相似度
- 基于TF-IDF和word2Vec的中文文本自動(dòng)摘要模型
文本特征提取和相似度計(jì)算進(jìn)行了深入研究。本文將優(yōu)化的TF-IDF模型和Word2Vec模型結(jié)合起來(lái)，進(jìn)而提出一種兼顧短文本統(tǒng)計(jì)特征和語(yǔ)義特征的合并加權(quán)Word2Vec和TF-IDF的文本特征提取算法，將文本進(jìn)行向量化表示；隨后，在文本的相似度算法中，基于短文本的特征，選取了余弦相似度算法，對(duì)短文本間相似度值進(jìn)行了有效計(jì)算。實(shí)驗(yàn)結(jié)果表明，使用TF-IDF和Word2Vec結(jié)合模型與傳統(tǒng)單個(gè)模型相比，生成出的文摘準(zhǔn)確性更高，質(zhì)量更好。關(guān)鍵詞：? 文本特征；相似
中國(guó)新通信 2023年2期2023-06-24
- 數(shù)據(jù)稀疏背景下基于協(xié)同過(guò)濾的推薦算法綜述
濾；數(shù)據(jù)稀疏；相似度1引言隨著移動(dòng)互聯(lián)網(wǎng)的迅速發(fā)展，人們獲取大量信息十分便捷。與此同時(shí)，如何從海量信息中高效篩選出所需內(nèi)容變得十分困難。推薦系統(tǒng)能夠在用戶需求不明確或是信息量過(guò)大時(shí)，根據(jù)用戶的行為判斷其興趣，提供個(gè)性化的信息以滿足用戶需求。另外，為提高轉(zhuǎn)化率，推薦系統(tǒng)還能主動(dòng)將有效信息推送至目標(biāo)用戶。因此，推薦系統(tǒng)既是引導(dǎo)用戶獲取需要信息的助手，又是公司驅(qū)動(dòng)業(yè)務(wù)發(fā)展的重要?jiǎng)恿?。推薦系統(tǒng)最早被應(yīng)用于電子商務(wù)網(wǎng)站，通常是根據(jù)用戶的訂單和評(píng)價(jià)來(lái)推測(cè)偏好和需求，從
計(jì)算機(jī)應(yīng)用文摘 2023年9期2023-05-30
- 數(shù)據(jù)稀疏背景下基于協(xié)同過(guò)濾的推薦算法綜述
濾；數(shù)據(jù)稀疏；相似度1引言隨著移動(dòng)互聯(lián)網(wǎng)的迅速發(fā)展，人們獲取大量信息十分便捷。與此同時(shí)，如何從海量信息中高效篩選出所需內(nèi)容變得十分困難。推薦系統(tǒng)能夠在用戶需求不明確或是信息量過(guò)大時(shí)，根據(jù)用戶的行為判斷其興趣，提供個(gè)性化的信息以滿足用戶需求。另外，為提高轉(zhuǎn)化率，推薦系統(tǒng)還能主動(dòng)將有效信息推送至目標(biāo)用戶。因此，推薦系統(tǒng)既是引導(dǎo)用戶獲取需要信息的助手，又是公司驅(qū)動(dòng)業(yè)務(wù)發(fā)展的重要?jiǎng)恿ΑＭ扑]系統(tǒng)最早被應(yīng)用于電子商務(wù)網(wǎng)站，通常是根據(jù)用戶的訂單和評(píng)價(jià)來(lái)推測(cè)偏好和需求，從
計(jì)算機(jī)應(yīng)用文摘·觸控 2023年9期2023-05-10
- BERT的圖模型文本摘要生成方法研究
基于詞頻統(tǒng)計(jì)的相似度計(jì)算方法也忽略了句子的語(yǔ)義信息，文中選擇了向量形式的相似度的計(jì)算方法用于文本摘要生成。最后在TTNews數(shù)據(jù)集上做實(shí)驗(yàn)，效果有了明顯的提升。關(guān)鍵詞：中文文本摘要;BERT;TextRank;相似度中圖分類號(hào)：TP 391 ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2022）02-0091-06Abstract： The abstract formed by TextRank method based on graph mode
現(xiàn)代信息科技 2022年2期2022-06-15
- 基于遺傳搜索的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)化剪枝
射的相似性，以相似度為適應(yīng)度函數(shù)進(jìn)行通道的搜索。在實(shí)驗(yàn)中，選擇ResNet系列網(wǎng)絡(luò)在ImageNet數(shù)據(jù)集上的剪枝性能進(jìn)行評(píng)估，與現(xiàn)有的神經(jīng)網(wǎng)絡(luò)剪枝算法相比，該模型不僅具有更高的剪枝率，而且具有更好的精度。關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)剪枝;遺傳算法;特征映射;相似度;小波分解中圖分類號(hào)：TP391? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）11-0004-031 概述神經(jīng)網(wǎng)絡(luò)剪枝被廣泛用于降低深度卷積神經(jīng)網(wǎng)絡(luò)在資源有限設(shè)備中的計(jì)算成本。人們提出了
電腦知識(shí)與技術(shù) 2022年11期2022-05-31
- 基于模糊聚類和Slope One填充的推薦算法
，并通過(guò)改進(jìn)的相似度計(jì)算方法計(jì)算出用戶間的相似度得出最近鄰結(jié)果集。仿真對(duì)比實(shí)驗(yàn)表明，設(shè)計(jì)的算法對(duì)比傳統(tǒng)的推薦算法在精度上有著很大提升，同時(shí)能緩解數(shù)據(jù)稀疏性，提升推薦質(zhì)量。關(guān)鍵詞：協(xié)同過(guò)濾;模糊聚類;Slope One;相似度中圖分類號(hào)：TP391? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）10-0068-031 引言由于信息網(wǎng)絡(luò)的高速增長(zhǎng)，世界各地的數(shù)據(jù)量也正瘋狂增加，據(jù)有關(guān)組織報(bào)告稱，估計(jì)到2025年，世界各地的數(shù)據(jù)量將會(huì)達(dá)到驚人的
電腦知識(shí)與技術(shù) 2022年10期2022-05-30
- 利用循環(huán)翻譯提高維漢機(jī)器翻譯性能實(shí)踐探究
BERT及多種相似度計(jì)算方法融合等進(jìn)行深入對(duì)比分析，并提供詳細(xì)的統(tǒng)計(jì)分析。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)循環(huán)翻譯在很大程度上可以隱式地區(qū)分不同領(lǐng)域的數(shù)據(jù)。CCMT19維漢翻譯任務(wù)上，通過(guò)將不同篩選方法的融合，翻譯性能有1.95個(gè)bleu的提升。關(guān)鍵詞：反向翻譯;循環(huán)翻譯;篩選;相似度中圖分類號(hào)：TP183? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）22-0001-041 引言在擁有大規(guī)模數(shù)據(jù)的語(yǔ)言對(duì)上，神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯（NMT） [1-2]獲得了令人矚
電腦知識(shí)與技術(shù) 2022年22期2022-05-30
- 基于KL散度的ALS推薦算法
S算法計(jì)算物品相似度時(shí)只考慮了用戶之間的共同評(píng)分項(xiàng)，得到的相似性與真實(shí)值會(huì)有一定的誤差，而采用KL散度計(jì)算物品相似度時(shí)，對(duì)用戶評(píng)論的數(shù)量不做任何限制，不依賴于用戶共同評(píng)分項(xiàng)。KL-ALS算法首先將ALS算法計(jì)算物品相似度和KL散度計(jì)算的物品相似度按照一定權(quán)重混合，產(chǎn)生總體相似度，進(jìn)而采用ALS算法訓(xùn)練模型，能夠更加準(zhǔn)確地度量物品間的相似度，改善推薦效果。實(shí)驗(yàn)選取亞馬遜智能產(chǎn)品評(píng)論數(shù)據(jù)集，與傳統(tǒng)的基于ALS的協(xié)同過(guò)濾推薦算法和基于物品的協(xié)同過(guò)濾推薦算法（It
