基于改进的K-means算法和SVD算法的推荐算法研究
这是一篇关于SVD算法,K-means算法,最大最小距离,K近邻算法的论文, 主要内容为随着互联网的快速发展,推荐系统进入大众视野,推荐算法层出不穷。电影推荐算法是通过对用户个人信息以及历史操作行为建模,为用户提供准确的、高满意度的电影推荐列表,可以使用户和电影网站实现共赢。针对电影数据集稀疏的问题,本文首先使用每个用户电影评分的平均值填充基础数据集,提高推荐精度,同时利用SVD奇异值分解算法对填充后的数据集进行降维;其次采用肘部法和改进K-means算法分别确定聚类簇的数量k和簇的聚类中心,在传统的K-means聚类算法中,初始聚类中心和k值的选取对聚类结果十分敏感,会直接影响聚类效果,所以本文利用肘部法预估类簇数量k,再使用最大最小距离算法对K-means算法进行改进,完成了初始聚类中心的选取,并根据用户与初始聚类中心的距离进行分配,更新各簇用户的平均值作为聚类中心,得到了最终聚类的簇以及簇的聚类中心;最后采用K近邻算法计算目标用户的相似性,并对其进行分类,当找到目标用户的所属簇后,将目标用户的类别与所属簇的类别标记一致,并在该类别中寻找与目标用户的最近邻,根据这些最近邻的高评分电影形成推荐列表,推荐给用户。在MovieLens电影数据集上进行了仿真实验,实验结果表明本文算法缩小了比对的范围,同时提高了推荐和聚类的准确度以及运行效率,实现了电影推荐的多样化,改善了用户使用的体验感。
基于改进的K-means算法和SVD算法的推荐算法研究
这是一篇关于SVD算法,K-means算法,最大最小距离,K近邻算法的论文, 主要内容为随着互联网的快速发展,推荐系统进入大众视野,推荐算法层出不穷。电影推荐算法是通过对用户个人信息以及历史操作行为建模,为用户提供准确的、高满意度的电影推荐列表,可以使用户和电影网站实现共赢。针对电影数据集稀疏的问题,本文首先使用每个用户电影评分的平均值填充基础数据集,提高推荐精度,同时利用SVD奇异值分解算法对填充后的数据集进行降维;其次采用肘部法和改进K-means算法分别确定聚类簇的数量k和簇的聚类中心,在传统的K-means聚类算法中,初始聚类中心和k值的选取对聚类结果十分敏感,会直接影响聚类效果,所以本文利用肘部法预估类簇数量k,再使用最大最小距离算法对K-means算法进行改进,完成了初始聚类中心的选取,并根据用户与初始聚类中心的距离进行分配,更新各簇用户的平均值作为聚类中心,得到了最终聚类的簇以及簇的聚类中心;最后采用K近邻算法计算目标用户的相似性,并对其进行分类,当找到目标用户的所属簇后,将目标用户的类别与所属簇的类别标记一致,并在该类别中寻找与目标用户的最近邻,根据这些最近邻的高评分电影形成推荐列表,推荐给用户。在MovieLens电影数据集上进行了仿真实验,实验结果表明本文算法缩小了比对的范围,同时提高了推荐和聚类的准确度以及运行效率,实现了电影推荐的多样化,改善了用户使用的体验感。
基于改进的K-means算法和SVD算法的推荐算法研究
这是一篇关于SVD算法,K-means算法,最大最小距离,K近邻算法的论文, 主要内容为随着互联网的快速发展,推荐系统进入大众视野,推荐算法层出不穷。电影推荐算法是通过对用户个人信息以及历史操作行为建模,为用户提供准确的、高满意度的电影推荐列表,可以使用户和电影网站实现共赢。针对电影数据集稀疏的问题,本文首先使用每个用户电影评分的平均值填充基础数据集,提高推荐精度,同时利用SVD奇异值分解算法对填充后的数据集进行降维;其次采用肘部法和改进K-means算法分别确定聚类簇的数量k和簇的聚类中心,在传统的K-means聚类算法中,初始聚类中心和k值的选取对聚类结果十分敏感,会直接影响聚类效果,所以本文利用肘部法预估类簇数量k,再使用最大最小距离算法对K-means算法进行改进,完成了初始聚类中心的选取,并根据用户与初始聚类中心的距离进行分配,更新各簇用户的平均值作为聚类中心,得到了最终聚类的簇以及簇的聚类中心;最后采用K近邻算法计算目标用户的相似性,并对其进行分类,当找到目标用户的所属簇后,将目标用户的类别与所属簇的类别标记一致,并在该类别中寻找与目标用户的最近邻,根据这些最近邻的高评分电影形成推荐列表,推荐给用户。在MovieLens电影数据集上进行了仿真实验,实验结果表明本文算法缩小了比对的范围,同时提高了推荐和聚类的准确度以及运行效率,实现了电影推荐的多样化,改善了用户使用的体验感。
微型变压器自动测试及其品质监测系统设计
