简介:针对空气污染物氨气、乙醇、氨气乙醇混合气体,搭建在线检测电子鼻系统.采用不同的特征提取方法得出特征,并利用主成分分析(PCA)和线性判别式分析(LDA)做类别区分.结果显示,利用传感器响应最大值特征和LDA能更好地区分三类气体.利用最大响应值特征,采用多层感知器(MLP)神经网络和粒子群(POS)优化的支持向量机(SVM)对110个测试样本分类.结果显示,MLP神经网络的正确率为70%,POS优化的SVM正确率为96.3640%.最后,根据Loadings分析,剔除了TGS2602,MQ138,MQ3传感器,优化了传感器阵列.结果表明,该在线电子鼻系统能够应用到这三类空气污染物分类.
简介:LDA主题模型是文本挖掘领域的重要算法,同时在推荐系统当中也有不错的表现.通过LDA主题模型挖掘用户感兴趣的主题,是目前最常用的用户兴趣主题挖掘方法之一.为了提高LDA主题模型应用在推荐系统时的推荐质量,我们提出了一种基于负样本进行学习的方法negLDA.通过创造出负样本来学习用户对物品的负面预测评分,同时结合正样本学习得到的正面预测评分,从正反两个方面进行综合评测,从而更加精确地衡量出用户对物品的预测评分.通过在MoviesLens-100k、MovieLens-1M、FilmTrust这三个数据集上的实验,表明所提出的算法在精确率、召回率、AUC三个指标上相比传统算法均有一定改进.