電腦知識(shí)與技術(shù) 2022年12期2022-05-29
- 面向閱讀推廣評(píng)論數(shù)據(jù)的書目個(gè)性化推薦方法探究*
用余弦定理進(jìn)行相似度計(jì)算，然后根據(jù)計(jì)算結(jié)果、融合讀者背景信息進(jìn)行個(gè)性化的書目推薦。實(shí)驗(yàn)結(jié)果表明，論文構(gòu)建的書目推薦方法能夠依據(jù)讀者參加的閱讀推廣活動(dòng)的內(nèi)容進(jìn)行相關(guān)書目的推薦，拓展了圖書館閱讀推廣服務(wù)有關(guān)研究的應(yīng)用范圍，為圖書館書目的采購(gòu)與推薦工作提供了有益的參考。關(guān)鍵詞 LDA 困惑度 相似度 推薦方法分類號(hào) G251.4DOI 10.16810/j.cnki.1672-514X.2021.10.006Research on Bibliographic P
新世紀(jì)圖書館 2021年10期2021-11-18
- 烏珠穆沁羊、杜泊羊和薩?？搜蛑舅嶂讣y圖譜的建立
藥色譜指紋圖譜相似度評(píng)價(jià)系統(tǒng)軟件進(jìn)行指紋圖譜相似度分析和主成分分析。結(jié)果表明：杜泊羊和薩?？搜虮匙铋L(zhǎng)肌脂肪酸指紋圖譜相似度為0.991，杜泊羊和烏珠穆沁羊背最長(zhǎng)肌脂肪酸指紋圖譜相似度為0.987，薩?？搜蚝蜑踔槟虑哐虮匙铋L(zhǎng)肌脂肪酸指紋圖譜相似度為0.994。3 種羊背最長(zhǎng)肌脂肪酸指紋圖譜中共存在12 個(gè)共有峰，以硬脂酸（C18：0）色譜峰為參比峰，對(duì)12 個(gè)共有峰的保留時(shí)間和相對(duì)峰面積進(jìn)行主成分分析，可準(zhǔn)確鑒別以上3 個(gè)品種羊。關(guān)鍵詞：脂肪酸;指紋圖譜;烏
肉類研究 2021年8期2021-09-17
- 模糊區(qū)間型綜合決策方法在水質(zhì)評(píng)價(jià)中的應(yīng)用
水質(zhì)標(biāo)準(zhǔn)區(qū)間的相似度判定，基于優(yōu)化主客觀綜合賦權(quán)法開展水質(zhì)指標(biāo)賦權(quán)，并采用模糊綜合評(píng)價(jià)法計(jì)算待測(cè)水體模糊綜合評(píng)價(jià)指數(shù)，確定水質(zhì)類別。將模糊區(qū)間型多屬性綜合評(píng)價(jià)模型應(yīng)用于大伙房水庫(kù)暴雨后水質(zhì)變化分析的實(shí)例表明：評(píng)價(jià)模型生成的模糊綜合評(píng)價(jià)指數(shù)可以區(qū)分出同類水質(zhì)的優(yōu)劣，改進(jìn)模型適用于特大暴雨等突發(fā)污染事故的水質(zhì)評(píng)價(jià)研究。關(guān)鍵詞：水質(zhì)評(píng)價(jià);模糊數(shù)學(xué);區(qū)間數(shù);多屬性決策;相似度;組合賦權(quán);模糊評(píng)價(jià)綜合指數(shù)中圖分類號(hào)：X824;TV697.1+9?文獻(xiàn)標(biāo)志碼：Adoi
人民黃河 2021年5期2021-07-08
- 航空機(jī)載企業(yè)基于零件工藝編碼的相似工藝智能推送研究
層次分析模型、相似度計(jì)算模型和優(yōu)劣解距離法計(jì)算模型，實(shí)現(xiàn)了零件工藝編碼、零件工藝庫(kù)以及相似工藝智能推理的管理，并高度集成至PLM/CAPP系統(tǒng)，實(shí)現(xiàn)了相似零件工藝的智能推送，大幅度提高了工藝設(shè)計(jì)的效率及質(zhì)量。關(guān)鍵詞：零件工藝編碼；工藝設(shè)計(jì)；相似度；特征；筒體1 引言在當(dāng)前“訂單周期越來(lái)越緊，品質(zhì)要求越來(lái)越高，需求變化越來(lái)越頻”的形勢(shì)下，工藝作為設(shè)計(jì)與制造的橋梁，工藝設(shè)計(jì)如何快速響應(yīng)，滿足要求，提高效益，是航空機(jī)載企業(yè)面臨的普遍難題。航空機(jī)載產(chǎn)品大多具有多品
智能制造 2021年2期2021-07-06
- 基于DTW算法的窟野河流域水文情勢(shì)相似度研究
響期的水文情勢(shì)相似度。結(jié)果表明：①水土保持措施和煤礦開采均大幅減小了窟野河的徑流量，其中煤礦開采的采空區(qū)儲(chǔ)存水量減水效應(yīng)大于水土保持措施涵養(yǎng)水源的作用;②人類活動(dòng)弱干擾時(shí)期（第一時(shí)期）、水土保持時(shí)期（第二時(shí)期）和煤礦開采時(shí)期（第三時(shí)期）兩兩之間的DTW距離分別為0.13（第一、二時(shí)期）、0.19（第一、三時(shí)期）和0.17（第二、三時(shí)期），說(shuō)明水土保持措施和煤礦開采對(duì)流域水文情勢(shì)的影響效果較為相似;③煤礦開采對(duì)非汛期流量、基流的影響歷時(shí)、最大流量出現(xiàn)時(shí)間、大
人民黃河 2021年4期2021-04-27
- 重合波檢測(cè)的匹配濾波法提取胎兒心電
匹配濾波法以及相似度的計(jì)算，獲得胎兒心電。實(shí)驗(yàn)結(jié)果顯示，對(duì)MIT Physio Net/Cin C2013數(shù)據(jù)庫(kù)中存在母親心電與胎兒心電重合波的母體腹部心電信號(hào)，提取的胎兒心電準(zhǔn)確率達(dá)到92%，與傳統(tǒng)匹配濾波法提取的胎兒心電相比，準(zhǔn)確率得到提高。關(guān)鍵詞：胎兒心電信號(hào);小波分析;匹配濾波;相似度DOI：10.15938/j.jhust.2021.05.012中圖分類號(hào)：TN911.7 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1007-2683（2021）05-0091-0
哈爾濱理工大學(xué)學(xué)報(bào) 2021年5期2021-01-16
- 基于相似度的高校圖書館員工適崗能力評(píng)價(jià)研究
評(píng)價(jià)體系，運(yùn)用相似度方法確定高校圖書館員工能力的優(yōu)劣排序，并通過(guò)實(shí)例進(jìn)行了驗(yàn)證，具有較強(qiáng)的操作性和可行性。【關(guān)鍵詞】圖書館員工;適崗能力;評(píng)價(jià)指標(biāo);相似度高素質(zhì)的圖書館員工有助于高校圖書館開展學(xué)科建設(shè)。當(dāng)前高校圖書館的主要職能是推進(jìn)科研活動(dòng)，為提供高校師生科研以及學(xué)習(xí)所需要的文獻(xiàn)資料、發(fā)布知識(shí)信息以及學(xué)習(xí)共享空間等。高校圖書館員工作為“圖書館構(gòu)成要素中最活潑、最積極、最起決定意義的要素”，對(duì)圖書館員工適崗能力考查。一方面，能夠提升高校圖書館人才隊(duì)伍的整體素
辦公室業(yè)務(wù)·上半月 2020年10期2020-11-17
- 蟻群優(yōu)化聚類算法在企業(yè)效率提升方面的應(yīng)用研究
法二維網(wǎng)格定義相似度參數(shù)，計(jì)算數(shù)據(jù)的撿拾概率和遺棄概率;根據(jù)算法的4個(gè)聚類階段，實(shí)現(xiàn)對(duì)企業(yè)資源的合理分配，從而提升企業(yè)效率。實(shí)驗(yàn)結(jié)果表明：與3種常規(guī)方法相比，所提算法具有極強(qiáng)的全局性分析能力，因而在企業(yè)效率提升方面的應(yīng)用效果更佳。由此可見(jiàn)，蟻群優(yōu)化聚類算法的應(yīng)用更能滿足企業(yè)的發(fā)展現(xiàn)狀。關(guān)鍵詞： 蟻群優(yōu)化聚類算法; 企業(yè)效率; 粗糙集; 相似度; 撿拾概率; 遺棄概率; 聚類與分配中圖分類號(hào)： TN911.1?34; TP391.4? ? ? ? ? ? ?
