基于l1,2惩罚典型相关分析的特征选择

特征选择是多模态高维数据机器学习的一个热点问题,而过拟合和过稀疏是特征选择需要克服的关键问题。对此提出以l_(1,2)范数作为惩罚项兼顾稀疏作用和光滑作用,以组内稀疏来防止过拟合,以组间光滑来防止过稀疏,通过优化数据间的相关性来实现特征选择。然而对一般数据而言,群组信息又很难获得,所以对于群组信息缺失的数据,应用随机分组获得群组信息,最终实现兼顾组间光滑和组内稀疏优点的特征选择。模拟实验结果表明,该方法能较完整地选择出两模态数据间的关联特征,并且去除不相关特征。     

轴承零件几何误差对圆柱滚子轴承回转误差的影响:第一部分 计算方法

轴承旋转精度的高低取决于轴承回转误差的大小,而轴承回转误差又取决于轴承零件的几何精度。因此,研究轴承零件几何误差和轴承回转误差的关系对轴承零件加工公差合理分配及成品轴承精度预测有重要意义。为此,提出一种基于几何和载荷约束共同作用下圆柱滚子轴承回转误差计算方法。在几何约束模型中,考虑轴承内圈滚道、外圈滚道和滚子表面的尺寸误差和形状误差,同时还考虑由轴承零件几何误差引起的滚子-滚道接触位置变化。在载荷约束模型中,考虑由轴承零件几何误差引起的滚子-滚道接触力方向的变化。在此基础上,运用Hertz接触理论和静力学,推导轴承回转误差计算方法。提出可用于分析轴承零件几何误差、弹性变形和滚子个数三者的耦合效应对轴承内圈回转误差的影响规律的计算方法,为高精度滚动轴承的精度设计、公差分配及加工工艺参数的控制提供理论依据,从而有效提高滚动轴承旋转精度。     

基于人性化用户特征的在线酒店推荐技术研究

近年来,人们对于酒店的需求与日俱增。但面对形形色色的酒店服务,如何选择的问题日益突出,精准合理的个性化酒店推荐拥有极大市场。已有的传统推荐技术及其推荐系统,没有从内生性参数分析和解释用户行为,在用户兴趣点发掘的精确性以及数据稀疏情况下的推荐存在局限。对此提出一种面向酒店的人性化用户建模与推荐方法。根据所在实验室提出的数字灵魂模型,将其映射到酒店领域,得到人性化酒店用户模型。计算用户偏好与酒店特征间的相似度,并结合基于协同过滤的推荐技术,得出推荐候选集。以"酒店管理营运博弈沙盘"为实验平台,该沙盘是由所在实验室研发并已被数十家酒店管理院校使用的电子学习软件。实验结果表明,相比于单纯的特征参数匹配和普通的协同过滤,该方法拥有更高的准确率、召回率和运行效率,并在一定程度上解决冷启动和数据稀疏的问题。