公共文化服务平台

共 8 条记录，以下是 1-7

全选清除导出

排序方式：

一种基于自适应学习率的推荐优化算法模型被引量：1: 2019年; 在预测推荐系统中用户和项目构成的高维稀疏矩阵中的缺失值时,通常采用随机梯度下降算法对构造的隐因子(LF)模型进行求解,由于在求解过程中,学习速率始终保持不变,这使得在模型训练过程中模型的性能有所损失。因此,本文将构造一种带有自适应学习率的随机梯度下降算法的LF模型(ADA_LF)来处理推荐系统中的高维稀疏矩阵。采用大型工业数据集对模型进行实验测试,结果表明,采用ADA_SGD算法构建的LF模型在收敛速率、预测精度上都有明显提升,提高了模型的性能。; 熊彬贺春林周坤; 关键词：自适应学习率推荐系统

结合L1和L2正则化约束的隐语义预测模型研究被引量：5: 2019年; 在大数据领域中预测高维稀疏矩阵中的缺失数据,通常采用随机梯度下降算法构造隐语义模型来对缺失数据进行预测。在随机梯度下降算法来求解模型的过程中经常加入正则化项来提高模型的性能,由于L1正则化项不可导,目前在隐语义模型中主要通过加入L2正则化项来构建隐语义模型(SGD_LF)。但因为L1正则化项能提高模型的稀疏性增强模型求解能力,因此提出一种基于L1和L2正则化约束的隐语义(SPGD_LF)模型。在通过构建目标函数时,同时引入L1和L2正则化项。由于目标函数满足利普希茨条件,并通过二阶的泰勒展开对目标函数进行逼近,构造出随机梯度下降的求解器,在随机梯度下降求解隐语义模型的过程中通过软阈值来处理L1正则化项所对应的边界优化问题。通过此优化方案,可以更好地表达目标矩阵中的已知数据在隐语义空间中的特征和对应的所属社区关系,提高了模型的泛化能力。通过在大型工业数据集上的实验表明,SPGD_LF模型的预测精度、稀疏性和收敛速度等性能都有显著提高。; 王德贤何先波贺春林周坤陈敏治

自适应高效深度跨模态增量哈希检索算法: 2023年; 针对现阶段深度跨模态哈希检索算法无法较好地检索训练数据类别以外的数据及松弛哈希码离散化约束造成的次优解等问题,提出自适应深度跨模态增量哈希检索算法,保持训练数据的哈希码不变,直接学习新类别数据的哈希码。同时,将哈希码映射到潜在子空间中保持多模态数据之间的相似性和非相似性,并提出离散约束保持的跨模态优化算法来求解最优哈希码。此外,针对目前深度哈希算法缺乏有效的复杂度评估方法,提出基于神经网络神经元更新操作的复杂度分析方法,比较深度哈希算法的复杂度。公共数据集上的实验结果显示,所提算法的训练时间低于对比算法,同时检索精度高于对比算法。; 周坤徐黎明郑伯川谢亦才

基于梯度的分层成链路由协议的优化改进: 2016年; 能源的有限性制约着无线传感器网络的生命周期,而节点间的通信消耗了绝大多数能量,所以无线传感器路由协议的设计决定着网络生命周期的长短。结合LEACH和PEAGSIS协议的特点,对基于梯度的无线传感器网络做了以下几点改进:1在簇头的选择算法方面,将网络平均能量、包接受率和节点与基站的距离纳入了算法;2簇内成链阶段在考虑链长门限值的同时增加了备用下一跳节点;3在链的重建设定上提出了一种能量折半的思想。经实验论证,算法在延长网络生命周期和减少端到端数据时延方面有明显改进。; 周坤李宝林李仕伟张刚元; 关键词：LEACH PEGASIS

一种基于M-Bisearch的最大频繁项集挖掘算法研究: 2016年; 大数据分析的理论核心就是数据挖掘,关联规则挖掘算法是数据挖掘的重要分支,其包含频繁项集的生成和关联规则的产生两个步骤,频繁项集的生成过程中算法开销占据很大成本。从最大频繁项集的性质入手,在改变数据存储结构的基础上采用M-Bisearch的思想,通过对存储空间进行压缩来减少扫描次数和降低支持度计算开销,从而达到提升算法执行效率的目的。实验表明,改进算法在处理中长模式的频繁项集挖掘问题时具有明显的优越性。; 李宝林周坤李仕伟; 关键词：关联规则频繁项集最大频繁项集

MySQL数据库优化技术被引量：6: 2016年; MySQL数据库是开源数据库之一,它拥有良好的运行效率,如何进一步提高MySQL数据库运行效率是数据库应用领域面临的问题之一。影响MySQL执行效率的因素涉及很多方面,笔者将从索引技术、数据库设计结构优化和数据库语句优化等方面对数据库进行优化。; 李仕伟周坤刘新蕊李宝林; 关键词：数据库优化索引技术运行效率

大数据挖掘技术在在线教育平台中的应用浅析被引量：4: 2016年; 在我国,随着信息化技术的高速发展,教育信息化也备受关注,教育信息化的思想冲击着传统的教学模式和教育理念,而教育信息化也是教育改革过程中至关重要的推动力和支撑,国家已经将教育信息化的发展提高到了战略高度。在线教育平台的发展对教育信息化的推动起着至关重要的作用。; 李仕伟周坤杨艳秋李宝林; 关键词：大数据 K-MEANS 在线教育平台

全选清除导出

共1页<1>

周坤