現(xiàn)代電子技術(shù) 2020年17期2020-09-21
- 基于UPLC指紋圖譜的厚樸藥材去粗皮質(zhì)量評(píng)價(jià)研究
峰面積，并進(jìn)行相似度分析。 結(jié)果 厚樸酚、和厚樸酚的總含量均為去粗皮厚樸>厚樸藥材>厚樸粗皮;去粗皮厚樸6個(gè)共有峰的峰面積均比厚樸藥材、厚樸粗皮的峰面積高。結(jié)論 厚樸去粗皮可提高厚樸飲片的質(zhì)量，為厚樸去粗皮提供實(shí)驗(yàn)參考依據(jù)。[關(guān)鍵詞] 厚樸藥材;去粗皮厚樸;厚樸粗皮;指紋圖譜;相似度[中圖分類號(hào)] R282 ? ? ? ? ?[文獻(xiàn)標(biāo)識(shí)碼] A ? ? ? ? ?[文章編號(hào)] 1673-7210（2020）07（a）-0027-04[Abstract] O
中國(guó)醫(yī)藥導(dǎo)報(bào) 2020年19期2020-08-27
- 心腦疏通膠囊指紋圖譜研究
藥色譜指紋圖譜相似度評(píng)價(jià)系統(tǒng)（版本 2004 A）”進(jìn)行相似度評(píng)價(jià)。結(jié)果：10批樣品相似度均在0.95以上，確認(rèn)共有峰20個(gè)，標(biāo)示3個(gè)已知化合物（丹參酮IIA、隱丹參酮、丹參酮I），方法學(xué)考察結(jié)果符合指紋圖譜技術(shù)要求。結(jié)論：該方法具有良好的精密度、重復(fù)性、穩(wěn)定性和專屬性，可為該制劑的質(zhì)量控制提供一定參考?！娟P(guān)鍵詞】 心腦疏通膠囊;丹參酮IIA;質(zhì)量控制;指紋圖譜;相似度【中圖分類號(hào)】R284.1? ?【文獻(xiàn)標(biāo)志碼】 A? ? 【文章編號(hào)】1007-8517
中國(guó)民族民間醫(yī)藥·上半月 2020年5期2020-08-10
- 光學(xué)符號(hào)識(shí)別
，建立歐幾里得相似度模型，ROC模型評(píng)判法對(duì)模型進(jìn)行檢驗(yàn)，同一坐標(biāo)對(duì)應(yīng)若干個(gè)字符，所以考慮坐標(biāo)所對(duì)應(yīng)的數(shù)字是坐標(biāo)域，分析不同位置統(tǒng)一字母的數(shù)據(jù)存在可能性差異，同一字符在同一位置區(qū)域的數(shù)據(jù)具有較高的相似性，篩選同一區(qū)域的若干字符，再通過(guò)其余特征屬性建立模型可以識(shí)別相關(guān)字符。接著觀察待測(cè)字符的數(shù)字信息中的位置信息，找到與待測(cè)字符相同的位置區(qū)域，建立歐幾里得相似度模型，將篩選出的屬性與待測(cè)字符的相應(yīng)屬性的數(shù)據(jù)通過(guò)歐幾里得相似度計(jì)算公式進(jìn)行計(jì)算，得到多組歐幾里得距
科學(xué)與財(cái)富 2020年14期2020-07-04
- 基于人機(jī)交互和特征提取的英漢翻譯系統(tǒng)研究
語(yǔ)義向量之間的相似度，選擇余弦相似度函數(shù)計(jì)算翻譯相似度。將翻譯相似度引入英漢翻譯系統(tǒng)模型，通過(guò)比較兩個(gè)語(yǔ)義向量之間的翻譯相似度實(shí)現(xiàn)英漢之間的翻譯。與SOA、SCA和SLA對(duì)比可知，基于人機(jī)交互和特征提取的英漢翻譯具有更高的準(zhǔn)確率、精確率和召回率，為英語(yǔ)翻譯提供新的方法和途徑。關(guān)鍵詞：?人機(jī)交互; 特征提取; 翻譯系統(tǒng); 相似度; 語(yǔ)義向量中圖分類號(hào)： TM 933.4? ? ? 文獻(xiàn)標(biāo)志碼： AStudy on English-Chinese Transl
微型電腦應(yīng)用 2020年4期2020-06-30
- 基于協(xié)同過(guò)濾算法的旅游推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
為景點(diǎn)屬性進(jìn)行相似度計(jì)算并根據(jù)計(jì)算結(jié)果對(duì)旅游景點(diǎn)進(jìn)行相似分類，結(jié)合協(xié)同過(guò)濾算法計(jì)算用戶相似性并產(chǎn)生專屬景點(diǎn)推薦列表，為用戶提供個(gè)性化旅游推薦。本系統(tǒng)對(duì)河北省11個(gè)城市的旅游景點(diǎn)進(jìn)行推薦。關(guān)鍵詞：旅游推薦;景點(diǎn)屬性;協(xié)同過(guò)濾;相似度中圖分類號(hào)：TP311? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）35-0064-03開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：Design and Implementation of Travel Recom
電腦知識(shí)與技術(shù) 2020年35期2020-06-07
- 藏文自動(dòng)組卷系統(tǒng)中試題消重方法研究
試題的互異性或相似度是由多個(gè)參數(shù)共同決定的。根據(jù)藏文試題的結(jié)構(gòu)特點(diǎn)，提出了一種試題相似度的計(jì)算方法，力求提升自動(dòng)組卷系統(tǒng)的組卷性能。關(guān)鍵詞： 自動(dòng)組卷; 藏文試題; 相似度; 組卷性能Abstract： In the automatic test paper system， the test paper's mutuality is an important index to evaluate the performance of the system，
計(jì)算機(jī)時(shí)代 2020年5期2020-06-04
- 基于混合式學(xué)習(xí)的同伴推薦算法設(shè)計(jì)與實(shí)現(xiàn)
法。利用學(xué)習(xí)者相似度個(gè)性化推薦互補(bǔ)、相似型的學(xué)習(xí)同伴，以提高學(xué)習(xí)效率。實(shí)驗(yàn)基于真實(shí)、有效的學(xué)習(xí)者特征數(shù)據(jù)集，選取機(jī)器學(xué)習(xí)中常用的評(píng)價(jià)指標(biāo)，驗(yàn)證了該推薦算法的有效性和準(zhǔn)確性。關(guān)鍵詞： 同伴推薦; 混合式學(xué)習(xí); 相似度; 混淆矩陣中圖分類號(hào)：TP319? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2020）04-38-03Design and realization of peer recommendation algorithm