这是一篇关于微型变压器,PLC,自动测试,K近邻算法,品质监测系统的论文, 主要内容为目前,微型变压器生产制造技术仍处于半自动化水平。因为检测仪器和生产设备的状况、电性规格参数和产品的品质之间存在非线性关系,所以不合格品中的误判产品筛选困难。这些都导致生产成本过高。因此,设计微型变压器自动测试及其品质监测系统,稳定的执行微型变压器自动测试作业,以及提出基于电性参数的产品品质分类、监测方法,根据微型变压器的电性参数对其品质进行监测并筛选出误判品,旨在保证产品品质的情况下减小生产成本。首先,分析微型变压器测试工艺需求,设计了微型变压器自动测试平台的产品载具、高压测试机构等主要结构图,并选取合适的PLC控制元件,完成微型变压器自动测试及其品质监测系统的PLC控制流程图设计,再完成品质监测系统界面设计。结果表明,该平台对微型变压器实际测试效率约为1600(PCS/H),是半自动测试效率500(PCS/H)的3.2倍,较大的提升了微型变压器的生产效率。为了在不合格品中筛选合格品,建立储存微型变压器电性参数的经验数据库,用5000组微型变压器特征数据训练基于支持向量机(SVM)和K近邻算法的微型变压器品质分类模型,并以500组微型变压器数据测试两种分类模型的准确率。测试结果表明,当松弛变量ε=12时,基于SVM的微型变压器品质分类模型准确率为95.8%。当选邻数K=4时,基于K近邻算法的微型变压器品质分类模型准确率为99.4%,因此,选用K近邻算法作为产线微型变压器品质分类及误判产品筛选模型。最后,根据微型变压器电性参数漏电流、电阻、电感、电压峰峰值建立一种微型变压器品质因数模型,它可以量化微型变压器的品质状况,用于筛选误判产品。基于规格参数区间和品质因数模型提出误判品阈值计算模型,可确定筛选误判的阈值为0.94,即0.94～0.97为潜在不良品区域。用500组微型变压器进行测试,其结果显示,该自动测试及其品质监测系统能够准确计算每个微型变压器的品质因数并筛选出24个误判品。因此,该微型变压器自动测试及其品质监测系统对微型变压器自动产线的智能化管理具有产业价值。
微型变压器自动测试及其品质监测系统设计
这是一篇关于微型变压器,PLC,自动测试,K近邻算法,品质监测系统的论文, 主要内容为目前,微型变压器生产制造技术仍处于半自动化水平。因为检测仪器和生产设备的状况、电性规格参数和产品的品质之间存在非线性关系,所以不合格品中的误判产品筛选困难。这些都导致生产成本过高。因此,设计微型变压器自动测试及其品质监测系统,稳定的执行微型变压器自动测试作业,以及提出基于电性参数的产品品质分类、监测方法,根据微型变压器的电性参数对其品质进行监测并筛选出误判品,旨在保证产品品质的情况下减小生产成本。首先,分析微型变压器测试工艺需求,设计了微型变压器自动测试平台的产品载具、高压测试机构等主要结构图,并选取合适的PLC控制元件,完成微型变压器自动测试及其品质监测系统的PLC控制流程图设计,再完成品质监测系统界面设计。结果表明,该平台对微型变压器实际测试效率约为1600(PCS/H),是半自动测试效率500(PCS/H)的3.2倍,较大的提升了微型变压器的生产效率。为了在不合格品中筛选合格品,建立储存微型变压器电性参数的经验数据库,用5000组微型变压器特征数据训练基于支持向量机(SVM)和K近邻算法的微型变压器品质分类模型,并以500组微型变压器数据测试两种分类模型的准确率。测试结果表明,当松弛变量ε=12时,基于SVM的微型变压器品质分类模型准确率为95.8%。当选邻数K=4时,基于K近邻算法的微型变压器品质分类模型准确率为99.4%,因此,选用K近邻算法作为产线微型变压器品质分类及误判产品筛选模型。最后,根据微型变压器电性参数漏电流、电阻、电感、电压峰峰值建立一种微型变压器品质因数模型,它可以量化微型变压器的品质状况,用于筛选误判产品。基于规格参数区间和品质因数模型提出误判品阈值计算模型,可确定筛选误判的阈值为0.94,即0.94～0.97为潜在不良品区域。用500组微型变压器进行测试,其结果显示,该自动测试及其品质监测系统能够准确计算每个微型变压器的品质因数并筛选出24个误判品。因此,该微型变压器自动测试及其品质监测系统对微型变压器自动产线的智能化管理具有产业价值。
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：源码项目助手 ，原文地址：https://m.bishedaima.com/lunwen/56100.html
