重庆市高等教育教学改革研究项目(yjg123040)
- 作品数：3 被引量：7H指数：2
- 相关作者：唐万梅赵瑛王颖更多>>
- 相关机构：重庆师范大学更多>>
- 发文基金：重庆市高等教育教学改革研究项目重庆市自然科学基金重庆市研究生教育教学改革研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种改进的基于用户属性聚类的推荐算法
- 2017年
- 实际应用中的协同过滤推荐算法往往面临着用户冷启动、数据稀疏等问题。针对以上问题,拟采用用户的属性信息进行聚类进行优化,实验通过MATLAB平台在Movie Lens数据集上验证所提出的算法的推荐准确性。
- 王颖唐万梅
- 关键词：冷启动数据稀疏
- 混合云下基于个性化推荐的移动学习平台研究被引量：2
- 2017年
- 移动学习作为一种新的学习方式,早已成为教育技术领域的研究热点。目前,大多数的移动学习平台虽拥有海量的教学资源,但学习者却很难从中找到适合的学习资源,导致用户体验差、学习效果不佳等问题,因此在移动学习平台中融入个性化的元素至关重要。设计基于个性化推荐的移动学习模型,同时以Moodle与微信支持下的"重师微学"移动学习平台为例,对平台的支撑环境、关键技术、架构及功能进行设计与开发,实现了混合云模式下的"重师微学"移动学习平台,最后分析该平台的特征及优缺点,以期为个性化移动学习平台的设计提供参考。
- 伍冬莉唐万梅赵瑛
- 关键词：混合云个性化MOODLE
- 基于k-means++的多分类器选择分类研究被引量：5
- 2018年
- 【目的】机器学习中不同算法适用于具有不同分布特征的数据集。在用整个训练集上训练得到的单个分类器预测新样本类别时,由于缺少对局部区域样本的针对性,可能导致分类器对某一区域数据的预测能力较差而产生错误分类。为了解决这个问题,提出基于k-means++的多分类器选择算法。【方法】首先用3种分类综合性能较好的算法——AdaBoost、SVM、随机森林(RF)在训练集上分别训练得到3个分类器作为候选基分类器,然后利用k-means++算法将训练数据集分为k个簇,用3个候选分类器分别对每个簇进行分类测试,选择对这一簇中数据分类精度最高的分类器作为与它的数据相似数据的分类器。在对新样本进行类别预测时,首先判定样本属于哪个簇,然后用它的分类器进行分类预测。【结果】实验结果表明,新算法在9个UCI数据集上优于单个分类算法。【结论】基于局部区域动态选择最优分类器可以提高模型分类准确性。
- 熊霖唐万梅
- 关键词：ADABOOSTSVM