計(jì)算機(jī)時(shí)代 2020年4期2020-06-03
- 用于求解TSP問(wèn)題的遺傳算法改進(jìn)
及變異率;引入相似度概念，避免出現(xiàn)近親交配現(xiàn)象，影響種族進(jìn)化;尋找并記憶優(yōu)良基因簇，加快收斂過(guò)程。實(shí)驗(yàn)結(jié)果證明，改進(jìn)遺傳算法的優(yōu)化性能提升了17.04%。關(guān)鍵詞：TSP問(wèn)題;遺傳算法;動(dòng)態(tài)適應(yīng)度函數(shù);優(yōu)良個(gè)體多復(fù)制;相似度;優(yōu)良基因簇DOI：10. 11907/rjdk. 192387中圖分類號(hào)：TP301 ? 文獻(xiàn)標(biāo)識(shí)碼：A ??????????????? 文章編號(hào)：1672-7800（2020）003-0116-04Improvement of Gen
軟件導(dǎo)刊 2020年3期2020-05-28
- 基于模糊聚類的電力用電負(fù)荷用戶識(shí)別分析
：模糊聚類; 相似度; 負(fù)荷特性; 日負(fù)荷曲線中圖分類號(hào)： TM714文獻(xiàn)標(biāo)志碼： AAbstract：In order to improve the fine management of power load users， a method of identifying and analyzing power load users based on fuzzy clustering is proposed. This paper analyzes the
微型電腦應(yīng)用 2020年3期2020-04-22
- 基于TextRank的多維度智庫(kù)相互影響力評(píng)估
文章之間內(nèi)容的相似度，引入時(shí)間衰減因子描述時(shí)間對(duì)影響力的削弱;在評(píng)估外影響力方面，該模型計(jì)算主題流行度來(lái)衡量智庫(kù)文章對(duì)外部環(huán)境的影響。實(shí)驗(yàn)表明：本文提出的模型，立足于文章內(nèi)容本身，多維度評(píng)估文章的內(nèi)外影響力，能夠有效評(píng)估智庫(kù)文章的影響力，具有一定的實(shí)用性和指導(dǎo)意義。關(guān)鍵詞：智庫(kù);影響力;相似度;主題流行度;時(shí)間衰減0 引言智庫(kù)（Think Tank）概念來(lái)源于美國(guó)，目前智庫(kù)的概念不再局限于軍事和國(guó)際關(guān)系的研究機(jī)構(gòu)，而是延伸到從事政治、經(jīng)濟(jì)、社會(huì)等公共問(wèn)題的
荊楚理工學(xué)院學(xué)報(bào) 2020年6期2020-04-06
- 四川洪壩鄉(xiāng)紅景天HPLC指紋圖譜研究
藥材指紋圖譜的相似度在0.863～0.984。 結(jié)論 所建立的紅景天HPLC指紋圖譜可為紅景天質(zhì)量標(biāo)準(zhǔn)的建立提供依據(jù)。[關(guān)鍵詞] 紅景天;高效液相色譜指紋圖譜;紅景天苷;相似度;質(zhì)量標(biāo)準(zhǔn)[中圖分類號(hào)] R927.2? ? ? ? ? [文獻(xiàn)標(biāo)識(shí)碼] A? ? ? ? ? [文章編號(hào)] 1673-7210（2020）02（a）-0023-05[Abstract] Objective To establish high performance liquid c
中國(guó)醫(yī)藥導(dǎo)報(bào) 2020年4期2020-04-03
- 基于聚類的反恐情報(bào)異常數(shù)據(jù)分析方法研究
設(shè)計(jì)一種專門的相似度綜合度量參數(shù)用于計(jì)算與恐怖分子最相似的人員。[結(jié)果/結(jié)論]該方法為檢測(cè)異常人員數(shù)據(jù)提供了一種可以參考的思路，用于從多種來(lái)源數(shù)據(jù)中快速找出涉恐敏感程度較高的人員，有望提高反恐情報(bào)分析的效率，實(shí)現(xiàn)精準(zhǔn)打擊重點(diǎn)涉恐人員和恐怖活動(dòng)。關(guān)鍵詞：數(shù)據(jù)挖掘;異常檢測(cè);聚類分析;相似度;反恐情報(bào)Abstract：[Purpose/Significance]Outlier detection from mass fundamental data could
現(xiàn)代情報(bào) 2019年10期2019-11-07
- 多特征相似度計(jì)算在考試評(píng)閱系統(tǒng)中的應(yīng)用探索
動(dòng)評(píng)閱中，文本相似度計(jì)算是一個(gè)較為復(fù)雜的系統(tǒng)，包括詞語(yǔ)、句子相似度計(jì)算等。其中，詞語(yǔ)是構(gòu)成語(yǔ)言體系的基本單位，計(jì)算其相似度往往是計(jì)算句子相似度的基礎(chǔ)，而句子相似度計(jì)算則是文本相似度計(jì)算的前提。只有通過(guò)詞語(yǔ)、句子等多特征的相似度計(jì)算，才能得出文本的相似度。關(guān)鍵詞：多特征;文本;相似度;計(jì)算中圖分類號(hào)：TP391.6? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2019）24-0080-02開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：1 背景隨著信息技術(shù)的
電腦知識(shí)與技術(shù) 2019年24期2019-11-03
- 基于人臉識(shí)別的考勤系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
