基于大数据技术的读者推荐系统的算法设计与优化
这是一篇关于读者服务,用户画像,个性推荐,混合推荐算法,Spark,SVM的论文, 主要内容为在互联网日益普及的时代背景下,开展基于大数据技术的用户服务研究具有重要的理论与实践意义。图书馆用户的信息需求量随着互联网的普及而增加,同时由于用户自身产生的信息包含动态与静态数据,使得信息在数量上增加的同时趋于多元化发展。为了解决近年来数据资源带来的难以挖掘的问题,基于读者的个性化推荐系统的设计与优化已经成为当下的研究热点,他可以有效的解决信息过载带、信息多元化引发的问题。本文便从用户行为偏好的角度出发挖掘数据,并对数据进行预处理,最后基于Spark平台实现个性化推荐系统的设计与优化。本文通过总结试验结果,得出在该混合优化推荐算法的基础上运行的系统,能够准确挖掘图书馆用户行为偏好的数据,同时可以高效精准的为读者推荐需求的信息。进一步证明了该优化算法的引用,可以达到预期的效果。本文的主要研究内容:(1)首先,通过运行CiteSpace,对近二十年图书馆用户行为研究的文献进行可视化分析,得出图书馆读者研究的热点话题以及预测未来演进的趋势。(2)结合热点研究,研究当下图书馆个性化推荐系统的可优化算法。(3)本文通过总结当前推荐算法的实际应用,通过对比协同过滤算法、基于内容以的推荐算法及混合推荐算法在图书馆推荐系统应用中的优缺点,设计了一款基于读者、借阅、书籍相混合的优化混合推荐算法。(3)搭建Spark生态环境,与SVM并行运算,实现优化物联网图像信息挖掘的目的。本文通过随机抽样进行单变量对比试验,验证运行结果的精准度与运行效率的高低。通过实验得出随挖掘信息数据量的增大,并行SVM算法的优势将明显高于比串行SVM运算。(4)基于Spark平台的混合推荐算法的试验与应用,通过对比试验,直观的了解读者搜寻相关书籍时,图书推荐系统的精准度。实验结果显示精准度全面提高,反馈速率也大幅增高。从而证明了混合算法比传统的算法能提供更准确的信息推荐。优化后的混合推荐算法不仅提高服务质量,同时解决了图书馆推荐系统内的数据数据稀疏性、“冷启动”等问题。首先,提出了基于大数据模板优化的混合推荐算法,来平衡用户、图书、借阅之间的关系,达到最优推荐的效果。然后,利用Spark大数据平台结合混合推荐算法实现了个性化图书推荐系统的设计,最后推荐系统的优化为读者服务质量的提升提供了基础的保障。
基于CNN-PSO-SVM的应用层协议识别算法在边缘网关中的应用研究
这是一篇关于应用层协议识别,CNN,SVM,边缘计算网关,插件式架构的论文, 主要内容为近年来,工业物联网已经成为我国战略性新兴产业的重要组成部分,在能源、供应链、石油、采矿、交通运输等领域发挥重要作用。其中,边缘计算网关应用于智能制造领域,是工业物联网中收集、存储、转发边缘数据的核心枢纽。随着工业物联网的规模不断增大,越来越多种类的工业设备、生产机械接入到工业生产网络中,设备接入和生产数据上传也出现了很多问题。实践过程中发现:1.接入设备的通信协议种类繁多,以往基于端口识别的方式维护成本高,不适用于大量异构协议设备接入;2.工业物联网设备通讯协议缺乏统一标准,用户在解决实际问题时需要掌握不同种类设备接入网关的方式,并且需要对网关进行二次开发,增加了开发和维护成本。3.传统云端计算模式下,随着接入设备的增多,云端承载的数据处理运算量也快速上升,导致云端中心链路和计算资源非常紧张。为改善上述不足,本文提出基于CNN-PSO-SVM的应用层协议识别算法,实现对多种异构协议的快速自动识别;据此构建了边缘计算网关系统,设计开发了前述协议识别算法、边缘计算引擎、数据转发服务等模块,实现了异构设备数据实时接入、处理、计算、存储、转发等功能。