给大家推荐9篇关于KNN算法的计算机专业论文

今天分享的是关于KNN算法的9篇计算机毕业论文范文, 如果你的论文涉及到KNN算法等主题,本文能够帮助到你

基于邻域协同过滤推荐算法的研究及应用

这是一篇关于协同过滤,推荐系统,KNN算法,Slope One算法的论文, 主要内容为互联网的快速发展迎来电子商务繁忙时代,同时也衍生出信息过载问题。电影是人们日常生活中比较热门的娱乐休闲项目,如何从海量的电影资源中快速找到用户喜欢的电影并推荐给用户。为了解决这个问题,电影推荐系统应运而生,其核心思想是根据用户的偏好以及观影动作行为,使用算法程序自动的为目标用户推荐其感兴趣的电影信息。在推荐系统中,协同过滤推荐算法技术的应用最为广泛,但是,目前仍存在数据稀疏和噪声数据干扰等问题,使推荐系统的准确度有所下降。为了解决上述存在的问题,本文在前人研究基础上提出了算法改进,将KNN算法和Slope One算法进行优化,提出了基于影响因子的KNN算法和基于KNN邻域的加权Slope One算法,目的是为了提升推荐算法的准确性,并在电影推荐系统中加以实现,具体内容如下:(1)详细阐述推荐系统的研究背景和意义,从推荐系统中推荐算法的角度分别对国内外研究状况进行了介绍,确定了本文主要研究的内容,同时研究了推荐系统的算法及流程,分析协同过滤推荐算法中存在的问题。(2)对于传统的推荐算法中的KNN算法存在的问题,如噪声数据的干扰问题、不同相似度的近邻用户对评分影响作用相同导致的预测准确度下降的问题,提出了一种基于影响因子的KNN改进算法。该算法目的是让最相近用户的评分在最终的评分结果中占据更大的权重,利用MovieLens数据集进行验证,实验结果表明,改进的KNN算法不但能避免噪声数据对预测结果的影响,还能提高KNN算法预测评分的准确度。(3)对于Slope One算法中存在的相似度极低削弱高相似度的作用效果问题,提出了一种基于KNN邻域的Slope One改进算法。该算法首先从目标用户中发现相似度高的K个用户开始,然后根据这些K个用户的评分来计算目标项目对其它项目的偏差大小,通过引入偏差来预测目标用户对该项目的评分。实验结果表明,基于KNN邻域的Slope One改进算法能够使用少量但质量高的评分去预测评分,不但在一定程度上改善协同过滤中存在的数据稀疏性问题,还可以提高Slope One算法中预测评分的准确度。(4)根据目前资讯类电影网站的不足,设计并实现基于以上改进算法的电影推荐系统,该系统具备电影的发布、删除、修改、查询和推荐等功能,不仅能够查看电影同时能分析用户的兴趣偏好,形成准确的推荐列表,提升用户体验,从根本上解决传统电影资讯网站的弊端。

基于Hadoop的SRS学生推荐系统的设计与实现

这是一篇关于推荐系统,数据挖掘,Hadoop,HBase,KNN算法的论文, 主要内容为随着数据量的日益增加,大数据时代已经到来。大学通过历年的招生办学存储了大量的学生数据,申请学校的留学生们在选择学校进行申请的过程中也产生了大量数据。一方面,大量数据使得学校存储系统难以进行数据存储,快速查询和数据分析处理并且造成了大量数据资源的浪费。另一方面,学生在选择留学和申请专业前,不清楚什么专业适合自己学习。针对这些问题,高校可以重新分析积攒的学生数据,进行数据挖掘和数据分析,使信息管理更高效,通过专业测评进行专业推荐。为了实现学生专业推荐功能,针对大量学生数据进行数据挖掘,静态分析,我们开发了基于Hadoop的SRS学生推荐系统。本系统基于Hadoop平台,使用Servlet实现客户端与服务器端的通讯。首先通过静态分析和提取影响因子的方法分析原始数据,设计系统框架;其次结合HDFS和HBase存储管理大量学生数据;再通过MapReduce框架和KNN邻近算法处理数据;最终通过Severs生成能适合目标学生的推荐大学专业信息列表呈现给学生用户。该项目主要工作包括数据挖掘,数据预处理,网页设计,网站架构设计与实现。SRS学生推荐系统的主要功能是系统根据上传的学生信息自动推荐给匹配该学生的专业;管理员和老师按照学生学号搜索学生的信息;统计分析学生信息和根据数据分析图预测学生GPA,并且已经实现。在不久的将来,该SRS学生推荐系统将与大学生管理系统进行整合。

