基于概率矩阵分解的社交网络推荐算法研究

推荐系统已经成为人们在网上寻找自己所需信息的常用工具之一。基于社交网络的推荐方法能够解决传统推荐算法存在的问题,例如新用户的冷启动问题。本文提出了一种基于矩阵分解的并且可以应用于社交网络的新模型。该模型将信任传播机制融入模型中,并使用Epinions.com数据集进行实验。试验结果表明,基于社交网络的新模型在推荐准确度方面相较于传统模型,针对评分较少的新用户所存在的冷启动问题有较好的解决。     

基于矩阵分解的图书推荐算法研究

为了提高基于矩阵分解的推荐算法精度,解决传统矩阵分解结果出现负数和运算量大的问题,提出了改进的基于矩阵分解的推荐算法,在推荐模型中引进Sigmoid函数,该函数能够控制分解结果的值域,提高推荐算法评分的可理解性,消除矩阵分解结果出现负数的情况;在推荐模型中利用系数控制推荐算法中不同部分权重,能够使得算法更加的灵活,利用交替梯度下降法实现计算结果的部分分离,为分布式计算奠定了基础,通过实验验证,提出的推荐算法提高了评分的准确度,并增强了推荐算法的可扩展性。     

基于多元正态概率模型的贝叶斯概率矩阵分解研究

传统的概率矩阵分解技术,忽视了信息消费者间的信任关系和关注关系,使其推荐性能和推荐质量不断下降,针对以上问题,提出基于多元正态概率模型的贝叶斯概率矩阵分解算法,以多元正态概率模型作为先验分布,实验中通过计算Gibbs sampling过程中迭代次数来达到数据的稀疏性。在联合概率未知和条件概率易得等情况下,引用Gibbs sampling技术进行计算,实验中引用MAE、RMSE两种方法进行误差评价。实验结果表明:在稀疏矩阵的检测中,改进的贝叶斯概率矩阵分解算法的预测精密度更加稳定,对缓解矩阵稀疏性问题更加有效。     

基于概率的图像认证算法改进

易损水印模式是图像的完整性认证的一种有效方法,而嵌入和提取信息的图像数字水印研究的热点。本文在Hsu提出的基于概率论的图像检测算法的基础上,提出一种新的折叠方法,以减少碰撞概率。。实验结果表明,该方案降低了嵌入式认证消息碰撞概率的冲突,提高了检测的准确度和精密度。     

基于RFID概率泛函的人体运动受力行为分解

对人体体育运动训练过程中的受力行为进行分解建模,可以定量分析人体受力特征,为实现多传感器信息融合的运动受力行为识别奠定基础。传统方法中采用熵聚类泛函的人体运动神经元受力行为分析方法,无法实现对复杂运动状态下的人体受力缺失数据的模拟和分析。提出一种基于RFID缺失数据概率泛函的人体运动受力行为分解,将加速度传感器与RFID结合,采用缺失数据概率泛函算法对感知的运动关节节点进行受力行为分解,提取了不同传感器节点输出信号关联特征,实现对人体运动特征行为分解算法和模型的改进。实验结果表明,该模型能准确采集到人体的上体和下肢的运动受力数据,受力行为分解准确具体,定量刻画人体在各种运动模型下的受力特性,从而指导运动训练,应用价值较高。     

基于矩阵方法优化Apnon算法

通过分析、研究该算法的基本思想,提出了算法的一些改进,并利用矩阵方法争数据库建立联系,更直观、更有效地提高关联规则的效率。     

基于矩阵方法优化Apriori算法

通过分析、研究该算法的基本思想,提出了算法的一些改进,并利用矩阵方法和数据库建立联系,更直观、更有效地提高关联规则的效率.     

基于概率潮流算法的电压安全评估

传统的电力系统中节点电压安全分析是建立在确定性潮流计算的基础上。但实际上,由于电力系统的运行存在各种随机因素,传统的确定性潮流计算方法,很难反映系统整体的状况。提出了用概率潮流的方法来对节点电压进行安全性分析。计算速度快,能够准确地给出反映出随机变化的负荷、节点注入功率的不确定性在内的节点电压概率密度函数(PDF)和累积分布函数(CDF)。可随时给出节点电压超过门槛电压的概率。最后在BPA14节点系统进行算例分析,验证了本方法的有效性。     

矩阵分解理论及应用

本文主要归纳和总结了代数学中的矩阵分解理论及理论应用。本文把矩阵分解分为等价分解、三角分解、谱分解、奇异值分解和Fitting分解等。在论文中对相关理论进行了证明,并给出了矩阵等价分解的一种新的证明方法。在应用方面,展示了等价分解、LU分解、谱分解、奇异值分解和Fitting分解在理论上的应用。     

