简介：为研究用户的相似性对协同过滤个性化推荐算法的影响,认为用户的有向相似性应该由邻居用户指向目标用户,而非由目标用户指向邻居用户。基于该思想,提出了一类改进的协同过滤算法。通过对Movielens数据集的实验分析,结果发现改变用户相似性的方向可大幅提高推荐结果的准确度和推荐列表的多样性。进一步,强化相似度高的用户的推荐强度可大幅提高推荐效果,算法的准确性可提高17.94%,达到0.0864,当推荐列表的长度为10时,推荐列表的多样性可达到0.8929,提高20.9%。该工作表明用户相似性的方向是否合理对推荐算法具有非常大的影响。

简介：综合了经典的协同过滤算法和基于网络结构的个性化推荐算法。项目同其他所有项目的相似度之和被认为是项目在个性化推荐系统中的初始推荐资源,然后通过二部图的网络结构将这种资源进行重新分配。同时考虑两个项目之间的相互作用关系,提出了最终的推荐算法。最后,根据用户未曾收集项目最终所获得的资源进行排序,向用户推荐资源最多的项目。通过考察项目之间相互作用可以发现,推荐系统的算法衡量指标不能同时达到最优。同时为了进一步增强算法的可扩展性,引入了一个度指数来调节算法,这样在实际应用中就可以根据需要,通过调整项目之间的相互作用以及项目自身的度指数,达到最好的用户体验和系统多样性。

简介：本文通过分析、研究用户身份认证、访问控制原理及J2EEServlet过滤器技术，在基于Web应用系统特点和J2EEServlet过滤器技术的基础上，提出了企业信息化应用系统的统一用户身份认证与访问控制的实现方法，并在J2EE应用框架中得到了应用。

简介：摘要机器学习已经广泛的应用于众多疾病的辅助诊断中，分类集成学习通过构建多个学习器来完成特定学习任务，再通过特定的策略将他们结合起来。阿尔茨海默症由于其病因和疾病发展经历了较为漫长的过程。本研究使用对早期、晚期轻度认知障碍、阿尔茨海默症及正常老年人进行分组特征提取。优化使用可以提高分辨率的PCA-FLDA集成分类器对前期提取的数据进行分类集成，最大限度的降低了前期特征提取中不同分类方式对空间划分的依赖性。