国家自然科学基金(61272209) 作品数:25 被引量:125 H指数:7 相关作者: 董立岩 李永丽 杜瑞杰 高瑞 王双成 更多>> 相关机构: 吉林大学 东北师范大学 上海立信会计学院 更多>> 发文基金: 国家自然科学基金 上海市自然科学基金 上海市教育委员会创新基金 更多>> 相关领域: 自动化与计算机技术 更多>>
基于抽样近邻的协同过滤算法 被引量:2 2014年 针对实时推荐过程中实际数据的稀疏性,满足条件的项目或用户较少,导致推荐精度较低的问题,提出一种采用抽样近邻的协同过滤算法.该算法充分利用评分用户矩阵提供的信息,增加了参与到预测评分计算过程中的用户或项目,从而解决了传统协同过滤算法在实际应用中的不足.实验结果表明,在增加在线计算时间较少的情况下所给算法可有效提高推荐精度. 董立岩 刘晋禹 蔡观洋 李永丽关键词:协同过滤 基于非负矩阵分解的Slope One算法 被引量:1 2019年 针对协同过滤推荐算法中Slope One算法在稀疏数据集中推荐精度低的问题,利用矩阵分解在解决矩阵稀疏性方面的优势,将非负矩阵分解技术引入到用户-项目评分矩阵的降维处理中,将原有的稀疏评分矩阵进行非负分解,改善了矩阵的稀疏性,优化Slope One算法.从实验数据可以看出,与原始的CF算法进行比较,NMF-Slope One算法有较好的推荐效果.在数据稀疏的条件下,确定参数进行实验.实验结果表明,该方法提高了SlopeOne算法在数据稀疏下的精度和推荐质量. 董立岩 金佳欢 方塬程 王越群 李永丽 孙铭会关键词:推荐系统 协同过滤 非负矩阵分解 基于权重调节和用户偏好的协同过滤算法 被引量:12 2020年 针对传统相似度计算方法只利用用户的评分信息这一显性反馈行为进行推荐,导致推荐效果不理想的问题,提出一种新的相似度计算方法,通过引入权重调节机制及用户行为偏好等隐性反馈信息,提升推荐的准确度.首先,根据负采样的反用户频率,降低流行物品全局软件工程的影响程度,并使用共同评分行为的最小权重,调节因共同评分数过少而导致的推荐准确度偏差.其次,提出项目偏好词定义,根据项目偏好词矩阵计算出在项目特征上具有共同偏好的用户.最后,在MovieLens数据集上进行实验对比分析,实验结果表明,改进后的相似度计算有较优的MAE值,且有更高的推荐准确性. 董立岩 修冠宇 马佳奇关键词:用户偏好 协同过滤 基于Markov blanket的无约束型K阶贝叶斯集成分类模型 被引量:2 2018年 为了提升K阶依赖贝叶斯分类(KDB)模型的条件依赖表达能力,本文以Markov blanket的特征提取思想为基本原则,降低特征属性间的条件独立性,根据贪婪搜索策略进行贝叶斯分类模型的结构学习。基于训练样本集构建宏观模型,基于测试样本构建微观模型,最终通过集成模型进行决策。针对UCI机器学习数据集进行交叉验证,实验结果分别从0-1损失、偏差和方差等角度证明了本文算法的合理性和有效性。 王利民 刘洋 孙铭会 李美慧关键词:计算机应用 贝叶斯网络 条件独立性 一种基于网格采样的手势识别算法 被引量:2 2013年 为克服传统手势识别算法的缺点,提高手势识别的准确率并充分考虑人机交互因素,提出了一种基于网格采样的手势识别算法。该算法通过对用户输入的点集合图形进行旋转、平移、放缩、采样以及模板对比等操作实现手势识别。实验结果表明,与传统识别算法相比该算法的准确率有明显提高,而时间消耗增加很小。该算法对基于触摸屏的手势交互技术有一定的参考价值和很强的实践意义。 