集成k-means聚类和有监督特征选择的混合式协同过滤推荐

为了提高协同过滤推荐质量,提出了集成k-means聚类和有监督特征选择的混合式协同过滤推荐框架和KDICF算法。利用有监督特征选择的方法和技术,找出与待预测项目强相关的项目集,将高维稀疏的用户-项目评分数据集转为低维用户-项目评分数据集,并运用k-means聚类,在此基础上寻找近邻用户对目标用户未评分项目进行评分预测。实验结果表明,混合式KDICF算法有着优异的性能。     

基于协同过滤的电子商务推荐系统建模研究

电子商务个性化推荐系统是客户关系管理的重要内容.在分析现有电子商务推荐系统不足的基础上,设计一种基于协同过滤的智能商务推荐系统.为客户快捷便利地寻找到所需的商品信息,推荐合理的商品,实现客户与商家的共赢.     

基于协同过滤算法的高校图书馆图书推荐系统研究

基于协同过滤算法是个性化推荐系统中最基本、最常用的一种,而传统的基于用户的协同过滤算法存在着用户冷启动和高推荐率等问题。笔者针对目前图书推荐协同过滤算法运用中存在的问题,并根据高校图书馆的实际情况,提出相应的改进措施。笔者利用学生网络日志和读者借阅记录对用户进行相似性分析,有效解决了用户“冷启动”的问题,提高了推荐准确率。笔者利用时间衰减法建立用户兴趣模型,以便更好地关注用户的短期借阅行为,提高推荐准确率。与传统用户协同过滤方法相比,笔者提出了一种改进的用户协同过滤方法。结果表明,改进后的用户协同过滤方法具有更好的性能。     

团购商品的个性化协同过滤推荐方法

本文提出结合云模型和改进均方差的协同过滤推荐方法,为团购网站的用户提供个性化推荐。该方法首先通过已有的用户日志数据,模拟用户对商品的评分,构建用户-商品评分矩阵。在此基础上,通过云模型和改进MSD方法模拟商品间的相似度,运用基于物品的协同过滤方法,预测出用户对商品的评分,并为目标用户生成个性化推荐列表。最后,通过实验证明该推荐方法的有效性。     

协同过滤在CRM交叉销售中的应用研究

利用CRM数据的特殊性,将协同过滤运用到交叉销售中,期望挖掘更高质量的销售机会,提高其成功率,降低企业销售成本,更大幅度提高企业效益以及客户忠诚度。实验结果表明取得了良好效果。     

并行DBSCAN聚类算法

本文针对DBSCAN算法在计算速度方面的瓶颈,提出了一种新的基于内存的并行DBSCAN算法：合理划分数据库,各个处理器并行聚类,之后合并聚类结果,可以达到很好的聚类结果效果和计算效率。通过对一台双核计算机的实验,发现实验速度可以提高50%左右。     

基于密度的最佳聚类数确定方法

确定数据集的正确聚类数目是聚类分析中的一个基础性难题。常用的聚类数确定方法通常依赖特定的聚类算法,且在数据集存在子簇群的情况下效果欠佳。本文提出一种新的最佳聚类数确定的指标,该指标着重于分析簇的几何结构,从数据对象分布密度的角度来度量类内紧密度与类间分离度。该指标对噪声不敏感并且可以识别数据集中的子簇群,在实际数据和合成数据上的实验结果表明,新指标的性能优于广泛使用的其他指标。     

一种基于粗糙集和灰聚类理论的IT项目评标决策模型

本文根据IT项目招标的特点，提出基于粗糙集和灰聚类理论的IT项目评标模型，利用粗糙集理论确定指标权重，结合专家对指标的评价，克服了当前评标方法中存在的主观性大等不足，能够较好反映投标商的整体实力，提高了决策效率和公正性。     

基于网络聚类算法的企业客户细分方法

本文首先介绍了客户细分在企业营运中的重要性,将聚类算法应用于企业客户细分。基于聚类可以找到数据集中未知的分类,本文介绍了一种可对客户多种描述特征进行综合聚类的客户细分方法。该算法不仅将网络概念加入到聚类中,还可以通过参数的控制,使客户的细分数量在可控范围之内。     

改进BT位置知晓性的基于聚类的新算法

根据网络环境的实际情况，提出基于聚类的改进BT位置知晓性的新算法，并且通过在校园网中进行实验测试，以验证该算法可以减少BT下载过程中的网络间流量。     

改进BT位置知晓性的基于聚类的新算法

根据网络环境的实际情况,提出基于聚类的改进BT位置知晓性的新算法,并且通过在校园网中进行实验测试,以验证该算法可以减少BT下载过程中的网络间流量.     