主要研究内容如下:(1)针对接入设备通信协议繁多的问题,提出基于CNN-SVM应用层协议识别算法。搭建CNN分类模型、LBP-SVM分类模型进行对比实验,实验结果证明CNN-SVM分类性能优于另外两种模型。针对SVM参数选取的问题,使用粒子群算法对CNN-SVM模型中SVM分类器参数进行优化,通过实验发现CNN-PSO-SVM算法相较于CNN-SVM分类性能进一步提升。(2)针对传统云端计算模式存在的问题,本文中对设备数据运算分析任务从云端转移到边缘计算网关中。可以对设备上传非结构化数据进行配置解析,以及使用基于Rete算法的规则引擎对系统配置的计算和告警规则进行执行。(3)针对设备通讯协议缺乏统一标准的问题,使用插件式架构加载通信协议解析方法,使网关扩展性更强。(4)根据系统架构和各功能模块的设计,对边缘计算网关系统各功能进行设计和实现,并完成了功能测试和压力测试。到目前为止,系统在两个项目中稳定运行时间均超过一年,各功能模块运行正常。
网络教学平台中数据挖掘云系统设计与开发
这是一篇关于教育数据挖掘,支持向量机,SVM,云计算,SOA的论文, 主要内容为当前大数据时代,各类网络教学平台中,逐步储存起各类数据,并且海量地增长着。充分整合利用这些数据,作为教育决策依据,可提高决策的客观性、科学性。教育数据挖掘云系统,则是辅助人们实现这些目标的软件系统,具有重要的研究意义。教育数据挖掘云系统跨教育、数据、软件多个领域,目前尚处于起步阶段。本文对数据挖掘云系统进行设计开发的研究与实践。文章首先通过信息互动系统分析的方法,从信息互动系统的视角对数据挖掘在教育中的应用模式进行了探讨,提出了一个教育数据挖掘原理与工程框架,作为本教育数据挖掘云系统设计开发及应用的教育理论基础。由该框架,结合软件需求分层次模型,形成了本系统的软件需求。算法是教育数据挖掘系统的核心部件,论文在云计算二分类并行SVM算法及单机多分类SVM算法基础上,提出了一种二叉树多分类SVM并行计算算法,通过采用UCI标准数据集样本进行了算法实验,发现该算法相比单机算法,准确率稍低但在可接受范围,效率有明显提高。大规模复杂系统的开发,系统架构是非常重要的部分。论文在分析了云计算架构及SOA服务架构策略后,提出了一种在教育数据挖掘领域的基于云的SOA服务体系架构方案,该体系架构由表现层、接口服务层、云计算业务逻辑层、云数据处理层构成。系统开发实现时,探讨了合理的开发和技术选择策略,探讨了云计算平台、数据同步、后台管理、挖掘算法、服务接口实现等关键技术的实现。最后该系统在由信息互动系统观推导的应用框架指导下,应用于英语语法学习系统、写作学习社区、学习绩效决策支持分析等三个教学系统,检验了该系统在网络教学平台中的应用成效。发现该系统能较好与各种教学系统进行数据挖掘集成应用、能对云环境下的教育数据进行有效的支持向量分类挖掘,能为教育数据挖掘提供有效的使用平台及集成模块。
基于知识图谱的谷类作物病害识别及个性化推送研究
这是一篇关于知识图谱,关系模型,数据抽取,C4.5,SVM的论文, 主要内容为随着国内谷类作物产量需求的提高和计算机智能技术的迅速发展,谷类作物病害的智能识别及预防越来越受到大家的关注。本文基于网络爬虫、知识图谱、机器学习等技术,针对谷类作物病害识别及个性化推送问题进行研究,其主要研究成果如下:(1)通过分析网页数据源数据结构与采用广度优先遍历,对谷类作物病害相关数据进行针对性的分布式焦距爬取,并通过网页标签将大量无关数据进行筛选剔除;同时,对爬取的谷类病害500多条初始数据使用Mysql数据库存储,随后通过词频抽取法提取谷类作物病害特征属性建立谷类作物病害特征数据表,根据词频最高的斑病作为分类属性,进行实例分析。