网热能输运灵活性研究

为了分析源荷不确定下的热网热能灵活输运问题,开展基于映射模型的城市热网热能输运灵活性研究. 采用机理建模与运行数据辨识结合的热网高精度映射建模方法,建立与物理热网行为特性一致的映射模型,通过模型特征参数估计,提高仿真计算精度. 同时,在此基础上提出量化分析热能输配灵活性的方法. 结合某北方城市热网开展多样化供需组合条件下的灵活性定量评估,并将该分析方法与现有管网可靠度理论进行对比. 对23个热力站开展灵活性与管网可靠度分析,对比结果表明,灵活性更侧重分析管网整体的灵活输运能力,可以用于管网输运瓶颈的分析,可靠度更侧重分析热网中元件本身的属性,可以用于管道容量及可靠性的分析. 该灵活性分析方法可以为提升热网调控灵活性奠定理论基础.