导读:本文包含了过滤模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,系统,概率,算法,蜂群,解释性,燃气轮机。
过滤模型论文文献综述
李延红,刘浩,黄少文,翟霄雁[1]（2019）在《一种基于DPF过滤效率修正的碳载量模型计算方法》一文中研究指出为准确进行DPF主动再生触发时刻判断,本文提出了一种基于DPF过滤效率修正的碳载量模型,并在中国典型城市公交循环(CCBC)测试循环和中国重型商用车辆瞬态循环(C-WTVC)测试循环下进行了试验。试验结果表明:CCBC测试循环中碳载量模型计算值与碳载量称重值误差在12%左右,C-WTVC测试循环碳载量模型计算值与碳载量称重值误差在13%左右,满足工程应用要求。(本文来源于《汽车电器》期刊2019年11期）
刘海博,冯时,于戈[2]（2019）在《一种基于旁信息增强的协同过滤自动编码器模型》一文中研究指出针对用户评分预测不准确的问题,提出了一种基于旁信息(side-information)对用户兴趣进行预测的协同过滤自动编码器推荐模型,给出了模型的设计原理、损失函数以及具体结构.模型使用单隐藏层自动编码器实现,用户评分与旁信息同为模型的输入/输出数据,旁信息也直接参加模型的训练,这种设计不仅降低了模型的规模和复杂度,而且旁信息可以直接对用户兴趣进行修正.同时,通过对训练数据集合的合理划分与扩充,使得训练的网络模型增加了表达能力.在真实数据集上的对比实验表明,本文提出的方法提高了评分预测的准确度,具有一定的实用价值.(本文来源于《东北大学学报(自然科学版)》期刊2019年11期）
王涵,夏鸿斌[3]（2019）在《LDA模型和列表排序混合的协同过滤推荐算法》一文中研究指出基于排序学习的协同过滤推荐算法受数据稀疏性的影响,出现了推荐不准确性的问题。为此,文中提出了一种结合LDA主题模型和列表排序的混合排序学习协同过滤算法。该算法首先使用LDA主题模型对用户-项目评分矩阵建模,获取用户潜在低维主题向量来度量用户之间的相似度;然后通过列表排序学习函数为用户直接预测满足其偏好的排序列表。在Movielens和EachMovie两个真实数据集上的实验结果表明:该算法可以避免排序学习算法由于用户间共同评分信息过少引起的相似度计算不准确的问题,同时体现出了排序推荐的优越性,有效缓解了数据稀疏性带来的影响,提高了推荐准确度。(本文来源于《计算机科学》期刊2019年09期）
白云山,田鑫,刘志敏[4]（2019）在《燃气轮机进气过滤系统滤网更换周期优化模型研究》一文中研究指出作为拦截空气中污染颗粒的屏障,进气系统对燃气轮机运行的安全性和经济性意义重大。随着运行时间的增加,进气压损逐渐升高,从经济性方面对进气过滤系统的更换周期进行研究具有现实意义。探讨了多级过滤系统更换成本需要考虑的主要因素及计算方法,以单位发电量的滤网更换成本最小化为目标,提出了多级进气过滤系统更换周期的优化模型。对某燃气轮机进气系统的粗滤和精滤更换周期进行优化,单位发电量的滤网更换成本比优化前减少了1. 2%。此外还探讨了天然气价格和滤网初始成本对多级过滤系统最佳更换周期及单位发电量滤网更换成本的影响,可为多级进气过滤系统更换周期的决策提供参考。(本文来源于《华电技术》期刊2019年08期）
邹海涛,陈沁梅[5]（2019）在《基于信任网络与协同过滤的自适应推荐模型研究》一文中研究指出传统组合推荐算法采用静态参数平衡协同过滤模块与社交网络模块比重,没有考虑用户自身特性.为解决上述问题,文中提出基于局部网络拓扑结构的组合模型,该模型引入聚簇系数,结合用户自身购买历史及社交网络特征,自适应调整模块融合比例,从而达到提高推荐准确度的目的.运用Epinions以及Flixster数据集对文中自适应推荐模型进行模拟,实验结果表明:基于信任网络与协同过滤的自适应组合推荐框架优于静态组合推荐模型,该模型能够有效改善推荐准确度,提高推荐效率.(本文来源于《江苏科技大学学报(自然科学版)》期刊2019年04期）
傅勉[6]（2019）在《基于多层过滤和动态概率模型的试题抽取算法研究》一文中研究指出针对研究生考试涉及课程门类众多,内容要求灵活多变,并且存在数门课程合并出卷的特点,提出一种将多层过滤模型和动态概率模型相结合的试卷抽取方法,首先通过多层过滤模型层层过滤出符合出题要求的试题,然后使用动态概率模型对所有试题按照一定概率进行动态调整。结果表明试题分布合理,完全能够满足研究生考试试题抽取的需求。(本文来源于《西昌学院学报(自然科学版)》期刊2019年02期）
汪苗苗,焦学磊[7]（2019）在《概率数学模型在数据过滤中的应用研究》一文中研究指出为了提高对海量数据的检测过滤能力,提出基于概率数学模型的数据过滤方法,采用描述性统计分析方法构建大数据过滤的统计特征分析模型,采用高阶累积量进行数据过滤的概率密度特征统计量设计,结合模糊数学推理进行数据过滤的检测统计量分析,在海量数据环境下根据检测统计量分布的概率密度进行回归分析,采用阈值检验和门限判决方法,实现数据过滤。数据测试结果表明,采用该方法进行大数据过滤的准确性较好,数学模型的可靠性和收敛性较好。(本文来源于《科技通报》期刊2019年06期）
