上下文感知系统中的规则生成与匹配算法

针对现有上下文感知系统中的规则主要依靠开发者或用户手工定义的问题,提出了一种基于粗糙集理论的自动规则生成方法.该方法将上下文感知系统视为一种决策信息系统,并利用可辨识矩阵对上下文信息加以约简,进而自动生成规则.由于可供使用的数据有限,所生成的规则无法完全覆盖上下文的取值范围,因此可能出现找不到与上下文状态相匹配规则的问题.为了解决这一问题,提出了一种基于语义距离的规则匹配算法.最后验证了所提出方法的有效性和效率.     

社会化推荐系统研究

近年来,社会化推荐系统已成为推荐系统研究领域较为活跃的研究方向之一.如何利用用户社会属性信息缓解推荐系统中数据稀疏性和冷启动问题、提高推荐系统的性能,成为社会化推荐系统的主要任务.对最近几年社会化推荐系统的研究进展进行综述,对信任推理算法、推荐关键技术及其应用进展进行前沿概括、比较和分析.最后,对社会化推荐系统中有待深入研究的难点、热点及发展趋势进行展望.     

遗传算法交换操作的可达性

交换是遗传算法中的一个重要操作,本文分析了遗传算法交换操作的特性,证明了对于互补的两个二进制串,通过交换操作可达其它任意互补的两个二进制串。     

卫星遥感技术在烟台港土地测绘中的应用研究

本文深入分析探讨了如何利用先进的卫星影像遥感测图和ARCGIS地理信息技术完成芝罘湾港区的土地利用分析和各子公司的用地测绘工作,节约测绘成本50余万元,在今后的港区测绘工作中具有较大的推广应用价值。     

移动推荐系统及其应用

近年来,移动推荐系统已成为推荐系统研究领域最为活跃的课题之一.如何利用移动上下文、移动社会化网络等信息进一步提高移动推荐系统的推荐精确度和用户满意度,成为移动推荐系统的主要任务.对最近几年移动推荐系统研究进展进行综述,对其关键技术、效用评价以及应用实践等进行前沿概括、比较和分析.最后,对移动推荐系统有待深入的研究难点和发展趋势进行分析和展望.     

移动用户需求获取技术及其应用

近年来,移动用户需求获取技术已成为移动个性化服务研究领域的热点之一.如何利用移动上下文信息进一步提高移动个性化服务的精确性和实时性,成为移动用户需求获取技术的主要任务.对移动用户需求获取技术研究进展进行综述,并对其关键技术、效用评价、应用实践进行前沿概括、比较和分析,最后,对移动用户需求获取技术有待深入的研究难点和发展趋势进行了展望.     

基于用户需求的内容分发点对点网络系统研究

点对点内容分发网络技术已成为近年来研究热点领域之一.为用户推荐有价值的资源,提高用户资源定位的准确率和分发效率,是CDN-P2P技术面临的巨大挑战.从用户需求的角度出发,综述了近年来CDN-P2P领域的研究状况：讨论了用户需求并介绍了需求获取方法;对基于用户需求的CDN-P2P系统模型、节点特征及用户相似性、用户之间的相互关系、节点安全性和搜索机制等进行了对比讨论和概括总结;对基于用户需求CDN-P2P领域存在的难点和热点问题作了深入的剖析;最后给出了基于用户需求的CDN-P2P系统的发展趋势及其展望.     

移动网络服务中基于认知心理学的用户偏好提取方法

 迅速增长的移动网络服务给人们带来沉重的移动信息负担.移动用户偏好提取方法是缓解"移动信息过载"问题的有效手段.受加工水平模型和分布式认知理论的启发,提出一种基于认知心理学的移动用户偏好提取方法.在移动用户偏好信息结构建模的基础上,引入服务加工水平认知、有效上下文认知的概念,并计算其对用户偏好提取的影响,然后分别提取基于服务加工水平认知和基于有效上下文认知的用户偏好,最终提取综合的用户偏好.实验结果表明,该方法能有效提高移动用户偏好提取精确度,为用户提供满足个性化需求的移动网络服务.     

基于局部需求特征的副本优化选择算法

为提高内容分发网络的用户满意度,提出一种基于局部需求特征的副本优化选择算法.在边缘代理存储能力受限的情况下,依据边缘代理所在区域的局部需求特征,通过对局部需求特征的提取并以此作为启发式信息进行副本的优化选择.仿真结果表明,与其他几种副本选择算法相比较,该算法所获得的请求覆盖率均高于其他算法.     

一种上下文移动用户偏好自适应学习方法

针对移动网络对个性化移动网络服务系统的性能提出了更高的要求,但现有研究难以自适应地修改上下文移动用户偏好以为移动用户提供实时、准确的个性化移动网络服务的问题,提出了一种上下文移动用户偏好自适应学习方法,在保证精确度的基础上缩短了学习的响应时间.首先,通过分析移动用户行为日志来判断移动用户行为是否受上下文影响,并在此基础上判断移动用户行为是否发生变化.然后,根据判断结果对上下文移动用户偏好进行修正.在对发生变化的上下文移动用户偏好进行学习时,将上下文引入到最小二乘支持向量机中,进一步提出了基于上下文最小二乘支持向量机(C-LSSVM)的上下文移动用户偏好学习方法.最后,实验结果表明,当综合考虑精确度和响应时间两方面因素时,所提出的方法优于其他学习方法,并且可应用于个性化移动网络服务系统中.