2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩73頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、本文針對(duì)參與感知網(wǎng)絡(luò)所涉及的抽樣生成問題,數(shù)據(jù)融合和數(shù)據(jù)處理問題,以及推薦服務(wù)問題展開研究。具體工作主要包括以下幾個(gè)方面:
  本文第一部分針對(duì)參與感知網(wǎng)絡(luò)中隨機(jī)抽樣算法抽樣結(jié)果不能很好地代表原始網(wǎng)絡(luò)問題,設(shè)計(jì)了一種基于Dijkstra最短路徑抽樣算法。首先,利用Dijkstra算法多次抽取網(wǎng)絡(luò)中節(jié)點(diǎn)之間的最短路徑;然后,對(duì)抽取到的路徑中邊出現(xiàn)頻率進(jìn)行排序,選擇較高頻率的邊組成抽樣子圖。算法解決了隨機(jī)抽樣算法存在的一些問題,實(shí)現(xiàn)了

2、較好的生成抽取抽樣網(wǎng)絡(luò)功能。通過仿真實(shí)驗(yàn)與隨機(jī)抽樣方法相比,證明了該抽樣算法能更好的反映原始網(wǎng)絡(luò)。
  本文第二部分針對(duì)傳統(tǒng)多傳感器數(shù)據(jù)融合方法計(jì)算結(jié)果存在偏差較大和計(jì)算復(fù)雜度較高的問題,設(shè)計(jì)了一種“兩步走”的方法,第一步利用模糊C均值聚類算法對(duì)采集到的數(shù)據(jù)進(jìn)行聚類分析,剔除偏差較大的類;第二步利用數(shù)據(jù)融合的方式,對(duì)可靠類數(shù)據(jù)進(jìn)行融合,從而降低數(shù)據(jù)冗余度。通過仿真實(shí)驗(yàn)與傳統(tǒng)數(shù)據(jù)融合算法進(jìn)行對(duì)比,證明了本方法能夠使得采集到的數(shù)據(jù)更加

3、貼近真實(shí)值,從而實(shí)現(xiàn)網(wǎng)絡(luò)中傳感器數(shù)據(jù)的優(yōu)化提取。
  本文第三部分針對(duì)傳統(tǒng)推薦算法系統(tǒng)中數(shù)據(jù)稀疏導(dǎo)致推薦質(zhì)量差的問題,提出了一種基于陰影集粗糙模糊C均值聚類的協(xié)同過濾推薦算法(SRFCM-CF),解決了由于評(píng)分?jǐn)?shù)據(jù)稀疏導(dǎo)致最近鄰選擇誤差大的問題,優(yōu)化了協(xié)同過濾推薦系統(tǒng)中最優(yōu)近鄰集合的篩選,從而實(shí)現(xiàn)數(shù)據(jù)的高效推送服務(wù)。通過仿真實(shí)驗(yàn),與一些傳統(tǒng)的推薦算法相比,證明了該方法能夠更好地進(jìn)行近鄰集合的篩選,也能夠更好的提升推薦系統(tǒng)質(zhì)量。

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論