分享6篇关于路径推荐的计算机专业论文

今天分享的是关于路径推荐的6篇计算机毕业论文范文, 如果你的论文涉及到路径推荐等主题,本文能够帮助到你

农业机械运维管理系统的设计与实现

这是一篇关于农机运维管理系统,调度,移动客户端,路径推荐的论文, 主要内容为近年来,农机工业发展迅速,农业机械化水平日益提高,农民对农业机械的需求越来越迫切。然而随着农业经营的扩大,农业经营信息滞后、时效性差、利用率低,管理人员不能及时、准确、详细的获取农机作业信息等制约农业机械化快速发展的现实问题也越显突出。因此,需要设计出具有移动性,并能提供监管调度服务的农业机械运维管理系统,来解决传统的农业管理方式信息滞后的问题,提高作业质量和效率。本文结合服务端开发技术与智能移动终端开发技术,并针对现有系统功能单一、移动性不足等缺点,设计并实现了基于Android的农业机械运维管理系统,主要研究工作如下:(1)分析并总结农机管理者与使用者的需求,基于客户端/服务器(Client/Server,CS)架构设计了农业机械运维管理系统的总体框架结构,设计并实现了农机运维管理Android客户端与服务端。本系统设计了农机信息管理模块、农机监控模块、农机调度模块、即时通信等核心模块,包括农机与农机手信息管理、农机轨迹回放、农机轨迹实时追踪、用户之间通信聊天、农机工作任务查询、工作计量统计、农机工作状况查询、行驶路径推荐与规划等诸多功能。(2)分析本系统服务器的性能和功能需求,并对主流通信协议与数据交互格式进行分析与研究,设计了服务端的框架结构和数据交互方式,采用HTTPS(Hyper Text Transfer Protocol over Secure Socket Layer)为主要通信协议,采用JSON(JavaScript Object Notation)与 XML(Extensible Markup Language)为主要数据交互格式。对SSM(Spring-SpringMVC-MyBatis)服务端开发框架进行预研,将SSM框架与功能逻辑相结合,并基于可高度解耦程序的MVC(Model-View-Control)设计模式,设计并实现系统服务端。(3)充分利用目前Android平台及Android智能手机使用广泛和携带方便等优势,设计并实现了农机运维管理智能手机客户端。本系统Android客户端基于MVP(Model-View-Presenter)模式设计框架结构,将数据持久层与视图层解耦,提高了程序的可扩展性、代码重用性以及应用的可维护性。引入百度地图API,实现地图图层展示与地图定位等地图操作模块基础功能,为其他各主模块的实现打下基础。利用 XMPP(Extensible Messaging and Presence Protocol)协议搭建基于Smark框架和Openfire服务器的即时通信功能,有利于用户之间实时交流。采用Fragment构建主流标签页面滑动式界面布局,广泛适配于多种分辨率手机。(4)为了解决调度中农机手能否驾驶农机在最快时间内到达目的地的问题,研究并对比主流路径搜索算法,分析了算法的执行步骤,以基于路径优化的A*算法作为本路径推荐模块的主算法,编写本系统最短路径搜索核心模块,最后结合客户端加以实现。综上,本文设计并实现了包含移动端的的农机运维管理系统,该系统功能完备,随着农业机械化与信息化的快速发展,本农机运维管理系统将会有更宽广的应用前景,为农业信息化与精准农业的发展做出贡献。

