张雅云
- 作品数：2 被引量：2H指数：1
- 供职机构：福州大学数学与计算机科学学院更多>>
- 发文基金：福建省科技创新平台建设项目福建省自然科学基金福建省教育厅A类人文社科/科技研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 无线传感器网络中基于马尔科夫链的数据预测算法
- 2016年
- 无线传感器节点持续感知的数据具有高度的时间关联性,所产生的冗余数据会给传感器节点带来不必要的数据传输和能量消耗.数据预测算法通过预测节点的感知数据序列可以有效避免上述问题.提出一种基于马尔科夫链的数据预测算法(MC-DP),该算法首先对传感器节点感知的数据进行弱化处理来提高数据序列的光滑性,然后采用离散灰色预测模型对节点需要向sink传输的数据序列进行预测,当节点预测的数据精度不够时,进一步使用基于马尔科夫链的数据修正过程来对其进行改进.实验结果表明,MC-DP算法预测准确率更高,预测序列的数据误差率更低,使用该预测算法使得传感器节点可以节约更多能量.
- 吏济新张雅云黄福川程红举
- 关键词：无线传感器网络马尔科夫链数据预测
- 一种神经网络与用户偏好相结合的协同过滤推荐算法被引量：2
- 2016年
- 随着互联网服务和产品的大量增加,高效、可靠的推荐系统变得越来越重要。协同过滤是应用最广泛的推荐算法之一。传统的基于用户的协同过滤仅考虑共同评分的物品来计算用户的相似度,容易忽略用户之间的相关性。本文采用一种基于神经网络和用户偏好的协同过滤方法,首先通过聚类算法解决稀疏性问题,其次通过神经网络与用户偏好相结合来学习用户之间的相关性,最后利用训练后的多层神经网络来计算用户对物品的评分情况,来有效提高推荐效果。本文采用Each Movie数据来进行验证,并和现有的一些方法进行比较。实验结果表明,所推荐的协同过滤推荐算法在准确率、召回率、F1三个指标上均优于传统的方法,推荐效果比传统的方法好。
- 周高云张雅云陈冬隐程红举
- 关键词：神经网络用户偏好聚类协同过滤
