-
题名图实现的成对分解方法
- 1
-
-
作者
钱建平
-
机构
南京理工大学信息学院
-
出处
《南京理工大学学报》
EI
CAS
CSCD
1999年第6期494-498,共5页
-
文摘
在Ｍａｙｅｄａ 的由矩阵实现为图的方法中，当存在多个Ｈ 子矩阵时形成一对Ｍ 子矩阵较困难，对此，该文研究了连通块的连接性质，提出了利用连通块的邻接概念对Ｈ 子矩阵进行分类判断，解决了在各种情况下一对 Ｍ 子矩阵的形成问题。该文又提出了图实现的成对分解法，它不但具有Ｍａｙｅｄａ 方法的优点，而且适用性和实用性更强，简便有效。
-
关键词
网络分析
图实现问题
网络拓扑学
成对分解方法
-
Keywords
network analysis, matrix,decomposition
-
分类号
O157.5
[理学—基础数学]
-
-
题名基于RVM的多类分类概率输出方法
被引量：4
- 2
-
-
作者
李睿
王晓丹
-
机构
空军工程大学防空反导学院
-
出处
《计算机科学》
CSCD
北大核心
2017年第3期242-246,共5页
-
基金
国家自然科学基金项目:基于多特征融合和集成学习研究的多目标识别技术研究(61273275)
国家自然科学基金项目:基于SVM集成和证据理论的多传感器目标识别技术研究(60975026)资助
-
文摘
基于相关向量机(Relevance Vector Machine,RVM)可以输出各类别成员概率的特点,对RVM二分类模型分别采用多元sigmoid方法和pairwise coupling方法,将其扩展为一对多分类器和一对一分类器,实现了多类分类及概率输出。基于人工高斯数据集和UCI数据集的实验仿真结果表明,所提方法不仅能够准确地求解样本后验概率,而且运行效率也比较高,同时能够保证较高的分类正确率。
-
关键词
相关向量机
多类分类概率
成对分解
-
Keywords
RVM, Multi-class probability, Pairwise coupling
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于潜在标签挖掘和细粒度偏好的个性化标签推荐
被引量：3
- 3
-
-
作者
李红梅
刁兴春
曹建军
张磊
冯钦
-
机构
陆军工程大学
国防科技大学第六十三研究所
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第1期34-39,共6页
-
基金
国家自然科学基金资助项目
中国博士后科学基金资助项目.
-
文摘
为进一步提高个性化标签推荐性能,针对标签数据的稀疏性以及传统方法忽略隐藏在用户和项目上下文中潜在标签的缺陷,提出一种基于潜在标签挖掘和细粒度偏好的个性化标签推荐方法。首先,提出利用用户和项目的上下文信息从大量未观测标签中挖掘用户可能感兴趣的少量潜在标签,将标签重新划分为正类标签、潜在标签和负类标签三类,进而构建〈用户,项目〉对标签的细粒度偏好关系,在缓解标签稀疏性的同时,提高对标签偏好关系的表达能力;然后,基于贝叶斯个性化排序优化框架对细粒度偏好关系进行建模,并结合成对交互张量分解对偏好值进行预测,构建细粒度的个性化标签推荐模型并提出优化算法。对比实验表明,提出的方法在保证较快收敛速度的前提下,有效地提高了个性化标签的推荐准确性。
-
关键词
个性化标签推荐
潜在标签挖掘
贝叶斯个性化排序
成对交互张量分解
-
Keywords
personalized tag recommendation
potential tag mining
Bayesian personalized ranking
pairwise interaction tensor factorization
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
