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.
简介:道路目标检测在智慧城市建设中扮演着重要角色,而Faster-RCNN是目前主流的目标检测网络结构算法.本文在Faster-RCNN卷积神经网络结构基础上增加了特征金字塔网络层,并采用关注损失函数替代了原有的交叉熵损失函数.其中增加的特征金字塔特征融合层可以提取到检测图片中更具鲁棒性和一般性的前背景特征,而通过关注损失函数则能起到缓解检测图片中的正负样本不均的情况.最后,在公开数据集KITTI上实验证实,改进的目标检测算法能实现提高原有的Faster-RCNN目标检测准确率.
简介:为了深入研究扫描近场光学显微镜(Scanningnear-fieldopticalmicroscope,SNOM)光纤探针导光特性,我们利用VirtualLabFusion光学软件,仿真研究了光纤探针内部的光场分布.结果显示,光纤探针内部的光场分布呈固定的花样;中轴线光场具有峰值结构,其最大值位于探针出口前120nm处;这个最大峰值随着光纤外层铝层厚度的增加呈现先减小后增加,最后趋于稳定的变化,随着光源偏振态的变化呈现正弦的分布.
简介:惯性导航系统是目前室内定位和导航领域一项非常重要的技术,但是传统惯性导航系统中是利用算法融合地磁罗盘及陀螺仪等数据,进而提高相对位置的精度,但却无法修正已经产生的误差.所以传统惯性导航系统在内部构造复杂的室内很容易出现走错房间,穿越墙体等错误路径.为了解决这些问题,提出一种基于维特比算法的室内导航方法,利用自建室内地磁数字地图结合维特比算法,动态计算可能路径.利用维特比算法特性提高了输出路径的纠错能力,可有效排除错误路径的干扰.本导航方法能有效避免穿墙错误路径的出现,更加符合实际行走路径.试验结果表明,相对传统惯性导航系统,它在复杂室内环境下进入正确房间的准确率提高了23%.