基于JADE平台的网络信息搜索与集成系统

这是一篇关于多Agent技术,JADE,信息搜索与集成,异构的,KNN算法的论文, 主要内容为在信息高度发达的今天,人们对信息的获取越来越多地依赖于互连网,但是现有的这种大海捞针式的信息搜索方式越来越难以满足用户的需求,要搜索到用户需要的且合适的信息变得越来越困难。因此新的信息搜索与集成技术呼之欲出。本文致力于构建一个以JADE(Java Agent DEvelopment Framework)平台为基础的信息搜索与集成系统,并将人工智能的研究结果引入到网络信息搜索与集成当中,以进一步提高了搜索效率和搜索的准确性。首先,分析了网络信息搜索与集成的关键技术,在此基础之上,逐步给出了网络信息搜索与集成系统的构造过程。系统包括搜索和查询两个部分,各部分都由Agent之间相互协作来完成,其中搜索部分是系统实现的关键,在这部分中,通过网络爬虫Agent在Internet上搜集信息,形成一个原始数据库;网页分类Agent应用KNN算法对原始数据进行分类,以此完成网络信息的搜索与集成过程。查询部分中,通过镶嵌在JSP页面中的用户接口Agent来实现与用户的交互;采用JDBC桥技术来实现查询Agent对数据库的访问,完成查询过程。最终实现了一个基于JADE平台的网络信息搜索与集成的系统原型。

一种可穿戴式红外快速响应的体温实时监测系统

这是一篇关于可穿戴式,快速响应,异构网络,KNN算法,时间序列模型,实时监测平台的论文, 主要内容为近年来新型冠状肺炎病毒肆虐,人体体温作为病情初步判断的重要标准之一,在防控检疫和健康监测方面具有重要的参考作用。在医院急症科室、重症监护室等场合,往往需要对体温进行实时连续监测,如在患者的腋下、肛门等位置佩戴上测温端子以用于实时连续的体温监测;在ICU心肺手术中,可在患者体内植入测温设备,利用人体循环系统对核心温度进行实时连续测量。以上所述的传统连续测温方式,不仅存在设备昂贵、稀缺等缺点,且对人体有一定的入侵性,可能会使部分患者产生抵触心理。此外,该类测温设备通常采用热导原理进行测温,其温度检测响应速率较为缓慢。根据这类问题,本文设计出一种可穿戴式红外快速响应实时体温监测系统。为满足可穿戴、快响应的需求,本文设计了可穿戴快响应的测温硬件模块,其包括:体温监测终端和异构网络。体温监测终端使用了两个MLX90614＿DCC红外温度传感器来组成测温核心模块,温度数组是由MLX90614＿DCC中的环境温度和红外温度构成,系统采用分类算法得到两温度之间的关系,达到快速响应测温的目的。数据传输异构网络模块包含Zigbee和GPRS两个部分,其用于实现通信协议的转换、体温数据的打包处理以及无线传输的功能。组建异构网络可实现将内网数据传输至外网的目的,供给后续服务器,即可实现体温数据在线实时处理的相关功能。为满足系统实时在线监测的需求,系统基于Java语言开发了后台数据服务器和Web服务监测平台。系统在服务器内部内嵌了算法,用于在线实时处理数据并将数据保存到后台数据库,并通过Web服务器实现温度数据和预测温度的实时查询功能。内嵌算法采用了基于KNN的异常数据滤除算法,通过训练参数K的数值,对异常温度进行滤除整合,以此来提高温度数据的可靠性;系统采用两个传感器组成测温阵列以达到多点测量的目的并应用分类算法训练,以提高温度数据的精准度;系统采用基于时间序列预测模型ARIMA算法,对用户的体温数据进行训练,通过自相关函数和偏相关函数估算模型的阶数并用AIC与BIC准则进行阶数检验,在确定模型的p,q,d阶数后,根据体温序列的稳定性特征,算法采用矩估计的方法求解p+q+d个未知参数,从而得出算法模型函数。在进行体温预测时,算法模型设置了预测序列置信区间和预测步长,实时对用户的体温变化趋势进行预测;系统基于企业级SSM框架开发了Web服务监测平台,该平台不仅能将界面信息和数据库信息一一对应,还可实现体温的实时在线查询、历史记录查询等功能。最后,系统对红外可穿戴体温采集终端、网关、数据服务器和后台管理系统的整体功能进行功能测试,同时检验了嵌入的数据服务器中KNN异常数据滤除算法和时间序列预测模型ARIMA算法的功能性与准确度,检验了系统的可行性以及测量效果。