董立岩 高洋 李永丽 任时鸣关键词:人工智能 人机交互 手势交互 手势识别 基于关键节点的影响力最大化算法 被引量:2 2019年 为解决LDAG(DAG Algorithm Based on Linear Threshold)算法在处理关于社会网络影响力最大化过程中,优先考虑网络影响力传播模型、忽视社会网络的拓扑结构问题,利用社交网络社区的结构,有针对性地选择影响力传播的关键节点,对LDAG算法进行了改进。利用关键节点简化了有向无环图的构造过程,保证了其高精度与运行效率高的特点,同时也优化了算法的时间复杂度和空间复杂度。通过两个有效的实验数据集对算法进行验证,结果表明改进的算法可以大幅度降低算法的运行时间,且对算法的精度影响很小。 王越群 于健 邹跃鹏 李永丽 董立岩关键词:社交网络 基于最大差距的置信度评估算法 2015年 通过分析传统基于概率度量的K邻近置信度评估方法,提出一种基于最大差距的置信度评估方法,并在UCI数据集上对两种方法进行对比实验.实验结果表明,基于最大差距的置信度评估方法在宏平均召回率、宏平均精度及所用时间上均优于K邻近置信度评估方法,从而可进一步优化半监督分类学习中数据样本的置信度评估. 董立岩 朱琪 隋鹏 孙鹏 李永丽关键词:置信度评估 半监督学习 基于高斯分解的多尺度3D Otsu阈值分割算法 被引量:2 2017年 针对阈值图像分割算法对噪音敏感的问题,提出了一种新的基于分解的Otsu阈值分割算法。整个分割算法为一个迭代过程,在每次迭代中,该图像首先用3D Otsu算法进行分割,然后利用高斯核函数对原图像进行滤波,得到一个平滑的图像,然后被输入到下一个迭代中。最后,合并每次迭代过程中产生的分割结果,获得最终的分割结果。该算法的优点在于分割结果稳定,且具有较强的抗噪性。本文在MR大脑图像上进行实验,结果表明,该算法优于其他同类阈值分割算法。 肖明尧 李雄飞关键词:计算机应用 图像分割 OTSU算法 基于最大平衡度的自适应随机抽样算法 被引量:1 2018年 针对分类算法在非平衡数据集的情况下分类性能不理想的问题,总结了常见的数据平衡化方法,包括改造数据集与改进算法,提出一种全新的基于最大平衡度的自适应随机抽样算法,进一步优化了随机森林算法的分类效果.将其应用在随机森林算法的数据预处理阶段,并通过实验证明了该随机抽样方法的有效性,在合理的整体精度范围内能够较好地处理非平衡数据.产生的新数据比较拟合初始数据,能够提高分类器处理非平衡数据的能力. 董立岩 王越群 李永丽 朱琪关键词:非平衡数据集 数据预处理 基于高斯Copula的约束贝叶斯网络分类器研究 被引量:10 2016年 具有连续属性的分类问题普遍存在,目前主要采用两种方法来处理连续属性:一种是将连续属性进行离散化;另一种是基于高斯函数或高斯核函数来估计属性密度.连续属性的离散化可能导致信息丢失、引入噪声和类对属性的变化不够敏感等问题,而高斯函数和高斯核函数在属性密度估计中各有优势与不足,但它们具有很强的互补性.该文依据Copula和贝叶斯网络理论,结合高斯Copula密度函数、引入平滑参数的高斯核函数和以分类准确性为标准的属性父结点贪婪选择,建立连续属性约束贝叶斯网络分类器,既可以避免连续属性离散化所带来的问题,又能够实现高斯函数和高斯核函数在属性密度估计方面的优势互补.分别采用真实数据和模拟数据进行实验,结果显示,使用结合边缘高斯核函数的高斯Copula估计属性密度的约束贝叶斯网络分类器具有良好的分类准确性. 王双成 高瑞 杜瑞杰关键词:贝叶斯网络分类器 高斯核函数