数据挖掘技术中聚类算法的研究

近年来,随着海量数据处理需求的增长,数据挖掘技术引起了研究者的广泛关注.本文针对在数据挖掘的首要问题数据聚类展开了研究.文章首先分析了聚类分析的基本定义,常用数据结构,相似性度量以及算法应具有的基本特征.然后分析了对应分析法和基于信息论的相关性度量法的基本理论,并介绍了常用的时间序列聚类算法.     

数据挖掘技术中聚类算法的研究

近年来,随着海量数据处理需求的增长,数据挖掘技术引起了研究者的广泛关注。本文针对在数据挖掘的首要问题数据聚类展开了研究。文章首先分析了聚类分析的基本定义,常用数据结构,相似性度量以及算法应具有的基本特征。然后分析了对应分析法和基于信息论的相关性度量法的基本理论,并介绍了常用的时间序列聚类算法。     

聚类系数无显著性差异下的灰色综合聚类方法研究

在灰色聚类评估分析中,当灰色聚类系数无显著性差异时,按照已有的灰色聚类方法无法对聚类对象进行准确的聚类,而在实际研究中经常会遇到聚类系数无显著性差异这类问题。因此本文提出了一种新的灰色综合聚类方法。具体步骤是:首先计算各聚类对象的聚类系数,并对其进行归一化处理;再根据对象中每一灰类的灰色聚类系数在聚类过程中的作用,计算聚类对象的综合聚类系数;最后根据综合聚类系数对聚类对象进行聚类,确定聚类对象应属的灰类。并且证明了当聚类对象的聚类系数差异大于1-2/S时,一般灰色聚类方法与灰色综合聚类方法所得聚类结果完全相同。最后,以江苏省第二产业内部主导产业选择为例进行了实证分析。     

基于相似日聚类和贝叶斯神经网络的光伏发电功率预测研究

光伏发电功率的预测是光伏发电规划和运行的基础,因而受到越来越多的重视。文中提出了FCM相似日聚类与智能算法相结合的光伏阵列功率短期预测模型。该方法的思路是首先通过分析影响光伏阵列输出功率的主要因素,对历史数据与预测日气象环境进行模糊分类,并筛选出相似度高的子集作为样本,以提高预测样本的质量;然后通过神经网络映射出特征空间与光伏功率之间的复杂关系,并用贝叶斯理论对神经网络参数进行优化,提高网络的泛化能力。为检验该方法的有效性和精确性,将所提出方法与常用BP神经网络模型对同一仿真算例进行预测,预测结果表明本文提出的预测模型效果更佳。     

电子商务协同过滤稀疏性研究:一个分类视角

协同过滤是目前电子商务推荐系统中广泛使用的、最成功的推荐算法,但面临用户评分数据稀疏性问题的挑战.在介绍用户偏好数据获取途径的基础上,将稀疏性改善技术归纳为六类,包括设定缺省值、结合基于内容的过滤、降维、图论方法、基于项目评分预测以及增加用户.系统交互,重点评述了各类算法的研究情况并时六类技术进行了比较,最后探讨了该领域的未来研究方向.     

基于Fisher聚类算法的航班飞行高度偏差分析研究

目前计算机飞行计划(Computerized Flight Plan,CFP)中的计划飞行高度与实际飞行高度之间存在偏差.为了能识别出航路中易发生显著偏差的子航段,便于对其进行重点监控,本文提出一种基于Fisher有序样本聚类算法的航班飞行高度偏差分析方法,采用修正的Fisher有序样本聚类算法对航路进行分段,在分段的基础上,对每个子航段上的高度偏差平均水平及波动情况进行统计分析,作为高度偏差的评价指标.分析结果可帮助识别航路上易发生显著实际与计划飞行高度偏差的子航段,为签派人员制作飞行计划以及在机组人员进行航前准备提供决策依据,具有较好的实践意义.     

电子商务推荐系统中群体用户推荐问题研究

尽管传统的电子商务推荐系统在个体用户推荐方面取得了巨大成功,但它并不适用于向群体用户进行推荐。随着虚拟社区中群体用户的不断增加,构建群体推荐系统,向群体用户提供个性化推荐,减少他们搜集信息所耗费的时间和精力显得越来越重要。基于此,本文提出了一种新颖的推荐方法—结合领域专家法的群体用户推荐算法。该算法以基于项目的协同过滤技术为基础,根据群体成员间的相互作用确定群体偏好,由群体偏好产生推荐,推荐过程中存在的成员未评分项采用领域专家法进行预测填充,此外本文算法还考虑了成员间相似关系对推荐质量的影响。实验结果表明了本文算法的有效性。     

基于宏观调控的我国房地产市场聚类研究

针对我国房地产市场地区发展的不平衡和"一刀切"的房地产宏观调控效果不佳的现状,在总结国内外房地产市场聚类研究现状的基础上,根据房地产经济学原理,从总量均衡和结构均衡2个方面构建了我国房地产市场宏观调控分类指标,并进行了聚类分析,把我国30个省市分为6个区域,为我国房地产市场分类宏观调控提供依据。