国家教育部博士点基金(20116101110016) 作品数:7 被引量:39 H指数:3 相关作者: 高岭 王海 高全力 杨建锋 任杰 更多>> 相关机构: 西北大学 更多>> 发文基金: 陕西省自然科学基金 国家教育部博士点基金 国家自然科学基金 更多>> 相关领域: 自动化与计算机技术 更多>>
融合影响因子的加权协同过滤算法 被引量:9 2014年 现有的协同过滤算法在计算用户间或项目间相似度时,由于数据集稀疏导致相似度差值过小,难以找出真正的相似用户与相似项目。为此,提出一种融合影响因子的加权协同过滤算法。利用基于用户间与项目间共同评分用户个数的影响因子,修正用户及项目相似度,并分别定义基于项目与用户的预测评分计算算法,将项目间与用户间的共同评分项作为加权系数,得出最终的预测评分算法,根据最终预测评分,采用TopN算法进行推荐。在真实数据集上的实验结果表明,该算法在不同邻居数上的平均绝对误差小于0.78,明显提高了推荐质量。 高全力 高岭 杨建锋 王海 任杰 张洋关键词:协同过滤 加权算法 预测评分 推荐系统 基于NS2的传输协议的能耗对比研究 被引量:3 2013年 如今嵌入式设备上的数据交互越来越频繁,其通讯子系统的能耗也随之增加。在有线或无线的通讯环境中,TCP协议运用最为广泛,但传统的TCP协议并不能满足用户的节能需求。从能耗角度对比了标准TCP协议、基于TCP协议改进的XCP协议、基于UDP协议改进的Reliable Blast UDP(RBUDP)和UDP-based Data Transpor(tUDT)协议,进一步分析各协议的拥塞控制策略对能耗的影响。利用ns-2平台进行仿真实验,分析仿真结果,得出在专享高速链路中,RBUDP能耗最低,在共享链路情况下XCP协议性能最优,能耗最低。 任杰 王海 高岭 陈东棋 高全力关键词:通讯协议 拥塞控制 能耗 仿真 一种基于协同过滤的表单推荐录入模型 被引量:3 2016年 在基于B/S架构的信息管理系统使用过程中,必须完成大量表单数据的填写及录入,但目前其主要方式为手工录入,存在录入效率低和结果不准确等问题。为此,通过研究搜索引擎的实时预测功能和推荐系统,提出一种基于逆最近邻协同过滤的表单推荐录入模型。介绍模型体系架构及执行流程,在此基础上设计改进的逆最近邻协同过滤算法,使用该算法获取基于用户行为的表单录入推荐结果,从而将个性化推荐应用于数据录入和表单填写领域。实验结果表明,该模型可有效提高数据录入效率和录入结果的准确率。 张洋 高岭 高全力 杨建锋关键词:协同过滤 上下文感知推荐系统中基于用户认知行为的偏好获取方法 被引量:22 2015年 针对现有的偏好获取方法,因未考虑不同用户在各类型上下文环境中的认知行为与用户偏好间的内在联系所导致用户偏好预测准确度不高的问题,受分布式认知理论与记忆信息加工模型启发,提出了一种基于用户认知行为的上下文感知偏好获取方法.在多维上下文环境下,将认知水平、认知有用性、认知风险、有效认知行为等认知领域概念引入偏好获取过程,并分别给出其概念定义及计算方法,通过建立多种认知因素交互影响的偏好获取模型,分别提取在单维与多维上下文环境下的用户偏好.在大规模真实数据集上的实验结果表明,与经典的协同过滤算法及上下文感知算法相比,显著地提高了偏好获取的准确度. 高全力 高岭 杨建锋 王海关键词:上下文感知 推荐系统 基于GINI指数分类的嵌入式CPU功耗预测方法 被引量:2 2015年 文中提出了一种基于嵌入式系统CPU功耗预测并对其进行低功耗优化的方法.引入GINI指数的构建训练分类器,利用PowerTop工具对系统CPU进行监测,并以此作为训练数据集,将该分类器封装到系统中,对嵌入式系统的CPU频率、电压及所处的状态进行预测.通过仿真实验表明,该方法在系统负载较小的情况下,对嵌入式CPU功耗的优化的效果更好. 王海 高岭 宋振孝 戴小平 卢怡杰关键词:移动互联网 一种基于用户行为的嵌入式功耗优化方法 2015年 随着以手机、平板电脑等为代表的嵌入式设备的飞速发展,嵌入式低功耗问题已经成为了一个研究热点。经常有用户在户外面临手机没电所带来的问题,目前主要给嵌入式设备供电的电池却受到其体积、重量等因素的制约,只能提供有限的电量。从用户行为识别出发,用机器学习的方法识别设备用户当前的行为状态,根据既定的策略来获取该行为状态下用户对设备的使用习惯,进而通过主动关闭设备不使用的部件或者提醒用户应用动态交互优化策略来降低设备功耗。 王海 高岭 陈东棋 任杰关键词:嵌入式系统 低功耗 基于决策欺骗自适应修正的情景感知推荐方法 2015年 受决策心理相关理论启发,提出了一种基于决策欺骗自适应修正的上下文情景感知偏好获取方法.首先基于同类中心点行为距离获取用户历史行为中的伪偏好行为,将上下文行为波动与偏好波动交叉验证,并结合模糊隶属函数以关联伪偏好行为与其所属决策欺骗类,最后分别融合相应的行为补偿策略来获取上下文环境下的用户偏好.在大规模真实数据集上的实验结果表明:与经典的协同过滤算法及上下文感知算法相比,推荐精度平均提高2.5%以上,推荐多样性平均提升近3%. 高全力 高岭 高妮 王海关键词:推荐系统 模糊决策