基于社会信任正则化的排名推荐算法

随着在线商品交易额逐年增大和社交网络不断深入发展,推荐系统已成为解决信息过载的重要工具之一。当评分矩阵数据稀疏性较大时推荐精度就会显著下降,特别是用户冷启动的时候这个问题更加明显。因此,本文提出一种新的基于隐式反馈信息的社会化排序推荐算法。该算法首先利用矩阵分解方法计算不同项目间的用户偏好。其次将用户偏好信息融入Bayesian Personalized Ranking (BPR)算法中。然后挖掘用户之间相似关系以及信任用户直接和间接关系,并量化它们之间的信任关系,从而研究不同项目之间用户偏好差异。最后将以上这些信任关系和BPR算法进行融合,进而构建出社会化排序推荐模型。为了验证所提出的社会化排序推荐算法,在DouBan数据集和FilmTrust数据集上,进行该算法的有效性验证。主要通过Precision、MAP和NGCD这三种排序评估指标分别在全数据集和用户冷启动中验证本文所提算法与SBPR、TBPR、BPRMF和MostPopular等算法之间排序推荐的优劣性。实验结果证明本文所提算法明显优于其他排序推荐算法,并可以获得更好的推荐准确率。可见该算法可以有效改善由于数据稀疏性和用户冷启动所带来推荐效果差的问题。     

基于经验模态分解的车内声品质EMD-ANE主动控制算法

为提高车内声品质水平,提出一种基于经验模态分解(Empirical Mode Decomposition,EMD)和噪声自适应均衡(Adaptive Noise Equalizer,ANE)算法的车内声品质EMD-ANE主动控制算法.考虑到车内噪声非平稳性高的特点,利用EMD方法获得非平稳性低的固有模式函数(Intrinsic Mode Function,IMF)分量,在ANE算法中设定不同的声音保留因子,对各分量进行主动控制.结果表明,EMD-ANE算法能够有效抑制车内噪声,且可以降低车内噪声的低频成分.与传统ANE算法相比,该算法可以更好地控制车内噪声的响度水平,更适用于车内声品质主动控制(Active Sound Quality Control,ASQC).     

基于遥感数据的徐州市热岛效应时空特征分析

热岛效应伴随着城市化推进而加剧,以徐州市为例,利用中心城区Landsat数据,结合城市化发展恢复增长后的不同阶段,采用单窗算法反演地面温度,对热岛强度进行分类统计,进而量化分析热岛效应的时空变化特征,为引导健康城市化发展提供决策依据。结果表明:在全天平均气温相近的情况下,徐州市主城区的地表温度逐年提升,伴随着城市的扩张,热岛效应在城市化进程中的各个阶段普遍存在,城市交通站场、工业集中区、商业集中区、工矿区及植被覆盖度较差的山体等范围易形成热岛中心,大面积的面状水体、绿化覆盖度较好的山体易形成城市冷岛,城市绿地系统的建设会有效缓解热岛效应。     

汽车八自由度模型动态仿真研究

汽车振动系统是一个非常复杂的系统. 为达到准确反映整车振动情况,基于一定假设,在Matlab软件中利用牛顿法建立某汽车八自由度振动模型. 分析整车动态时域响应特性,基于滤波白噪声和二阶Pade算法,建立四轮相关路面模型. 验证路面精确度,并将其作为激励输入整车振动模型,利用Newmark显式积分法进行求解,将各响应量时域信号转化为频域响应信号并与该振动系统的频域仿真对比. 结果证明该模型的可靠性好,求解速度快. 进一步研究车身质心位置、悬架刚度、轮胎刚度和悬架阻尼等因素对驾驶员与车身质心处舒适性的影响,并基于原车参数提出改善整车舒适性的建议.     

基于改进模拟退火粒子群算法的立体车库结构优化

立体车库可有效利用城市停车资源而得到快速发展,但结构重量较大,目前有关立体车库的优化方法多数采用简单的材料替换或常规优化算法,优化效果不明显且运算效率低。为此,在结合模拟退火算法和粒子群算法的基础上,加入动态惯性权重和变异算子,提出了一种改进的模拟退火粒子群算法。基于静力、风载、地震载荷工况,以立体车库轻量化为目标,采用改进的模拟退火粒子群算法对立体车库结构优化模型进行优化,结果显示,在保证刚度、强度性能的前提下,实现减重4.26%。与非改进算法相比,所提出的改进模拟退火粒子群算法得到了更佳的最优解,寻优能力加强。     

基于NRC和多模态残差神经网络的肺部肿瘤良恶性分类

针对深度卷积神经网络训练时的网络退化、特征表达能力不强等问题,提出一种基于非负表示分类和多模态残差神经网络的肺部肿瘤(residual neural network-non negative representation classification, resnet-NRC)良恶性分类方法。使用迁移学习将预训练残差神经网络模型初始化参数;分别用CT、PET和PET/CT 3个模态的数据集训练残差神经网络,提取全连接层的特征向量;采用非负表示分类器(non-negative representation classification, NRC)对特征向量进行非负表示,求解非负系数矩阵;利用残差相似度进行肺部肿瘤良恶性分类。通过AlexNet、GoogleNet、ResNet-18/50/101模型进行对比试验,试验结果表明,ResNet-NRC分类效果优于其它模型,且特异性和灵敏度等各项评价指标也较高,该方法具有较好的鲁棒性和泛化能力。     

初级永磁式直线电机的粒子群优化PID控制研究

初级永磁式直线电机(primary permanent magnet linear motor,PPMLM)具有成本低、结构简单、推力密度大等优点,但在运行中存在参数变化和负载扰动等问题,使传统PID控制无法达到系统实时控制、快速响应的高精度伺服控制要求。为了提高PPMLM调速系统动态响应能力,降低启动时的超调性能,对初级永磁式直线电机的工作原理进行分析,建立数学模型,并对传统PID控制采用粒子群优化(particle swarm optimization,PSO)算法进行优化。设计参数全局寻优的在线自整定PSO-PID控制器,使用MATLAB/Simulink建模仿真并进行试验验证。结果表明,基于PSO的PID控制器能够使电机快速平稳地启动,具有更小的超调性能和较强的抗干扰能力,可以实现电机的快速响应。