大数据环境下基于协同过滤算法的船舶信息推荐模型研究

传统的船舶信息推荐模型的MAE值偏高,因此提出大数据环境下基于协同过滤算法的船舶信息推荐模型研究。利用船舶信息采集装置传输船舶信息,并利用HDFS文件处理传输的信息生成船舶信息数据集。在大数据环境下挖掘用户需求,计算相邻用户相似度,基于协同过滤算法的规则,选取最近邻居聚类用户,完成信息的随机分组。同时协同过滤出大量船舶信息,并对剩余信息进行深层次的信息匹配预测评分,从高到低生成信息推荐列表,完成了推荐模型的研究。实验结果表明,设计的模型在实验中的平均MAE值比传统模型降低了0.135,说明设计的模型推荐精度更高。     

基于对称受限玻尔兹曼机的协同过滤算法

协同过滤算法在推荐系统中得到了广泛应用。其中具有代表性的是基于有向图模型的矩阵分解法和基于无向图模型的受限玻尔兹曼机。文中提出了一种基于对称受限玻尔兹曼机的协同过滤算法,该算法充分考虑并利用了推荐系统中用户和物品的对称性,通过对用户和物品分别建立了一个受限玻尔兹曼机,最后,采用回归算法对二者的结果进行融合处理。实验结果显示该方法与其他相关算法相比具有明显的优越性。     

基于信任网络与协同过滤的自适应推荐模型研究

传统组合推荐算法采用静态参数平衡协同过滤模块与社交网络模块比重,没有考虑用户自身特性.为解决上述问题,文中提出基于局部网络拓扑结构的组合模型,该模型引入聚簇系数,结合用户自身购买历史及社交网络特征,自适应调整模块融合比例,从而达到提高推荐准确度的目的.运用Epinions以及Flixster数据集对文中自适应推荐模型进行模拟,实验结果表明:基于信任网络与协同过滤的自适应组合推荐框架优于静态组合推荐模型,该模型能够有效改善推荐准确度,提高推荐效率.     

基于知识图谱下的舰船电子信息协同推荐算法

为进一步提升舰船电子信息推荐算法的精准度,提出基于知识图谱的舰船电子信息协同推荐算法研究。基于知识图谱建立舰船电子信息协同推荐模型,根据模型反映数据建立相邻用户联系,过滤关联近似推荐词条,获得更精准的舰船电子推荐信息。通过对比仿真测试证明,该方法提高了信息推荐的词条数量,提升了推荐效果。     

大数据分析的船舶航行线路智能推荐研究

传统的航行路线推荐方法依据人工势场推荐航行线路,因计算量大,导致推荐反应慢、推荐路线距离长的问题。针对传统方法存在的问题,研究大数据分析的船舶航行线路智能推荐方法。将航行海图抽象并分解后,利用大数据建立航行环境模型。根据协同过滤算法原理,实现航行线路的智能推荐。实验研究表明,提出的线路推荐方法的平均反应时间为2.97 s,并且推荐航行线路更短,有效节省航行时间,保护航行安全。     

基于协同过滤的舰船营运数据挖掘算法研究与实现

传统的舰船营运数据挖掘算法存在着性能较差的缺陷,为此提出基于协同过滤的舰船营运数据挖掘算法研究与实现。将采集的多种数据来源的舰船营运数据进行集成,以得到的舰船营运数据集成为依据,构建矩阵分解模型,得到用户对舰船营运数据预测评分矩阵,采用分层随机梯度下降法对预测评分矩阵进行求解,以得到的预测评分为基础采用协同过滤算法实现了舰船营运数据的挖掘。通过实验得到,提出的舰船营运数据挖掘算法的RMSE参数平均值比传统算法小了0.34,说明提出的舰船营运数据挖掘算法具备更好的性能。     

基于协同过滤的舰船通信网络告警数据多维度分析方法

面对当前舰船通信网络多维度告警数据,传统分析方法已经无法满足实际需求,导致虚警率过高,浪费了大量资源。为此,提出一种基于协同过滤的舰船通信网络告警数据多维度分析方法。该方法主要分为3部分,首先利用基于XML的集成技术采集舰船通信网络多维度告警数据,然后利用主成分分析方法(PCA)进行数据降维,最后利用协同过滤算法对告警数据进行分类,按照类别进行具体分析,以此为依据提出相应的告警解决方法。结果表明,与传统方法相比,利用基于协同过滤的方法进行舰船通信网络告警数据多维度分析后,虚警率有所降低,为舰船通信网络的正常运行提供了重要的保障。     

基于前景理论的集装箱海铁联运定价与运营决策

由于客户很难做到对市场信息的完全掌握,本文引入前景理论的情况下,基于运营商与客户的互动性,建立了双层规划模型。通过集装箱海铁联运的定价博弈分析,得出运价优化模型。基于运价设计了班列运营模型,以利润最大为目标,设计启发式算法求解。为提高集装箱海铁联运的竞争力,基于有限理性客户的选择行为,本文为铁路运营商进行了集装箱海铁联运定价与班列运营的协同优化。     

基于特征加权张量分解的标签推荐算法研究

针对标签推荐系统存在极度稀疏性的问题,通过提取标注过程的关键特征并计算元组的初始权重,构建加权元组集的张量模型;然后应用高阶奇异值分解(high order singular value decomposition,HOSVD)对张量模型降维,根据处理结果作标签推荐,从而达到提高推荐效率的目的;运用Movie Lens数据集对基于特征加权张量分解的标签推荐算法进行了模拟,实验结果表明:基于特征加权张量分解的标签推荐算法比传统算法推荐效果更好。该方法能够有效改善数据稀疏性问题,提高了推荐效率.     

船舶目标跟踪过程信息智能过滤算法

现有的船舶目标跟踪信息智能过滤算法对于障碍物遮挡的信息过滤量小,因此设计一种船舶目标跟踪过程信息智能过滤算法。引入边缘算子,并调整各个算子的权重,完成船舶目标状态信息的采集,提取跟踪目标的运动特征,并通过欧氏距离的解析式对船舶运动特征进行降维,利用光流法的搜索模板定位最佳目标匹配点,完成船舶目标跟踪过程信息智能过滤算法的设计。在实验中,分别利用现有算法和设计的算法,对某行驶中的目标船舶进行遮挡信息过滤,结果显示,设计的算法中过滤掉的障碍物信息占比平均值比传统算法高出64%,验证了设计算法的有效性。