的訓(xùn)練圖像進(jìn)行相似度對(duì)比，得出考勤結(jié)果。實(shí)驗(yàn)結(jié)果表明，利用該方法開發(fā)的實(shí)時(shí)人臉識(shí)別考勤系統(tǒng)具有識(shí)別率高、可靠性強(qiáng)等特點(diǎn)。關(guān)鍵詞：人臉識(shí)別;考勤系統(tǒng);訓(xùn)練模板;相似度人臉識(shí)別實(shí)時(shí)考勤系統(tǒng)，是將人臉識(shí)別技術(shù)與實(shí)時(shí)監(jiān)控密切結(jié)合起來(lái)，打造全新的動(dòng)態(tài)人臉智能考勤系統(tǒng)。系統(tǒng)利用人臉識(shí)別技術(shù)，將攝像頭實(shí)時(shí)抓取到的人臉圖像和員工模板照片進(jìn)行實(shí)時(shí)比對(duì)，達(dá)到考勤驗(yàn)證的目的。一般來(lái)說(shuō)，使用人臉識(shí)別的考勤系統(tǒng)的步驟可分為人臉數(shù)據(jù)信息的采集、人臉身份的識(shí)別以及人臉數(shù)據(jù)的記錄3方面[
無(wú)線互聯(lián)科技 2019年13期2019-10-17
- 中藥龜甲HPLC指紋圖譜研究
“中藥指紋圖譜相似度評(píng)價(jià)系統(tǒng)”（《中華人民共和國(guó)藥典》2012版）對(duì)正品龜甲上甲與下甲、正品與常見(jiàn)混偽品進(jìn)行相似度分析。結(jié)果：所建立的指紋圖譜具有較好的精密度、重現(xiàn)性和穩(wěn)定性。正品龜甲的上下甲相似度為0.932～0.995。正品與混偽品的相似度在0.90以下者占90.91%。結(jié)論：正品上、下甲的HPLC圖譜差異較小，正品與混偽品差異較明顯。所建立的HPLC指紋圖譜可用于龜甲的質(zhì)量評(píng)價(jià)。關(guān)鍵詞? 龜甲;混偽品;HPLC指紋圖譜;相似度;評(píng)價(jià) HPLC Fin
世界中醫(yī)藥 2019年2期2019-09-10
- 合歡皮標(biāo)準(zhǔn)湯劑的HPLC指紋圖譜研究
指紋圖譜測(cè)定及相似度評(píng)價(jià)。采用HPLC方法，色譜柱為WatersSymmetryshieldRPC18柱（4.6mm×250mm，5μm），以乙腈-0.04%磷酸溶液為流動(dòng)相進(jìn)行梯度洗脫，檢測(cè)波長(zhǎng)為210nm，流速為1mL/min，柱溫為25℃，對(duì)照指紋圖譜對(duì)合歡皮標(biāo)準(zhǔn)湯劑進(jìn)行相似度評(píng)價(jià)及聚類分析。結(jié)果表明，15批合歡皮標(biāo)準(zhǔn)湯劑指紋圖譜中呈現(xiàn)10個(gè)共有峰，相似度為0.967～0.998，表明合歡皮標(biāo)準(zhǔn)湯劑具有良好的一致性;此外，在10個(gè)共有峰中指認(rèn)出（-）
河北工業(yè)科技 2019年2期2019-09-10
- 加熱不燃燒煙草制品與傳統(tǒng)卷煙化學(xué)指紋分析
學(xué)指紋數(shù)據(jù)進(jìn)行相似度計(jì)算、主成分分析、化學(xué)結(jié)構(gòu)鑒定和化合物含量比較，結(jié)果發(fā)現(xiàn)，HNB與TC化學(xué)指紋的相似度較低（0.32～0.45），在所建立的兩種主成分分析模型中，傳統(tǒng)卷煙TC-A和TC-B的距離很接近，而HNB-C則都與其他測(cè)試樣品距離較遠(yuǎn)。在所獲取的化學(xué)指紋中共鑒定出101個(gè)化合物，其中HNB相對(duì)TC含量較高的化合物主要為揮發(fā)性較好的醇類物質(zhì)和小分子有機(jī)酸，而TC含量較高的化合物主要為揮發(fā)性弱的糖類物質(zhì)。HNB的化學(xué)組成特點(diǎn)主要是為了滿足其在較低溫度
中國(guó)煙草科學(xué) 2019年4期2019-09-10
- 瓜蔞配方顆粒指紋圖譜研究
指紋圖譜測(cè)定及相似度評(píng)價(jià)。采用HPLC方法，色譜柱為GL Sciences公司InertSustain AQ-C18柱（4.6 nm×250 nm，5 μm），以甲醇-0.1%甲酸水溶液為流動(dòng)相，梯度洗脫，檢測(cè)波長(zhǎng)為260 nm，流速為0.8 mL/min，柱溫為25 ℃，對(duì)瓜蔞配方顆粒指紋圖譜測(cè)定結(jié)果進(jìn)行了相似度評(píng)價(jià)。結(jié)果表明，10批瓜蔞配方顆粒指紋圖譜中呈現(xiàn)16個(gè)共有峰，相似度均大于0.960，表明瓜蔞配方顆粒具有良好的一致性;此外，在16個(gè)共有峰中指
河北工業(yè)科技 2019年4期2019-09-10
- 蒙藥山川柳的HPLC指紋圖譜建立、相似度評(píng)價(jià)和聚類分析
紋圖譜，并進(jìn)行相似度評(píng)價(jià)和聚類分析。方法：采用HPLC法，色譜柱為Agilent ODS C18，流速為1.0 mL/min，流動(dòng)相為甲醇-水（梯度洗脫），檢測(cè)波長(zhǎng)為335 nm，柱溫為30 ℃，進(jìn)樣量為10 μL。以槲皮素峰為參照，生成10批藥材樣品的HPLC指紋圖譜；采用《中藥色譜指紋圖譜相似度評(píng)價(jià)系統(tǒng)》（2004 A版）進(jìn)行相似度評(píng)價(jià)，確定共有峰；采用SPSS 17.0 軟件對(duì)10批藥材樣品進(jìn)行聚類分析。結(jié)果：10批藥材樣品的HPLC指紋圖譜有13
中國(guó)藥房 2019年8期2019-09-10
- 高考數(shù)學(xué)文理試卷相似度分析
理科數(shù)學(xué)試卷從相似度和綜合難度兩方面進(jìn)行比較分析，發(fā)現(xiàn)2017年到2019年全國(guó)Ⅲ卷文理科數(shù)學(xué)試卷的相似度逐漸增加，綜合難度逐漸下降。2019年高考數(shù)學(xué)還出現(xiàn)以下幾方面的變動(dòng)：穩(wěn)中革新，調(diào)整文理卷同題比例;強(qiáng)調(diào)數(shù)學(xué)運(yùn)用，注重?cái)?shù)學(xué)思維;強(qiáng)調(diào)基礎(chǔ)知識(shí)考查;加強(qiáng)對(duì)中華民族傳統(tǒng)文化的考查;加強(qiáng)對(duì)數(shù)學(xué)核心素養(yǎng)的考查?！娟P(guān)鍵詞】高考數(shù)學(xué);相似度;綜合難度【中圖分類號(hào)】G633.6? 【文獻(xiàn)標(biāo)識(shí)碼】A? 【文章編號(hào)】1671-8437（2019）34-0206-031?
