变分自编码器模型综述

变分自编码器（VAE）作为深度隐空间生成模型的一种，近年来其表现性能取得了极大的成功，尤其是在图像生成方面。变分自编码器模型作为无监督式特征学习的重要工具之一，可以通过学习隐编码空间与数据生成空间的特征映射，进而在输出端重构生成输入数据。梳理了传统变分自编码器模型及其衍生变体模型的发展与研究现状，并就此做了总结和对比，最后分析了变分自编码器模型存在的问题与挑战，并就可能的发展趋势做了展望。     

基于多基表示的滑动窗口椭圆曲线多标量乘算法

标量乘运算从整体上决定了椭圆曲线密码体制的快速实现效率，在一些椭圆曲线公钥密码体制中需要计算多标量乘。多基数链的标量表示长度更短、非零比特数目更少，较好地适用于椭圆曲线标量乘的快速计算。为了提高椭圆曲线密码的效率，在已有的二进制域和素域的标量乘算法的基础上，结合滑动窗口技术、多基算法，提出新的更高效的多标量乘算法。实验结果表明，新算法与传统Shamir算法和交错NAF算法相比，其所需的运算量更少，能有效地提高椭圆曲线多标量乘算法的效率，使多标量乘的运算更高效。相比于其他算法，新算法的计算效率比已有的多标量乘算法提高了约7.9%~20.6%。     

基于CRF景点推荐模型研究

针对游客旅游景点选择难以及旅游发展趋势,文中提出一种基于CRF模型的旅游景点推荐算法模型。利用网络爬虫获取景点评论数据集,并采用CRF算法从中提取评价观点,对评论观点进行有效性过滤,将过滤后的观点构建观点集,计算各观点的余弦相关性,将相关性高的观点进行合并。实验结果表明,基于CRF景点推荐算法较其它常见方法在准确率、召回率方面有明显提高,且PR及ROC曲线效果良好。部分景点评论的稀疏性会导致这些景点评论分析结果的偏差。该方法对游客选择旅游目标具有很好的决策作用。     

基于云计算和IRS的在线课程推荐算法研究

为了提高MOOC在线课程的推荐效果和推荐效率,结合学习用户的偏好和IRS课程评价方法,提出一种基于云计算和IRS的在线课程推荐算法。将学习交互度I、评价率R和评分S和用户偏好结合,提出一种更加适合学习者用户的个性化推荐算法。研究结果表明,文中IRS推荐算法具有更高的命中率和评分差,其推荐的课程令学习者更加满意,更加适合学习者的个性化需求,可以提高推荐效率和运行速度,为在线课程推荐提供新的方法和途径。     

基于孪生支持向量回归机的转炉炼钢终点预测

为了提高转炉炼钢的终点命中率，建立了一种新的转炉终点预测模型，实现了对转炉终点碳质量分数和温度的准确预测。模型采用K最近邻孪生支持向量机(KNNWTSVR)算法，将权重矩阵引入到目标函数中，并利用鲸群优化算法进行求解，提高了传统算法的性能；然后基于某炼钢厂260 t转炉的实际生产数据，建立了转炉炼钢终点预测模型。结果表明，预测模型的终点碳质量分数(误差±0.005%)和温度(误差±15 ℃)的终点单命中率分别为94%和88%，双命中率达到84%。与其他两种现有的建模方法相比，本模型取得了最优的预测效果。该方法满足转炉炼钢实际生产的需求，也可适用于钢铁冶金其他领域的数学建模。