基于BQ-Apriori算法的混合推荐系统研究
这是一篇关于智能算法,Apriori,BQ-Apriori,SOM神经网络,推荐系统的论文, 主要内容为随着智能算法的快速发展,其在推荐系统中扮演的角色也越来越重要,智能推荐算法已经成为一个非常活跃的前沿性研究课题。和传统的推荐算法相比较,智能推荐算法具有个性化、精准性等独特优势,时下比较流行的“摩拜单车”就用到了许多的智能推荐算法。智能推荐算法的应用研究越来越深入,其在电子商务系统应用中存在的一些不足慢慢的被揭示出来,一方面,顾客不能快速准确的搜索到自己喜欢的商品;另一方面,推荐系统推荐给顾客的商品往往不是顾客最喜欢的。针对推荐算法存在的不足,本文基于改进的Apriori算法提出了一种智能推荐系统解决方案,目的是为了可以及时、准确的为顾客提供高质量的个性化推荐服务。首先,为了达到上文的目的,本文在Apriori算法的基础上提出了一种基于事务删减的BQ-Apriori算法,并且建立起了对应的算法模型,该算法模型是建立在真实的农产品交易系统基础上的。论文最终通过仿真实验,对改进后的算法进行了验证和分析,进一步证明了改进后的算法在处理相关问题的可靠性和准确性。其次,论文通过先验知识的基本理论,对算法的初始数据集进行处理,设计出了本文算法的基本结构,利用算法的基本性质,构造出了一种基于事务删减型的、运行效率相对提高的新型的关联规则算法。该算法借助Apriori算法的主要思想,通对其算法思想的深入理解,删除了对算法执行结果没有影响的单一项数的事务,紧接着利用先验知识构造出了顾客感兴趣集合,把与兴趣集合相关的事务项作为研究点,剔除了与结果无关紧要的事务项,这样一来,算法扫描的数据库集数量大大减少,使得算法的时间复杂度大大降低。最后,在算法的应用研究和模型的分析方面。本文将真实的农产品交易系统中的数据作为实验数据,着重探讨了基于事务删减的BQ-Apriori算法的具体实现方式,对农产品交易系统的订单商品信息进行关联分析,得出商品之间的关联关系。然后通过SOM神经网络对农产品交易系统中的会员进行等级分类,并将分类后的结果和商品关联分析结果结合起来应用到混合推荐系统中去。最终,建立起来了一种混合的推荐系统模型。
基于SSH的警用联网刑事案件侦查系统的设计与实现
这是一篇关于SSH框架,J2EE,SOM神经网络,刑事侦查的论文, 主要内容为随着我国经济的快速发展，社会结构的不断变化，刑事案件不断增多，积累的案件也越来越多。刑事犯罪分子运用的犯罪手段也越来越先进,反侦察能力越来越强。因此，刑事犯罪侦查工作面临严峻的考验,工作方式和手段需要进行必要的调整。近年来，公安刑事侦查信息网络建设发展迅猛，“金盾工程”的实施，为公安刑事侦查部门使用数字化、网络信息化技术奠定了坚实的基础。在公安系统中，通信技术、网络技术和计算机技术为代表的现代化信息技术被越来越广泛地应用，特别是公安信息网络在刑事案件的计算机网络化管理中发挥了巨大作用，提高了公安刑事侦查部门对刑事犯罪信息的处理能力。为了进一步实现信息资源的共享，加大刑事侦查能力，满足刑事侦查部门业务工作的需要，必须使用更先进的信息技术对刑事犯罪信息进行管理和应用。因此，本文设计并实现了联网刑事案件侦查系统。 本文联系实际结合刑事侦查部门的实际工作要求，指出传统C/S两层结构的刑事侦查信息系统存在的弊端，确认SSH三层架构能够有效地解决传统架构存在的一系列问题，其逻辑性及交互性更强，更加安全和方便，因此，确定采用基于新一代SSH三层结构来设计警用联网刑事案件侦查系统。本文在计算机软件工程和设计思路的指导下，重点阐述了刑事案件侦查系统的设计思路和实现方法。设计并实现了联网刑事案件侦查系统的数据库ER图，根据数据库ER图，设计了详细的数据库逻辑结构。在此基础上，完成了对联网刑事案件侦查系统的整体设计。 