融合信息熵与信任机制的防攻击推荐算法研究

由于对用户偏好信息的过分依赖,致使推荐系统易受到恶意攻击,从而影响系统的推荐质量。提出一个融合信息熵与信任机制的防攻击推荐算法。在考虑了托攻击与正常用户之间的评分变化幅度差异基础上,提出融合信息熵的相似性改进算法,同时引入信任更新机制,在推荐过程中将用户间信任度与相似度有机相结合,通过筛选推荐权重较高的邻居用户方法获得可靠推荐,从而降低恶意攻击对系统的影响。通过在真实数据集上实验表明该算法在提高推荐系统的准确性和脆弱性上有较好的表现。     

通用智能卡数据采集器研究与实现

选用当前流行的STM32微控制器为硬件平台,利用智能卡芯片特有的ISO7816通信接口,设计了一款通用的智能卡数据采集系统。该系统通过STM32微控制器采集手机和智能卡之间的通信时钟来获取准确的位宽定时信号,并以相应的位宽间隔进行数据采样,从采样的数据中提取出手机与智能卡交互的PPS,从而达到自适应采集不同智能卡数据的功能。该系统具有硬件设计简单、通用性强、采集速度快、正确性和稳定性高等优点,极大地方便智能卡应用开发人员和业务维护人员的使用。目前该技术已投入实际使用,具有较好的应用前景和参考价值。     

基于多尺度时间递归神经网络的人群异常检测

如何在人群密度大、变化快、存在大量遮挡的密集场景中实现可靠的人群事件检测,是领域研究的难点和热点.在密集场景时空建模的基础上提出了一种基于多尺度时间递归神经网络的人群异常事件检测和定位方法.首先对人群场景进行网格化划分,并利用多尺度光流直方图对每个网格的人群动态进行刻画;然后,连接各个局部的人群动态获得整体的人群动态,实现整体人群动态的时间序列建模;最后,利用多尺度时间递归神经网络实现异常事件的检测和定位.其中,多尺度隐含层实现了密集场景中不同规模相邻网格之间的空间联系,节点间的反馈关系则为时间维度上的关系表达提供了有效方案.与多种代表性算法的对比实验,验证了本方法的有效性.     

恋太极--浸入式虚拟现实系统的设计与实现

在设计一款虚拟现实系统,将最新的浸入式虚拟现实设备与交互式体感识别设备结合,使身临其境成为可能。另一方面,本系统也是对中国古典文化（带有古典禅意的太极）与新时代的虚拟技术结合方式的探索,力图创造出独特的有利于用户进行全新体验的健康休闲方式。本文对该系统的设计,构架,实现的关键技术及系统最终成果进行了阐述。     

《C语言程序设计》多媒体教学课件开发与应用

在课堂教学中,利用Flash技术将难以展示的抽象思维过程逼真地表现出来,对激发学生学习兴趣、促进学生认知过程具有重要意义。在《C语言程序设计》课程中,以多媒体学习理论为指导,以教学设计为中心,开发一个用于课堂教学的多媒体教学演示课件,通过Flash动画等方式模拟程序代码抽象的执行过程,旨在提高课堂教学质量和学习效率。     

基于小波变换的开都河径流量多时间尺度分析

以开都河大山口站1956—2006年的年径流量资料为例,利用Morlet小波变换对其水文序列的多时间尺度演变特性进行了分析,并预测了开都河2006年以后的年径流量变化趋势。结果表明:开都河存在6 a、10 a、15 a和38 a等4个主周期,其中38 a和10 a分别为第一和第二主周期;2006年后的未来几年内开都河将处于偏枯期。     

计算机专业实践新模式的保障方法

分析计算机专业本科生实践教育中出现的新模式、新方法。结合专业特点,探讨保障本科生实践教育质量的措施和方案,提出优化现有学分制度,建设实践信息平台,调动学生参与多元化实践的积极性;指出从设立和完善本科生导师制入手,调动教师指导实践的积极性。     

基于商品评论的网购顾客满意度指标体系的构建与分析

本文提出一种基于商品评论的顾客满意度指标体系构建方法,通过对网购顾客的评论文本的标注和挖掘．抽取指称关键词和描述关键词,将其提炼为网购顾客满意度指标体系,并利用中文信息处理相关技术,对各指标进行了词频统计,分析了各指标在顾客关注程度和使用方面的一些特点。本文的研究为电子商务运营活动提高产品质量和服务水平提供决策依据,也为商品评论特征、观点和情感倾向等内容挖掘研究提供基础资源。     

田间试验中复因子试验的含义与特点

在农作物进行田间试验中,有单因子试验和复因子试验两种选择。文章阐述了单因子试验的缺陷,复因子试验的目的意义。并以小麦复合试验及玉米每穴株数试验组合为例加以说明。     

迭代重加权最小二乘支持向量机快速算法研究

迭代重加权(Iteratively Reweighted)方法是提高最小二乘支持向量机(LS-SVM)稳健性的重要手段,但由于涉及到多次加权和重复训练,该方法需要大量运算,无法广泛应用.通过数值推导,获得了求解迭代重加权最小二乘支持向量机(IRLS-SVM)的快速算法,大幅度减少了其运算复杂度.引入了3种经典的加权函数,并在多个仿真数据集和实际数据集上进行实验,证实了IRLS-SVM能获得相当稳健的学习结果,所提出的快速算法也确实能够大幅度减少训练时间.实验结果同时表明,在快速训练算法的框架下,3种不同的权重函数可能要求不同的训练时间.