面向路网的移动对象间查询服务系统的设计与实现

这是一篇关于状态查询,路径推荐,城市交通路网建模,面向路网的移动对象间查询服务系统的论文, 主要内容为随着大量应用软件开始结合LBS(Location-Based Service)技术为用户提供更为便利、定制化的服务,LBS技术的研究也进入了一个新的发展阶段。如何基于用户的位置信息提供更丰富的服务成为LBS技术的一大研究热点。现有的LBS技术应用系统大多关注的是查询发起者或者被查询的对象是静止的这一类场景。比如百度地图等导航类软件提供给用户搜索附近的餐馆、酒店等功能,搜索的结果都是静止的对象。又如微信等社交类软件提供给用户搜索附近的人等功能。虽然查询发起者和被查询的对象都是移动的对象,但是它关注的是某一时刻二者之间的位置关系,而无法对二者在一段时间内的位置变化进行实时监测。本文所关注的是移动对象间的查询服务,即查询发起者和被查询对象均是移动的这一类场景。本文的工作主要是设计并实现一个面向路网的移动对象间查询服务系统以及对系统实现的关键技术进行研究。在系统实现方面,本文基于云计算技术设计并实现了一个面向路网的移动对象间查询服务系统。该系统面向移动客户端Android平台提供服务,基于分布式、高容错的并行计算系统Storm进行后台处理,采用大数据存储系统HBase作为数据存储中心,使用WebSocket协议实现客户端与服务端的即时通讯,基于分布式消息系统Kafka实现消息的收发。通过对系统进行测试,该系统提供了有好的用户接口,有良好的稳定性、健壮性、可扩展性以及较高的响应速度。在系统实现的关键技术上,本文着重研究了如下三个关键技术问题:(1)优化了移动对象间连续状态查询算法。本文对算法的优化主要有两方面,一是针对实际应用环境中位置数据上传速率不稳定的问题,对状态查询的算法运行框架进行改进,并给出了读取位置的策略。二是针对算法中计算路网距离时服务器负载过大这一问题,提出了基于分布式架构的状态查询算法。实验对比表明:使用分布式架构大大减轻了服务器的计算压力。(2)提出了基于历史模型评估的路径推荐算法。首先基于实时路况求出若干条起讫点之间的路径,然后根据本文提出的路径评估算法利用历史模型对路径进行评估,选择评估值最小的路径作为推荐路径。通过与对比实验说明:本文提出的路径推荐算法有良好的表现。(3)建立了城市交通路网模型。针对现有的移动数据仿真器所生成的数据没有交通属性而无法对基于交通路网的算法进行测试的问题,本文提出了城市交通路网模型的运行框架,实时路况的仿真方法,移动对象的初始状态生成算法以及基于路径推荐的移动对象更新算法。通过对路径推荐算法的测试可知,该模型能很好地满足测试的需求。

基于知识图谱的学习路径推荐系统设计与实现

这是一篇关于教育知识图谱,三支决策,路径推荐的论文, 主要内容为随着互联网教育的快速发展,在线学习愈加普及。学习者可以从互联网得到海量学习资源,也可以选择在线学习平台自主学习,同时学习者也可以自由选择学习时间、学习内容等。面对这种高度自主化的学习方式,学习者对现有知识状态难以进行准确认知并及时清晰了解当前学习进度与认知达标状态,因此极其容易陷入学习迷航、学习动机不足等问题之中。在此情景下,个性化学习路径推荐能有效解决在线学习时产生的知识迷航、认知过载以及学习动力不足等问题。目前个性化学习路径推荐算法主要包括基于知识的推荐、基于内容的推荐、协同算法推荐和混合推荐。其中,运用较为广泛的是协同过滤推荐算法。但协同过滤推荐算法在个性化路径推荐领域因受“马太效应”影响,导致认知水平低的学习者的学习效果不佳。基于此,本文提出一种基于三支决策的个性化学习路径推荐模型,该模型以教育知识图谱为底层推荐内容,结合以认知水平为划分标准的三支推荐方法,为学习者进行学习路径内容推荐。本文针对当前网络学习资源混杂、质量良莠不齐的问题,为保证后续学习路径推荐内容的质量,构建python教育知识图谱。在构建知识图谱的研究中,本文主要涉及到两大部分,一是构建知识图谱的模式本体,即对教育领域的概念、属性、关系等利用本体库Protégé进行语义化表达;二是利用Neo4j图数据库进行知识存储。通过原生图数据库存储、可视化展示,不仅能为在线学习者学习迷航问题提供解决办法,也可以通过知识与知识之间的语义关系为个性化学习路径提供知识间语言顺序支持。本文针对个性化路径推荐领域中常见的“马太效应”问题,提出一种基于三支决策的个性化学习路径推荐模型。该模型可分为用户模型和个性化学习路径推荐模型两大部分。首先,通过对在线用户的学习行为数据的分析,构建在线学习者学习模型维度与测量指标,用于描述在线学习者的学习行为习惯、学习偏好和学习水平。然后,采用依据三支决策的个性化学习路径推荐算法进行学习路径推荐。由于不同学习者对知识的现有掌握程度和接受新知识的能力不同,首先依据学习者的认知水平三支划分,然后对每一部分学习者提出不同策略,分别推荐适合其认知水平的个性化路径。结果表明,通过路径推荐能有效缓解在线学习者的学习动机不强,学习过程中在线学习者产生的知识迷航、认知过载等问题。