本文从业务模型着手，对联网刑事案件侦查系统的需求进行了分析，使用UML设计了业务流程图、用例图、功能结构图等。刑事侦查处理流程主要包括受案、立案、侦查、破案、结案五个阶段。系统用例主要包括接报案件用例、受害人用例、嫌疑人用例、现场勘查用例、案件处理用例等内容。系统融合了刑事案件的人、案、物、证、线索等相关信息。所包括的八个子模块分别是现场勘察、受理登记、仪器设备、公文收发、物证档案、技术人员、单位记事、辅助信息模块。各个功能模块根据实际刑事侦查工作情况相互关联，构成完整的刑侦系统。本系统在设计过程中充分考虑到公安部门对数据管理的实际需求，采用了由省级刑侦库与地区刑侦库二级联网的方案。 系统的实现从登录模块开始，通过系统类图、程序代码、程序运行流程图及其操作界面四个方面进行阐述，分别介绍了现场勘查、受理登记、仪器设备、公文收发、物证档案等模块的实现。同时，本文利用SOM网络的聚类功能提供了一种全新的案件分析方式。SOM网络从案发时间、案发区域、作案手段和工具以及袭击目标上寻找刑事案件的相似点。 系统测试结果表明，本系统符合设计要求，用户界面简单友好、操作方便，能够通过用户界面实现对各项相关业务信息的监视、控制与管理。满足了公安部门刑事侦查业务的实际工作需求。
基于SSH的警用联网刑事案件侦查系统的设计与实现
这是一篇关于SSH框架,J2EE,SOM神经网络,刑事侦查的论文, 主要内容为随着我国经济的快速发展，社会结构的不断变化，刑事案件不断增多，积累的案件也越来越多。刑事犯罪分子运用的犯罪手段也越来越先进,反侦察能力越来越强。因此，刑事犯罪侦查工作面临严峻的考验,工作方式和手段需要进行必要的调整。近年来，公安刑事侦查信息网络建设发展迅猛，“金盾工程”的实施，为公安刑事侦查部门使用数字化、网络信息化技术奠定了坚实的基础。在公安系统中，通信技术、网络技术和计算机技术为代表的现代化信息技术被越来越广泛地应用，特别是公安信息网络在刑事案件的计算机网络化管理中发挥了巨大作用，提高了公安刑事侦查部门对刑事犯罪信息的处理能力。为了进一步实现信息资源的共享，加大刑事侦查能力，满足刑事侦查部门业务工作的需要，必须使用更先进的信息技术对刑事犯罪信息进行管理和应用。因此，本文设计并实现了联网刑事案件侦查系统。 本文联系实际结合刑事侦查部门的实际工作要求，指出传统C/S两层结构的刑事侦查信息系统存在的弊端，确认SSH三层架构能够有效地解决传统架构存在的一系列问题，其逻辑性及交互性更强，更加安全和方便，因此，确定采用基于新一代SSH三层结构来设计警用联网刑事案件侦查系统。本文在计算机软件工程和设计思路的指导下，重点阐述了刑事案件侦查系统的设计思路和实现方法。设计并实现了联网刑事案件侦查系统的数据库ER图，根据数据库ER图，设计了详细的数据库逻辑结构。在此基础上，完成了对联网刑事案件侦查系统的整体设计。 本文从业务模型着手，对联网刑事案件侦查系统的需求进行了分析，使用UML设计了业务流程图、用例图、功能结构图等。刑事侦查处理流程主要包括受案、立案、侦查、破案、结案五个阶段。系统用例主要包括接报案件用例、受害人用例、嫌疑人用例、现场勘查用例、案件处理用例等内容。系统融合了刑事案件的人、案、物、证、线索等相关信息。所包括的八个子模块分别是现场勘察、受理登记、仪器设备、公文收发、物证档案、技术人员、单位记事、辅助信息模块。各个功能模块根据实际刑事侦查工作情况相互关联，构成完整的刑侦系统。本系统在设计过程中充分考虑到公安部门对数据管理的实际需求，采用了由省级刑侦库与地区刑侦库二级联网的方案。 系统的实现从登录模块开始，通过系统类图、程序代码、程序运行流程图及其操作界面四个方面进行阐述，分别介绍了现场勘查、受理登记、仪器设备、公文收发、物证档案等模块的实现。同时，本文利用SOM网络的聚类功能提供了一种全新的案件分析方式。SOM网络从案发时间、案发区域、作案手段和工具以及袭击目标上寻找刑事案件的相似点。 系统测试结果表明，本系统符合设计要求，用户界面简单友好、操作方便，能够通过用户界面实现对各项相关业务信息的监视、控制与管理。满足了公安部门刑事侦查业务的实际工作需求。