理科愛(ài)好者(教育教學(xué)版) 2019年6期2019-09-10
- 基于TF-IDF算法的方劑構(gòu)成相似度可視化研究
性及方劑之間的相似度，為方劑研究及應(yīng)用提供參考。方法? 應(yīng)用爬蟲框架和手工錄入方式獲取一定數(shù)量的經(jīng)典方劑，采用中文分詞工具和手工整理方式對(duì)方劑信息進(jìn)行名稱、功能、來(lái)源、中藥組成、劑量、劑量單位、炮制方法、忌宜、主治等屬性拆分，構(gòu)造語(yǔ)料詞庫(kù)，Python3.5環(huán)境下采用TF-IDF算法計(jì)算方劑間相似度并進(jìn)行功能主治驗(yàn)證，采用d3.js進(jìn)行可視化展示。結(jié)果? 經(jīng)過(guò)分詞和手工整理得到不同類型方劑7710首，包含藥物8957味，構(gòu)建的中藥方劑數(shù)據(jù)挖掘系統(tǒng)實(shí)現(xiàn)了相似
中國(guó)中醫(yī)藥信息雜志 2019年7期2019-09-02
- 基于加權(quán)相似度顯隱式反饋的協(xié)同過(guò)濾算法
到不同用戶之間相似度的差異以及用戶對(duì)項(xiàng)目的評(píng)分時(shí)間等因素的影響，提出了一種基于加權(quán)相似度顯隱式反饋的協(xié)同過(guò)濾算法：先獲取用戶的顯式和隱式反饋評(píng)分信息以及用戶-項(xiàng)目的評(píng)分時(shí)間信息。再對(duì)評(píng)分信息進(jìn)行基于時(shí)間的加權(quán)處理，并對(duì)傳統(tǒng)的相似度計(jì)算方法進(jìn)行修改，引入相關(guān)度因子。最終根據(jù)預(yù)測(cè)公式獲得用戶的推薦結(jié)果。實(shí)驗(yàn)仿真表明算法在平均絕對(duì)誤差和精確率兩個(gè)指標(biāo)上有了一定的提高，并在一定程度上提高了推薦算法的準(zhǔn)確性。Abstract： Aiming at the tradi
價(jià)值工程 2019年13期2019-07-17
- 基于用戶行為的協(xié)同過(guò)濾算法研究
用關(guān)鍵字權(quán)重和相似度算法分析用戶行為，最后通過(guò)協(xié)同過(guò)濾算法綜合推薦給用戶。根據(jù)MovieLens數(shù)據(jù)集對(duì)該算法進(jìn)行實(shí)驗(yàn)，得出此算法具有較高的準(zhǔn)確度，能夠?qū)崿F(xiàn)對(duì)用戶個(gè)性化推薦。關(guān)鍵詞：廣告推送;相似度;協(xié)同過(guò)濾;基于用戶中圖分類號(hào)：TP391 ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2019）13-0017-02目前，我國(guó)互聯(lián)網(wǎng)廣告規(guī)模已有千億級(jí)，人們正面臨著“信息過(guò)載”（information overload）的問(wèn)題。為此我們需要建立一
電腦知識(shí)與技術(shù) 2019年13期2019-07-08
- 針對(duì)可收集能量傳感器網(wǎng)絡(luò)的能量預(yù)測(cè)方法
出一種基于天氣相似度的太陽(yáng)能收集功率預(yù)測(cè)方法D-WSMA。根據(jù)參考天和參考時(shí)刻對(duì)預(yù)測(cè)值的影響程度不同，采取相似度刻畫數(shù)據(jù)間關(guān)系，動(dòng)態(tài)調(diào)整參考天和參考時(shí)刻的權(quán)重以及歷史參考時(shí)刻的加權(quán)平均值，從而得到可變化的DGAP因子。同時(shí)，根據(jù)數(shù)據(jù)波動(dòng)性特征，改進(jìn)原有算法中的固定權(quán)重α，得到動(dòng)態(tài)變化權(quán)重因子[dα]。實(shí)驗(yàn)結(jié)果表明，D-WSMA預(yù)測(cè)精度相對(duì)WCMA算法提高了14.04%、28.30%、4.76%、12.58%，平均提高了15%。因此，D-WSMA預(yù)測(cè)方案具有
軟件導(dǎo)刊 2019年5期2019-05-24
- 基于細(xì)化度與相似度的課程知識(shí)圖譜構(gòu)建研究
對(duì)目前基于概念相似度聚類的課程概念本體關(guān)系構(gòu)建技術(shù)中層次關(guān)系劃分精確度不足的問(wèn)題，提出基于課程概念相似度與細(xì)化度的課程概念本體構(gòu)建方法。在計(jì)算課程概念相似度的基礎(chǔ)上，引入課程概念細(xì)化度指標(biāo)，進(jìn)一步提升了課程概念本體層次關(guān)系構(gòu)建的準(zhǔn)確性，提高了課程知識(shí)圖譜的數(shù)據(jù)質(zhì)量。最后通過(guò)課程知識(shí)導(dǎo)航服務(wù)平臺(tái)，驗(yàn)證了該方法的有效性。關(guān)鍵詞：課程知識(shí)圖譜；細(xì)化度；相似度DOI：10. 11907/rjdk. 191633中圖分類號(hào)：TP301 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：16
軟件導(dǎo)刊 2019年5期2019-05-24
- 基于BP神經(jīng)網(wǎng)絡(luò)的參數(shù)遷移學(xué)習(xí)算法研究
與目標(biāo)域之間的相似度學(xué)習(xí)，把源領(lǐng)域中有用的參數(shù)信息遷移到目標(biāo)域中，提高目標(biāo)域中測(cè)試集的分類準(zhǔn)確率。通過(guò)對(duì)UCI數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，證明了在小數(shù)據(jù)樣本下該算法比傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法有更好的效果。關(guān)鍵詞 ：BP神經(jīng)網(wǎng)絡(luò)；參數(shù)遷移學(xué)習(xí)；相似度；小數(shù)據(jù)樣本；大數(shù)據(jù)中圖分類號(hào)：TP181 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2019）04-0189-03Abstract：In the era of big data， there are many data se
電腦知識(shí)與技術(shù) 2019年4期2019-05-24
- 一種基于用戶動(dòng)態(tài)社交網(wǎng)絡(luò)的協(xié)同過(guò)濾推薦方法
動(dòng)態(tài)社交網(wǎng)絡(luò)；相似度；興趣模式中圖分類號(hào)：TP39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2019）04-0250-03Abstract： The development of e-commerce recommendation systems is closely related to the research on data sparsity， cold start， scalability and privacy protection. Al
電腦知識(shí)與技術(shù) 2019年4期2019-05-24
- 局部敏感哈希算法的內(nèi)容相似度比較
等需要比較內(nèi)容相似度的場(chǎng)景上。該文著重研究LSH在文本比較上的實(shí)現(xiàn)（Simhash算法）。首先，對(duì)給定的文本做分詞降噪和加權(quán)處理得到帶權(quán)重的具有給定文本特征的詞語(yǔ)，其次，使用哈希算法為每個(gè)詞語(yǔ)生成對(duì)應(yīng)的哈希值并根據(jù)各自的權(quán)重形成加權(quán)數(shù)字串，然后合并所有詞語(yǔ)并降維，最后，通過(guò)使用海明距離（Hamming Distance）計(jì)算生成的兩個(gè)Simhash的相似度。關(guān)鍵詞：局部敏感；哈希；LSH；Simhash；相似度；查重中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A文