面向近邻实体与实体描述的知识图谱补全模型研究

这是一篇关于知识图谱,知识图谱补全,KNN算法,图记忆网络,实体描述的论文, 主要内容为知识图谱以结构化的方式表示并存储客观事实,将互联网的海量信息整合为知识网络。目前,知识图谱已被广泛应用于各种知识驱动任务中,如智能问答、个性化服务、搜索引擎及智能对话系统等。由于数据的私密性与不完整性,各领域知识图谱中仍存在大量未知关系,因此,知识图谱的补全工作尤为重要。本文针对传统知识图谱补全模型的缺陷展开研究,提出基于近邻实体的知识图谱补全模型。该模型通过分析实体之间的相似性来推断缺失的关系,为解决知识图谱中的长尾问题提供了有效的方法,并在提高稀疏实体表示性能方面做出贡献。此外,本文提出融入多源信息的知识图谱补全模型,该模型在近邻实体的基础上对实体描述信息进行整合,实现对实体的多方面建模。本文的创新与贡献如下:(1)本文主要利用中华全国总工会网和青岛总工会系统的荣誉奖项和劳动模范数据,构建了面向工会劳模领域的知识图谱,并使用Neo4j图数据库对其进行存储。该知识图谱为本文提出的补全模型的验证提供真实数据集,同时也为相关领域的研究提供有价值的数据资源。(2)针对知识图谱中邻居节点分布不平衡问题,本文提出两个基于近邻实体的知识图谱补全模型,即基于KNN近邻实体的知识图谱补全模型(NNKGE)和基于改进KNN近邻实体的知识图谱补全模型(RNNKGE)。NNKGE模型应用KNN算法于知识图谱补全任务,利用基于KNN的近邻实体辅助构建知识图谱的实体向量;RNNKGE模型在此基础上进一步改进,将关系考虑到KNN算法中,以获得更加符合特定场景的近邻节点。通过在公开数据集和本文创建的工会劳模数据集上的实验结果表明,近邻实体能够有效提高知识图谱的完整性。此外,本文从公开数据集中选取关联事实较少的稀疏实体组成新的数据集,并通过实验证明了本文模型能够有效提高稀疏实体的表示性能。(3)针对辅助信息单一的问题,本文提出融入多源信息的知识图谱补全模型(DAKN)。该模型在RNNKGE模型的基础上,进一步结合实体的描述信息,以获得更加全面、准确的知识表示。DAKN模型分别对目标实体的近邻实体和描述文本进行编码,并联合学习其结构特征和语义特征。在公开数据集和本文构建的劳模知识图谱上的实验结果表明,该模型在各个评估指标中均获得了不同程度的提升,提高了知识图谱的补全效果。

地下停车场的服务器端应用设计与实现

这是一篇关于KNN算法,宽度优先遍历算法,生产者消费者模式,Spring Security的论文, 主要内容为随着私家车数量日益增多,地下停车场在车位管理和停车服务等方面存在着诸多不足。主要表现为车位利用率低,无法提供定位服务,寻找空闲车位困难等。为此本文设计了地下停车场的服务器端应用,通过与手机客户端、电信云平台和智能车位锁设备建立连接为用户提供一套完整的解决方案。地下停车场的服务器端应用是整个解决方案中最重要的环节,其分为三大部分,分别为用户功能部分、与电信云平台对接部分以及后台管理系统。用户功能部分根据用户需求分析,主要设计了定位、导航、车位预约以及支付功能。基于KNN算法实现的定位功能,解决了用户在地下停车场中无法进行定位的问题,也是路线导航的基础。基于宽度优先遍历算法的导航算法,能够规划出用户当前位置到指定停车位的最短路线,用户可以根据服务器端应用返回给手机客户端的导航路线进行快速停车。通过异步任务、延时任务以及生产者消费者模式实现的车位预约功能,实现了用户提前预定地下停车场中空闲车位的功能,避免了用户在达到目标车位前,该车位被其他人抢先占用的情况。支付功能的实现依托于微信支付系统,通过调用微信支付API发起支付操作,完成操作后会更新支付状态。后台管理系统为管理员提供数据管理功能,主要包括WiFi强度数据上传、地下停车场信息的管理、订单信息以及用户信息的管理等。其中后台管理系统中最重要的部分是数据与系统的安全,所以本文重点设计和实现了其安全性能。通过引入Spring Security安全框架,系统便可以方便的完成用户认证和权限控制,从而拦截非法的请求和根据用户的不同权限提供不同功能。与电信云平台对接部分包括向电信云平台发送控制命令、处理电信云平台的回调请求等。电信云平台会通过CoAP协议来车位控制设备,地下停车场服务器端应用与电信云平台进行成功对接后,其服务器端应用便可以间接地控制车位锁控制设备。在完成服务器端应用开发的基础上,本文从数据库优化、应用架构优化两个方面对系统进行了优化。然后,本文对系统的功能和性能进行了测试,从测试结果得,功能和性能均满足系统要求。最后,本文对服务器端应用存在的问题进行了总结,并对后续扩展和升级进行了展望。