(2)通过对谷类作物病害实体构建与属性填充得到多特征的谷类作物病害实体,其次提取谷类作物病害的语义类关系,构建谷类作物斑病知识图谱关系模型。(3)分别使用决策树C4.5与支持向量机(SVM)的机器学习分类技术对谷类作物病害斑病构建分类识别模型,同时进行对比分析,择优选择决策树C4.5分类识别模型作为谷类作物病害特征属性分类器。(4)使用Mysql对谷类作物病害斑病设计数据库,并且通过关键字精准查询与谷类作物病害特征属性识别查询对谷类作物病害识别进行个性化推送设计。
地市税务局的财务管理系统的设计与实现
这是一篇关于财务管理,管理信息系统,分级预警,疑点分析,SVM的论文, 主要内容为基于凭证进行实报实销是目前地市税务局财务管理的主要方法,相应的财务管理系统业务内容单一,对于政府内部的财务支出不能进行有效监控,导致财务赤字现象;在凭证的审核和监管上,现在财务管理系统仅能提供单纯的信息记录操作,主要工作还是依靠人工完成,对于行政活动中出现的非必要的,或者异常的财务支出不能进行有效的甄别,非必要的行政活动对政府预算造成了极大的困扰,异常支出中的财务多报和虚报现象时有发生,导致国家财政资金的流失。在此背景下,本文研究的面向地市税务局的智能财务管理系统,除了设计和实现了地市税务局基本的财务管理业务,还基于数据统计分析技术实现了财政预算和公务人员财务活动的监管。首先,基于分级规则提供预算超支预警服务;其次,基于SVM分类器识别财政支出中存在的非必要的,或者异常的财务支出,为过滤政府预算过程中的非必要预算项。以上功能的设计和实现是对未来智能化财务管理系统的挑战和尝试,促进了现在财务管理系统的智能化进程,为其他财务管理系统的研发提供了借鉴。在财务系统的需求分析阶段,对财务管理系统的功能性需求和非功能性需求进行了详细的建模,在功能性需求分析中,首先基于UML活动图描述了系统的整体业务流程,然后基于UML用例图对系统的各项业务活动进行建模,业务内容包括:基础信息管理、凭证管理、财务报表管理、预算预警和疑点分析。在非功能性需求分析中,以指标化的形式给出了系统的非功能性需求,非功能性需求包括:系统性能、可靠性和安全性三个方面。本文基于关系实体模型建模系统数据,在数据库的设计和实现中采用Oracle 12C作为后台数据库。在系统整体架构设计,从3个方面阐述了系统的架构,首先,给出了系统在B/S架构下的网络部署情况;在系统开发过程中,采用MVC开发框架,对系统的界面、业务逻辑和数据进行分层;最后,给出了系统的功能组成。系统业务设计和实现部分,项目采用J2EE开发环境,基于Structs2构建MVC开发框架,系统具体功能包括:基本信息管理、凭证管理、财务报表、预算预警以及疑点分析。疑点分析是在给定同一类财务活动前提下进行的,基于训练数据集构建特征向量训练SVM,基于训练获得的模型,分类未标记的财务活动记录,生成疑点,推送给财务监管人员。最后,对部署实施后的系统进行了全方位的测试,验证系统的正确性和稳定工作的能力。在功能测试中,采用黑盒测试方法,测试每一个功能模块的工作情况;然后采用压力测试软件测试系统的性能。测试结果表明,本文研发的面向地市税务局的财务管理系统能够适应现在地市税务局财务管理的需求,显著提高了单位的办公效率,分级预警功能可以帮助实现单位的财务支出监管,财政赤字明显下降,疑点分析功能能够为单位内部的资金监管提供有效的支持,达到了系统开发目标。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设小屋 ，原文地址：https://m.bishedaima.com/lunwen/47160.html