个性化教育平台的设计与实现

这是一篇关于个性化教育平台,知识图,在线评判,路径推荐的论文, 主要内容为随着移动互联网的盛行和发展,在线教育作为一种运用信息技术和互联网科技的新型教育模式逐渐兴起。现有的在线教育平台如MOOC系统,对知识的控制粒度较粗,基本没有个性化的教学功能,导致课程完成率低、用户学习体验较差。个性化教育平台能够针对学习者的个体属性提供个性化的内容呈现,使学生在学习过程中思维、创新以及自主学习等能力得以提高,提升用户的在线学习体验。本论文研究并实现了一个基于B/S架构的个性化教育平台。首先,介绍了关于国内外个性化教育的研究现状,分析了其中有哪些值得深入探讨和借鉴的地方。然后,简单介绍了开发本系统所需的关键理论和技术,分析了这些技术的概念、理论以及优缺点。接下来,进行了系统需求分析和总体设计,讨论了系统在开发上的可行性,概述了系统的总体架构并介绍了本系统对在线教育资源信息的管理方式并将系统功能分为多个模块,随后,在系统详细设计阶段,整合系统各个功能模块需求,详细介绍了本系统关键功能模块的设计与实现。最后,对系统各功能进行了一系列的测试与分析。论文工作的重点包括:(1)从网络知识库中爬取不同学科的知识内容,分析内容主题并在此基础上提出了一种基于网络知识库词频分析的知识点聚类方法,运用该方法对主题以及主题相关内容进行聚类,进而构造出本学科层次化的知识图。同时,以类似的方法构建不同学科的在线题库。(2)在完成对知识点整合、知识点相应题库构造的基础上,通过分析用户学习行为,对用户提供关于学科和学习路径的推荐服务。具体学习行为数据包括:用户初始学习数据、用户章节测试成绩记录、用户历史浏览记录等。同时结合系统实际需求和不同推荐算法的优缺点,在不同的情况下采用了不同的推荐方法。大量测试表明系统基本能够满足学习者对学习内容的个性化需求,能及时结合用户学习行为和知识组织分析来解决学习效果评估和学习路径推荐等关键问题,支持学习者在任意时间、地点进行学习,有效地提高学习者的学习效果和使用体验。

基于效用—后悔联合规则的路径选择模型研究

这是一篇关于出租车轨迹数据,有限理性,路径选择模型,路径推荐,效用-后悔联合模型的论文, 主要内容为交通出行是人们参与城市社会经济活动不可或缺的一部分,对出行体验的改善是实现城市交通精细化管理、提升城市品质的重要环节,而实现合理、准确出行路径推荐则是改善出行体验的重要手段之一。然而,目前常见的出行服务推荐系统往往忽略了用户的出行习惯,仅根据路径最短、行驶时间最短等统一规则为用户提供出行路径推荐,从而无法实现合理性出行路径推荐。近年来,随着移动互联网、物联网、地理信息系统(Geographic Information System,GIS)、大数据等技术与城市智能交通系统的深度融合,大规模城市交通轨迹数据已经能够被高效采集、传输和存储。城市交通轨迹数据隐含着城市居民出行规律,反映了城市路网的动态交通状态。以大规模城市交通轨迹数据为基础,分析出行者的路径选择行为,建立有效的路径选择模型,利用群体智慧为出行者提供高效、合理的出行路径推荐已经成为智能交通领域的迫切需求。在成本-效益约束条件下,城市出租车群体相对于其他出行群体通常具有更优的路径选择行为,因此根据城市出租车群体的路径选择习惯为其他出行者提供路径推荐是解决上述需求的一种可行方案。本文以大规模城市出租车轨迹数据为研究对象,针对出行者选择路径时无法满足效用最大化模型的完全理性假设问题,将有限理性条件下的后悔最小化模型与效用模型相结合,提出了一种效用-后悔联合规则下的路径选择模型,实验结果显示该模型所计算的路径被选择概率比单纯效用模型或单纯后悔最小化模型更接近真实场景下的路径被选择概率。基于上述模型,进而提出一种基于时间差异性效用-后悔联合模型的路径推荐方法,该方法能够为用户推荐融合群体出行智慧更加符合居民出行习惯的出行路径。本文的具体研究工作如下:(1)利用大数据平台Spark对出租车轨迹数据进行数据清洗、地图匹配、轨迹分段、起止点(Origin-Destination,OD)提取以及连续载客轨迹片段的属性值计算,作为路径选择模型研究和路径推荐的数据基础。(2)提出一种基于效用-后悔联合规则下的路径选择模型(简称效用-后悔联合模型),该模型结合完全理性的效用模型与非完全理性的后悔模型,并根据历史轨迹数据选定多属性不同组合下的一组效用-后悔联合模型,进而确定其中的占比系数。实验结果表明,效用-后悔联合模型比效用模型、后悔模型的路径选择概率更贴近真实场景下的路径被选概率。(3)提出一种时间差异性效用-后悔联合规则下的路径推荐方法,根据工作日/休息日、高峰/非高峰组合的四类时间片段划分历史轨迹数据并修正不同时间片段下的效用-后悔模型占比系数,最终基于不同时段的历史轨迹数据与时间差异性效用-后悔联合模型向用户推荐路径。实验结果表明,该方法比目前导航软件的推荐路径更多样化并且融合群体出行智慧更符合居民出行习惯的路径选择结果。