融合特征关联性的深度哈希图像表示方法

针对深度描述子无法提供图像特征之间关联性的问题进行了研究,提出了一种融合特征关联性的深度哈希图像表示方法,这种方法将深度描述子之间的关系融入到图像内容的描述中,用于提高图像检索性能。首先,通过预训练网络生成图像的特征映射,并在此基础上提取出深度特征描述子。然后,将深度特征描述子映射为深度视觉词,从而用于深度视觉词的频繁项集发现。接下来将离散值的深度视觉词图像表示和哈希值的频繁项集图像表示连接生成图像表示。最后,算法通过图像类内、类间的相似性关系构造优化,得到最优的阈值,用于将图像表示变为哈希值。实验中,将提出的方法与一些优秀的图像表示方法在holiday、Oxford和Paris图像集的图像检索任务中进行了性能比对,用于证明此方法的有效性。     

项目子相似度融合的协同过滤推荐算法

针对用户评分数据稀疏性和项目最近邻寻找的不准确性问题,提出了一种项目子相似度融合的协同过滤推荐算法.该算法根据目标用户每一属性取值,选取与该属性值一致的用户作为用户子空间,并在此空间上计算目标项目与其他项目之间的相似度(称其为项目子相似度).在此基础上,以项目子相似度为依据选取目标项目的K最近邻,计算其预测评分;最后对用户不同属性上的预测评分进行加权求和,得到目标项目的最终评分.实验结果表明,该算法能准确地选取目标项目的最近邻,明显改善了推荐质量.     

Developing and Verifying a Questionnaire for Evaluating User Value of a Mobile Device

User experience has become a major issue lately with user value as one of its key elements. This study proposes a method to evaluate user value using a questionnaire specialized for a mobile device such as smartphones. The questionnaire was developed considering elements of user value, product features, and context of use. Then, a case study with hundreds of participants was conducted via the Internet to verify and screen out questionnaire items in terms of reliability and validity. Finally, a total of 16 questionnaire items were selected for evaluating elements of user value, consisting of self‐satisfaction, pleasure, sociability, customer need, and attachment. The results of this study are expected to help understand potential users and select design alternatives.     

基于Top-K项频繁模式挖掘的研究及实现

频繁模式挖掘是关联规则、序列分析等数据挖掘任务的关键步骤,我们知道,当给定的最小支持度阈值非常小,将产生大量的频繁模式,反之,可能产生很少的模式或根本没有结果。用户有时仅对其中的部分项的频繁度感兴趣,这属于部分频繁模式挖掘问题。文章通过有效设置挖掘区间,讨论一种top—k项频繁模式挖掘问题,进而扩展到连续区间上的情况,最后将给出实验结果。     

基于滑动窗口的关联规则增量式更新算法

现有的关联规则算法大多都致力于解决增量式更新问题,需要多次扫描数据集,无法对海量数据进行有效处理。针对此问题,提出了基于滑动窗口的关联规则增量式更新算法(SWIUA),利用滑动窗口进行数据更新,挖掘出用户感兴趣的关联规则。该算法只需要扫描原始数据集和更新的数据各一遍,降低了I/O时间;并采用优化策略对候选项集过滤和删除,提高了关联规则的挖掘性能,能有效处理大量新增数据。     

在分布式数据流中查找近期频繁项方法的研究

传统的分布式数据流挖掘模型是一种挖掘结果中逐层进行的层次模型,通信带宽是一个瓶颈.为了减少分布式数据流结点的通信,本文采用一种基于数据密度的偏倚抽样方法对分布式数据流组中的每个流进行抽样,只维护抽样数据中最近期的元素.在频繁项挖掘过程中,设计了一种哈希计数方法(不同于传统哈希计数算法),可以同时对数据的计数进行增加和删减,计数的值是有一定误差保证的近似值,算法称为FFIDDS算法.实验结果证明,通信负担和处理时间均明显比传统HCS模型的算法优秀.     

基于Apriori挖掘算法的改进研究

Apriori频繁集算法是比较经典的一种数据挖掘算法,本文针对Apriori算法的瓶颈,提出了一种Apriori_New算法,它通过迅速减小数据库规模从而较大地提高了挖掘效率,当原始数据库规模较大时,此算法效果尤为显著。     

高校单片机课程教改研究

本文通过分析高校单片机课程教学存在的问题、结合教学实践提出改进措施,并具体介绍采用系统可编程单片机的编程思想、自制实验装置、自行设计实验项目等教学方法,以期为同行提供参考,推进高校单片机教学的发展。     

Multi-item inventory model of breakable items with stock-dependent demand under stock and time dependent breakability rate

Items made of glass, ceramic, etc. are normally stored in stacks and get damaged during the storage due to the accumulated stress of heaped stock. These items are known as breakable items. Here a multi-item inventory model of breakable items is developed, where demands of the items are stock dependent, breakability rates increase linearly with stock and nonlinearly with time. Due to non-linearity and complexity of the problem, the model is solved numerically and final decisions are made using Genetic Algorithm (GA). In a particular case, model is solved analytically as well as numerically and results are compared. Models are developed with both crisp and uncertain inventory costs. For uncertain inventory costs both fuzzy and stochastic parameters are considered. A chance constrained approach is followed to deal with simultaneous presence of stochastic and fuzzy parameters. Different numerical examples are used to illustrate the problem for different cases.     

LR分析的教学法探讨

LR分析法是编译程序语法分析中最常用且有效的自下而上的分析方法,理论较完善,适用于大多数上下文无关语言的分析。本文主要探讨LR分析的教学方法,采用"启发+关联式"教学法,引导学生理解LR分析的内涵。