電腦知識(shí)與技術(shù) 2019年10期2019-05-22
- 一種基于特征的文本零水印算法研究
基于文本特征的相似度計(jì)算方法，用以確定閾值和檢測(cè)水印。實(shí)驗(yàn)結(jié)果表明，該算法與同類算法相比具有更強(qiáng)的魯棒性，并且處理文件不受文本格式及多媒體內(nèi)容的限制，具有很好的實(shí)驗(yàn)效果。關(guān)鍵詞：文本;零水印;相似度DOI：10.16640/j.cnki.37-1222/t.2019.05.1530 引言目前對(duì)文本數(shù)字水印的研究領(lǐng)域主要集中在文本圖像和具有格式的文檔水印算法的研究，采用方法大多是改變語(yǔ)義[1-2]或調(diào)整格式[3-4]來(lái)嵌入水印信息。這些方法有各自的特點(diǎn)，但在
山東工業(yè)技術(shù) 2019年5期2019-03-13
- 相似問(wèn)句判別研究
3%。關(guān)鍵詞：相似度：?jiǎn)柧?機(jī)器學(xué)習(xí)0引言搜索引擎正確理解用戶輸入的查詢是十分必要的。在實(shí)際應(yīng)用中對(duì)于同一個(gè)問(wèn)題，不同用戶的提問(wèn)形式往往不同。比如用戶想得到一個(gè)U盤格式化的方法，那么有些人會(huì)問(wèn)：“如何對(duì)U盤格式化”，還有些人可能會(huì)問(wèn)：“怎么對(duì)U盤格式化”，或者“U盤格式化的方法？”等等。如果一個(gè)搜索引擎能夠?qū)⑦@些相似問(wèn)題理解為同一個(gè)意思，就能夠正確返回給用戶結(jié)果。但是，有些問(wèn)題雖然形式上比較接近，用戶問(wèn)的卻是完全不同的意思。比如用戶提問(wèn)“姚明是誰(shuí)的爸爸”和
智能計(jì)算機(jī)與應(yīng)用 2019年6期2019-03-11
- 基于職業(yè)院校數(shù)據(jù)與指標(biāo)匹配的編輯距離算法的應(yīng)用研究
與目標(biāo)字符串的相似度，進(jìn)行字符串之間的匹配，進(jìn)而解決了數(shù)據(jù)與指標(biāo)匹配的問(wèn)題。關(guān)鍵詞：數(shù)據(jù)分析? 指標(biāo)匹配? 編輯距離? 相似度中圖分類號(hào)：G64? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1674-098X（2019）10（c）-0255-02為給山西省職業(yè)教育大數(shù)據(jù)分析與決策平臺(tái)提供大量且準(zhǔn)確的數(shù)據(jù)，必須通過(guò)調(diào)研采集信息或梳理年報(bào)等方式提取學(xué)校信息，由于學(xué)
科技創(chuàng)新導(dǎo)報(bào) 2019年30期2019-03-08
- 基于協(xié)同過(guò)濾算法的服裝個(gè)性化推薦研究
了分析，計(jì)算出相似度最高的用戶，并將該用戶的收藏夾信息中目標(biāo)用戶還未關(guān)注到的信息推薦給目標(biāo)用戶，實(shí)現(xiàn)了一個(gè)簡(jiǎn)單電子商務(wù)網(wǎng)站的個(gè)性化推薦系統(tǒng)。關(guān)鍵詞：協(xié)同過(guò)濾;個(gè)性化推薦;推薦算法;相似度;電子商務(wù)中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2019）35-0194-031 概述隨著互聯(lián)網(wǎng)的高速發(fā)展和物流產(chǎn)業(yè)的日益成熟，電子商務(wù)已經(jīng)成為互聯(lián)網(wǎng)的重要應(yīng)用之一，我國(guó)電子商務(wù)行業(yè)的市場(chǎng)規(guī)模也發(fā)生了翻天覆地的變化。電子商務(wù)對(duì)二十一世紀(jì)人類的生
電腦知識(shí)與技術(shù) 2019年35期2019-03-07
- 淺析大數(shù)據(jù)搜索引擎之圖片搜索技術(shù)
片搜索;算法;相似度中圖分類號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009- 3044（2019）34-0181-021 基于內(nèi)容的圖片搜索一張圖片包含了亮度變化小的區(qū)域是低頻成分和亮度變化劇烈的高頻成分。低頻成分僅提供一個(gè)框.架，圖片的詳細(xì)細(xì)節(jié)信息部分主要是由通過(guò)高頻成分來(lái)體現(xiàn)的。換句話說(shuō)高頻成分能夠描述圖片的詳細(xì)信息。而一張尺寸比較大的內(nèi)容顯示豐富的圖片有較高的頻率，小圖片都是低頻的，原因在于缺少圖像細(xì)節(jié)部分?；趦?nèi)容的圖片搜索主要思想是基于圖片本身?yè)?/div>
電腦知識(shí)與技術(shù) 2019年34期2019-03-04
- 基于CFSFDP算法的復(fù)雜網(wǎng)絡(luò)聚類
問(wèn)題，提出一種相似度度量方法代替?zhèn)鹘y(tǒng)的歐氏距離，從而將密度聚類CFSFDP（clustering bvfast search andfind of density peaks）算法應(yīng)用到復(fù)雜網(wǎng)絡(luò)聚類中去。首先，利用Pade逼近方法計(jì)算復(fù)雜網(wǎng)絡(luò)的拉普拉斯算子矩陣指數(shù);接著，歸一化核心矩陣得到相似度矩陣，并求倒數(shù)得出復(fù)雜網(wǎng)絡(luò)各節(jié)點(diǎn)間距離;最后，借鑒CFSFDP算法思想，將節(jié)點(diǎn)自身鄰域密度、與其他鄰域密度較高節(jié)點(diǎn)的距離結(jié)合作為判斷依據(jù)，得出聚類中心并剔除噪聲點(diǎn)，電腦知識(shí)與技術(shù) 2019年33期2019-01-08
- 基于本體技術(shù)的建筑安全事故控制措施研究
的概念語(yǔ)義屬性相似度確定方法和基于改進(jìn)粗糙集的屬性權(quán)重確定方法。通過(guò)計(jì)算案例綜合相似度，制定安全事故控制措施參考方案，完善了安全事故控制方法，提高了建筑安全事故控制水平。關(guān)鍵詞：事故控制；本體技術(shù)；相似度；案例推理中圖分類號(hào)：TB 文獻(xiàn)標(biāo)識(shí)碼：A doi：10.19311/j.cnki.1672-3198.2018.23.0920 引言建筑工程施工過(guò)程中，現(xiàn)場(chǎng)環(huán)境復(fù)雜、人員流動(dòng)大及作業(yè)強(qiáng)度高，稍有松懈便會(huì)導(dǎo)致安全事故的發(fā)生，造成嚴(yán)重危害。據(jù)統(tǒng)計(jì)，近年來(lái)，年現(xiàn)代商貿(mào)工業(yè) 2018年23期2018-09-20
- 基于字形編碼與拼音編碼的近似商標(biāo)辨識(shí)算法研究
商標(biāo)文字的字形相似度和拼音相似度，并根據(jù)相似匹配算法得出商標(biāo)文字的相似程度。實(shí)驗(yàn)結(jié)果表明，該方法所得結(jié)果有更好的辨識(shí)率，符合常規(guī)人體視覺(jué)和邏輯判斷。關(guān)鍵詞：商標(biāo)辨識(shí)算法；近似商標(biāo)；形近字；近音字；相似度DOI：10.11907/rjdk.172985中圖分類號(hào)：TP312文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2018）006-0077-04Abstract：In order to realize efficient and rapid automa軟件導(dǎo)刊 2018年6期2018-09-04
- 改進(jìn)的協(xié)同過(guò)濾算法在電影推薦系統(tǒng)中的應(yīng)用