云数据中心能效评估方法研究
这是一篇关于数据中心,服务质量,SOM神经网络,评估模型的论文, 主要内容为近年来数据中心的规模和数量都在不断增长,数据中心的能耗也在逐年升高,对云数据中心能效进行科学客观的评估不仅有利于数据中心的数字化监控,还对数据中心管理者进行任务调度、优化资源分配,提升服务质量等管理决策具有指导意义。因此本文针对云数据中心的能效评估进行研究。具体工作如下:针对现在数据中心服务质量难以定量以及准确评估的问题,我们建立Qo S指标评价体系,分为目标层、指标层、特征层;并提出一种分层Qo S评估方法。(Hierarchical Qo S Evaluation Method,Qo S-HEM)。该方法先对特征层的特征进行预处理,接着在指标层通过用户评价矩阵,获得用户对不同任务的服务质量评分,将评分标准化,最后通过Qo S-HEM模型得到目标层的值,实现数据中心服务质量的实时定量评估。同时本文通过分析云数据中心能效的具体意义与存在的主要问题,依据科学、合理、系统的原则,从能源效率指标、热性能指标、绿色能源指标、服务质量四个方面构建了云数据中心能效评估体系。针对专家评分样本较少而无标签样本较多的问题,本文建立了基于SOM(Self-Organizing Maps)的半监督云数据中心能效评估模型,该模型相比直接采用数量较少的有标签样本训练的模型能更好地学习到专家的评分模式,更适用于云数据中心能效等级评估问题。另外本文开发了一个云数据中心能效评估系统,实现了对云数据中心能效实时评估的功能。
时间序列聚类算法及其在线上商品分析中的应用
这是一篇关于时间序列,聚类分析,商品,k-means,SOM神经网络的论文, 主要内容为近年,我国B2C电子商务行业发展迅速,越来越多的电商平台诞生,虽然活跃买家数也在逐年递增,但是对于商家来说压力亦是只增不减的。而在这个商家和消费者交易的过程中,产生的商品销售数据也是可以缓解商家压力的。通过对数据进行挖掘和分析,研究基于网络消费的各商品之间的内部结构既能反映消费者的消费倾向及其原因,也能指导商家做出对商品价格或品牌等的改进去迎合消费者需求。据此,本文以2019年10月24日-2020年12月31日的食品、衣着和大型家用电器三大类的京东商城线上商品时间序列数据为研究对象,以单价和消除基期的累计评价数为研究变量做时间序列聚类研究。其中采集商品共计207种,数据采集周期为三天,每个商品每次采集约1050条数据,每条数据的特征包括标题链接、店铺名称、商品标题、购买价格和累计评论数。首先从这207种商品中选择出具有代表性的八种商品,对这八种商品从时间维度和商品维度进行描述性统计分析,从时间维度发现各商品的单价和评价数既变化各异也有一定相似性,从商品维度发现了单价贵和受欢迎的商品的集中特性。然后,对这八种商品分别运用k-means聚类、基于特征的SOM神经网络聚类和基于AR模型的SOM神经网络聚类,由聚类结果的可解释性选择出相对最优算法k-means聚类算法。最后将k-means聚类算法运用于基于各商品聚类后的特征时间序列中。结果表明,所选择的k-means聚类算法不但能反映各簇中商品数据的变化,而且能通过各簇的单价和评价数的均值来进行进一步描述。通过对各簇的详细研究,得到优质簇反映的商品特性,不但能反映出京东用户的消费倾向,而且可以为商家在商品选择上提供有效指导和数据支撑,具有极其有利的参考意义。
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：代码港湾 ，原文地址：https://m.bishedaima.com/lunwen/52860.html