李艳娟,牛梦婷,李林辉[8]（2019）在《基于蜂群K-means聚类模型的协同过滤推荐算法》一文中研究指出针对目前协同过滤推荐算法的推荐质量和推荐效率低的问题,提出了一种基于改进蜂群K-means聚类模型的协同过滤推荐算法。首先,根据用户属性信息,采用改进蜂群K-means算法对用户进行聚类,建立用户聚类模型;然后,计算目标用户与用户聚类模型中各聚类中心的距离,其中距离最近的类为目标用户的检索空间;最后,从检索空间中依据用户-项目评分矩阵通过相似度计算搜索目标用户的最近邻居,由最近邻居的信息产生推荐列表。实验结果表明,该算法降低了平均绝对误差值,缩短了运行时间,提高了推荐质量和推荐效率。(本文来源于《计算机工程与科学》期刊2019年06期）
谢恩宁,何灵敏,王修晖[9]（2019）在《基于注意力机制的深度协同过滤模型》一文中研究指出目的:鉴于近年来深度学习技术在计算机视觉、语音识别和自然语言处理等领域获得了巨大的成功。故将深度学习技术引入推荐系统领域,用来提升传统协同过滤方法在隐式反馈数据下的推荐效果。方法:结合深度神经网络和注意力机制可以有效提取隐式反馈数据中潜在的特征,提出了基于注意力机制的深度协同过滤模型。结果:在多个公开的数据集下进行了大量的实验,结果表明提出的模型在多项评价标准上要明显优于其它推荐算法。结论:基于注意力机制的深度协同过滤模型成功地改善了推荐系统在隐式反馈数据下的推荐性能。(本文来源于《中国计量大学学报》期刊2019年02期）
王硕[10]（2019）在《基于模型的协同过滤推荐算法研究》一文中研究指出随着“互联网+”时代的到来,信息数据快速累积,数据量呈现爆炸式增长,如何快速高效地获取所需信息成为互联网高速发展中急需解决的问题。现有信息检索过滤技术不能完全满足各类用户的需求,如何提供个性化信息服务成为互联网发展中的研究热点。个性化的推荐技术根据用户历史行为,分析用户偏好。提供个性化的信息服务,满足用户需求,给用户更好的服务体验,成为用户获取信息的重要工具之一。本文致力于分析基于模型的协同过滤推荐算法。本文主要创新点和工作如下:(1)提出一种基于邻居关系的具有可解释性的矩阵分解算法。传统的矩阵分解模型具有良好的准确性,但存在模型不可解释的缺点。本文在矩阵分解中引入可解释性参数,添加可解释性约束项,在隐空间中加入邻居关系,解决矩阵分解模型可解释性的问题,提升推荐算法的可解释性。首先考虑如何更完善、合理地生成可解释性矩阵,在可解释性矩阵生成时引入相似用户的不同权重。然后在隐空间中考虑邻居关系的影响,将邻居关系引入隐空间,使得相似邻居在隐空间中的距离互相靠近。最后将邻居权重引入隐空间向量中,实现模型具有更好的准确性和可解释性的目的。(2)提出一种引入基本辅助信息的神经网络协同过滤模型。神经网络具有较好的拟合特性,能够逼近任意的连续函数,有效地捕获用户和物品间的关系。本文基于用户评分矩阵,利用神经网络挖掘用户和物品的关键交互关系——协同过滤关系。在此基础上,直接引入用户和物品的基本信息,将协同过滤信息与基本信息在神经网络中融合为整体。进一步考虑基本信息中存在的统计关系,将挖掘得到的统计信息引入神经网络,加强用户和物品之间的联系,达到更好的推荐效果。(本文来源于《北京邮电大学》期刊2019-05-31）
过滤模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对用户评分预测不准确的问题,提出了一种基于旁信息(side-information)对用户兴趣进行预测的协同过滤自动编码器推荐模型,给出了模型的设计原理、损失函数以及具体结构.模型使用单隐藏层自动编码器实现,用户评分与旁信息同为模型的输入/输出数据,旁信息也直接参加模型的训练,这种设计不仅降低了模型的规模和复杂度,而且旁信息可以直接对用户兴趣进行修正.同时,通过对训练数据集合的合理划分与扩充,使得训练的网络模型增加了表达能力.在真实数据集上的对比实验表明,本文提出的方法提高了评分预测的准确度,具有一定的实用价值.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
过滤模型论文参考文献
[1].李延红,刘浩,黄少文,翟霄雁.一种基于DPF过滤效率修正的碳载量模型计算方法[J].汽车电器.2019
[2].刘海博,冯时,于戈.一种基于旁信息增强的协同过滤自动编码器模型[J].东北大学学报(自然科学版).2019
[3].王涵,夏鸿斌.LDA模型和列表排序混合的协同过滤推荐算法[J].计算机科学.2019
[4].白云山,田鑫,刘志敏.燃气轮机进气过滤系统滤网更换周期优化模型研究[J].华电技术.2019
[5].邹海涛,陈沁梅.基于信任网络与协同过滤的自适应推荐模型研究[J].江苏科技大学学报(自然科学版).2019
[6].傅勉.基于多层过滤和动态概率模型的试题抽取算法研究[J].西昌学院学报(自然科学版).2019
[7].汪苗苗,焦学磊.概率数学模型在数据过滤中的应用研究[J].科技通报.2019
[8].李艳娟,牛梦婷,李林辉.基于蜂群K-means聚类模型的协同过滤推荐算法[J].计算机工程与科学.2019
[9].谢恩宁,何灵敏,王修晖.基于注意力机制的深度协同过滤模型[J].中国计量大学学报.2019
[10].王硕.基于模型的协同过滤推荐算法研究[D].北京邮电大学.2019
论文知识图