基于QR分解求解行对称矩阵的Moore-Penrose逆

在行对称矩阵QR分解的基础上,给出了求其Moore—Penrose逆的公式与快速算法,并给出了证明。此算法既利用了QR分解保证足够的精度,又可大大降低求解一类具有该结构矩阵的Moore—Penrose逆的计算量和存储量。     

基于复杂配电网的概率潮流算法研究

通常的潮流计算为确定性潮流计算,但实际上,电力系统运行中负荷都在随时变化,由于事故或检修等原因,网络结构和参数也会发生变化。这种情况就要用概率潮流来计算某一电网的潮流分布。本文通过对确定性潮流和概率潮流基本算法的分析比较,确定了概率潮流的计算方法,并以前推回代法为例,编写了概率潮流计算程序。最后以某城网的二回线为实际算例,用所编程序计算了它的潮流分布,加以分析,结果满足稳定运行的条件。     

矩阵奇异值分解的应用

现在的社会是一个信息社会,每天都产生和传送各种各样的信息,尤其随着互联网技术的发展,需要处理的信息更是多到不可胜数。而图像是信息的主要载体,但图像本身占有巨大的空间,因此图像压缩越来越收重视。本文介绍一种有效的图像压缩的方法—奇异值分解。该方法最大的优点是在所有的同阶分解中误差最小的。     

基于概率潮流算法的电压安全评估

传统的电力系统中节点电压安全分析是建立在确定性潮流计算的基础上。但实际上,由于电力系统的运行存在各种随机因素,传统的确定性潮流计算方法,很难反映系统整体的状况。提出了用概率潮流的方法来对节点电压进行安全性分析。计算速度快,能够准确地给出反映出随机变化的负荷、节点注入功率的不确定性在内的节点电压概率密度函数（PDF）和累积分布函数（CDF）。可随时给出节点电压超过门槛电压的概率。最后在BPA14节点系统进行算例分析,验证了本方法的有效性。     

马尔可夫转移概率矩阵的推算公式

马尔可夫转移概率矩阵的获取是马尔可夫过程在市场预测中需要解决的关键问题之一。实际情况表明,直接调查得来转移概率矩阵很难。那么,能否根据以往统计得到的市场占有率向量推算其转移概率矩阵呢?答案是     

基于特征矩阵的高效数字识别算法

传统的数字识别算法存在识别速度、识别准确率和识别方法复杂度三者无法兼顾的问题,为解决该问题,提出了基于特征矩阵的高效数字识别算法。该算法首先在预处理的基础上获取字符的特征矩阵,然后用特征矩阵对字符的特征横线、竖线等特征进行提取,最后利用结构语句识别的方法实现数字识别。实验结果表明,基于特征矩阵的高效数字识别算法思路简单、速度快,且识别率达97％以上。     

矩阵的Cholesky分解的Matlab实现

本文介绍了矩阵的Cholesky分解算法,结合实例用Matlab编程实现了矩阵的Cholesky分解.     

基于特征类型概率剪枝查询的算法研究

针对不确定对象的最近邻反向查询没有考虑多种特征类型而不能满足复杂的应用场景的问题,提出了基于限界剪枝和概率剪枝的多类型概率最近邻反向(Multiple types probabilistic nearest neighbor reverse,MTPNNR)查询算法。限界剪枝利用最小耗费来修剪不可行解或者非最优解对象;概率剪枝是基于概率分布模型和不确定对象分解的策略,根据概率各个阀值和剪枝的深度来控制需要剪枝的精度。与原始基于定义的算法相比较,MTPNNR查询算法在CPU资源开销方面有比较大的优势,能够完成在较大数据复杂等环境下的查询。基于实验结果显示,MTPNNR算法在离散型的数据集和不确定数据集上有比较好的查询效率。     

非负矩阵分解的研究现状

非负矩阵分解(Non.negative Matrix Factorization,NMF)是一种较新的矩阵分解方法,在过去的十年里,NMF作为新兴的特征提取方法和维数约减方法已应用于人脸识别、数字水印、文本分析等领域。本文主要对NMF在国内外发展的现状进行了讨论和总结。     

几种特殊矩阵谱的分解

本文从空间分解的角度给出了Hermite矩阵的谱分解式,并进一步研究了投影矩阵和正交投影矩阵一些性质及其谱分解形式.     

一种新的基于矩阵秩序数优化的矩阵补全算法研究

设计出一种新的基于矩阵秩序数优化的截断式核范数正则化矩阵补全算法来还原低秩矩阵的缺失数据。所设计的算法为最小化min(m,n)-r类奇异值的之和,矩阵的长度用n表示、矩阵的宽度用m表示。基于秩值为r的矩阵,其最大的r类非零的奇异值均是不受约束的,由此能获得一类针对几何矩阵秩函数的最准确的类似值。从而提出运用乘子的交替方向算法完成求解过程的优化处理。仿真实验结果表明,新的基于矩阵秩序数优化的矩阵补全算法相比核范数、矩阵分解等传统算法能够更加有效的恢复缺失信息。