時(shí)間權(quán)重函數(shù)對(duì)相似度計(jì)算方法和預(yù)測(cè)評(píng)分計(jì)算方法進(jìn)行了改進(jìn)，并通過(guò)在Movielens數(shù)據(jù)集上驗(yàn)證了改進(jìn)的協(xié)同過(guò)濾算法較傳統(tǒng)的協(xié)同過(guò)濾在推薦準(zhǔn)確度上有了明顯的提升。關(guān)鍵詞：協(xié)同過(guò)濾；電影推薦；相似度；時(shí)間因子中圖分類號(hào)：F49 文獻(xiàn)標(biāo)識(shí)碼：Adoi：10.19311/j.cnki.1672-3198.2018.17.0281 引言隨著信息技術(shù)的快速發(fā)展，互聯(lián)網(wǎng)上的資源呈現(xiàn)指數(shù)級(jí)的增長(zhǎng)態(tài)勢(shì)，“信息過(guò)載”問(wèn)題愈發(fā)突出。“信息過(guò)載”是數(shù)據(jù)量劇增后的一種必然結(jié)果，針現(xiàn)代商貿(mào)工業(yè) 2018年17期2018-08-14
- 基于大數(shù)據(jù)的網(wǎng)絡(luò)教育方向選取方法研究
絡(luò)教育資源進(jìn)行相似度匹配，實(shí)現(xiàn)學(xué)生用戶對(duì)網(wǎng)絡(luò)教育資源的個(gè)性化選擇，將學(xué)生用戶偏好相似度運(yùn)用到網(wǎng)絡(luò)教育方向選取過(guò)程中，有利于實(shí)現(xiàn)網(wǎng)絡(luò)教育方向的個(gè)性化選取。實(shí)驗(yàn)結(jié)果說(shuō)明，所提方法可為用戶選取正確的網(wǎng)絡(luò)教育方向，具有較高的準(zhǔn)確率和召回率，用戶滿意度高。關(guān)鍵詞： 大數(shù)據(jù)； 網(wǎng)絡(luò)教育； 方向選??； 特征概念； 本體樹； 相似度中圖分類號(hào)： TN911?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）15?0087?05Research現(xiàn)代電子技術(shù) 2018年15期2018-08-06
- 基于相似度的黨政領(lǐng)導(dǎo)干部選拔方法研究
評(píng)價(jià)體系，運(yùn)用相似度方法確定黨政領(lǐng)導(dǎo)干部候選人的優(yōu)劣排序，并通過(guò)實(shí)例進(jìn)行了驗(yàn)證，具有較強(qiáng)的操作性和可行性。關(guān)鍵詞：黨政領(lǐng)導(dǎo)干部 選拔 評(píng)價(jià)指標(biāo) 相似度0黨政領(lǐng)導(dǎo)干部是黨的重大方針政策的制定者與執(zhí)行者，代表公眾行使公共權(quán)利，是推動(dòng)黨和國(guó)家事業(yè)建設(shè)的重要力量。如何通過(guò)合理的方法為黨組織選拔任用優(yōu)秀的人才，成為學(xué)術(shù)界研究關(guān)注的熱點(diǎn)問(wèn)題。圍繞黨政領(lǐng)導(dǎo)干部選拔考察，學(xué)者圍繞選拔的原則與標(biāo)準(zhǔn)、選拔問(wèn)題分析和選拔效果提升對(duì)策等方面開展研究工作，[1-3]為我國(guó)黨政領(lǐng)導(dǎo)干祖國(guó) 2018年13期2018-08-02
- 淺談?chuàng)魟腿瓝繇?xiàng)目專項(xiàng)訓(xùn)練的相似度
個(gè)項(xiàng)目專項(xiàng)訓(xùn)練相似度進(jìn)行系統(tǒng)闡述，為提高專項(xiàng)訓(xùn)練提供借鑒與參考。關(guān)鍵詞：擊劍 拳擊 專項(xiàng)訓(xùn)練 相似度擊劍和拳擊項(xiàng)目屬于技能主導(dǎo)類格斗項(xiàng)群項(xiàng)目，二者具有一定的相似度，相同點(diǎn)包括一對(duì)一競(jìng)技，得分取勝或絕對(duì)勝利，交鋒距離和比賽節(jié)奏不斷變化，腳步的移動(dòng)和身體前后左右的變向等方面。本文節(jié)選同一項(xiàng)群項(xiàng)目，專項(xiàng)訓(xùn)練的角度進(jìn)行淺顯的闡述，以求提高日常訓(xùn)練的多樣性，進(jìn)而提高訓(xùn)練效果。[1]一、運(yùn)動(dòng)特征相似度無(wú)論是擊劍項(xiàng)目還是拳擊項(xiàng)目，要想取得優(yōu)異的成績(jī)，都必須遵循運(yùn)動(dòng)項(xiàng)目的新教育時(shí)代·教師版 2018年16期2018-07-21
- 一種用于多類別劃分的中心點(diǎn)選擇算法
；初始中心點(diǎn)；相似度中圖分類號(hào)：TP181 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）12-0188-03Abstract： The traditional K-means algorithm is sensitive to the initial clustering center， and the clustering results fluctuate with different initial inputs. When the nu電腦知識(shí)與技術(shù) 2018年12期2018-07-12
- 電子模擬仿真實(shí)驗(yàn)室的研究與開發(fā)
模擬效果良好，相似度分析效果佳。關(guān)鍵詞： 電子模擬； 仿真實(shí)驗(yàn)室； VB技術(shù)； PSPICE軟件； 虛擬實(shí)驗(yàn)面板； 相似度中圖分類號(hào)： TN710?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）11?0105?05Research and development of electronic simulation laboratoryYANG Wei， GENG Jian（Nanchang Institute of Technology，現(xiàn)代電子技術(shù) 2018年11期2018-06-12
- 大興安嶺塔源林場(chǎng)不同生境蝶類多樣性與相似度分析
蝶類的多樣性與相似度進(jìn)行分析。[方法]首次對(duì)大興安嶺塔源林場(chǎng)蝶類資源進(jìn)行調(diào)查，掌握塔源林場(chǎng)不同生境中蝶類的資源分布情況。[結(jié)果]經(jīng)研究發(fā)現(xiàn)塔源林場(chǎng)有蝶類82種活動(dòng)，隸屬于7科53屬，包括優(yōu)勢(shì)種11種。通過(guò)分析樣地中野生蝶類資源的分布情況發(fā)現(xiàn)，灌叢環(huán)境蝶類多樣性與優(yōu)勢(shì)度指數(shù)最高，草甸的均勻度指數(shù)最高，濕地的各項(xiàng)指數(shù)均最低。相似度情況以灌叢和濕地最高，林緣和草甸的相似度最低。[結(jié)論]該研究對(duì)于分析大興安嶺塔源林場(chǎng)蝶類情況具有重要的意義。關(guān)鍵詞 蝶類資源；多樣性安徽農(nóng)業(yè)科學(xué) 2018年18期2018-05-14
- 基于電影系統(tǒng)的協(xié)同過(guò)濾算法的改進(jìn)
場(chǎng)景下的多種的相似度的計(jì)算，頁(yè)面停留時(shí)間進(jìn)行了深層次的研究，并且對(duì)冷啟動(dòng)問(wèn)題也進(jìn)行了初步的改進(jìn)，從而提高推薦系統(tǒng)的準(zhǔn)確性?！娟P(guān)鍵詞】協(xié)同過(guò)濾 用戶偏好 相似度 頁(yè)面停留 冷啟動(dòng) 電影推薦隨著網(wǎng)絡(luò)的不斷發(fā)展，科技也變得越來(lái)越智能化。網(wǎng)上瀏覽的信息都將成為刻畫人物形象特征的一部分。通過(guò)協(xié)同過(guò)濾算法 的研究，可以將每個(gè)用戶和物品向量化和標(biāo)簽化，將潛在的用戶或者物品推薦給具有相似偏好的用戶。1 協(xié)同過(guò)濾推薦算法簡(jiǎn)介協(xié)同過(guò)濾算法是通過(guò)分析某一用戶的偏好特征，在海量用電子技術(shù)與軟件工程 2018年1期2018-03-22
- 基于CFSFDP算法的復(fù)雜網(wǎng)絡(luò)聚類