暂无评论
一种基于方向相似性的帧内预测算法，杨彦伟，刘彦隆，H.264帧内预测采用率失真优化(RDO)技术来达到编码效率，通过计算所有预测组合模式的率失真代价来确定宏块的最优编码模式，其计算复��
传统的协同过滤推荐算法为目标用户推荐时，考虑了所有用户的历史反馈信息对物品相似度的影响，同时相似度的度量仅依靠用户评分信息矩阵，导致了推荐效果不佳。为解决上述问题，提出了基于用户谱聚类的Top-N协同
针对传统的用户个性化推荐中使用的协同过滤算法存在稀疏性和可扩展性不足的问题，提出了一种基于用户特征聚类和Slope One填充的协同过滤算法。该算法首先以用户属性特征作为聚类依据，利用基于最小生成树K
操作说明： 1、解压下载的CollaborativeFilteringBasedUserCloud压缩文件 2、操作系统中需装java jdk1.7或者以上版本 3、点击start.bat，在运行过程
NULL 博文链接：https://snv.iteye.com/blog/2025429
传统协同过滤推荐算法的相似度量方法仅考虑用户间共同评分，忽略了用户间潜在共同评分项等信息量对推荐结果的影响。针对上述问题，设计了一种正态分布函数相似度量模型，此模型考虑了用户间的共同评分、共同评分项目
提出了一种简单且高效的网页关注度计算算法。通过对网页关注度的计算，可以在网页展现时满足用户的信息检索需求。该算法针对不同用户的不同需求，可以让相同网页对不同用户体现出不同的关注度。对算法进行了详细描述
为了能够推荐符合用户信息需求的标签, 在深入分析社会标签空间和传统标签推荐方法的基础上, 提出了度量用户和资源的动机倾向性的五种指标, 并对其测度有效性进行了验证。基于此指标体系, 建立了动机倾向性判
基于梯度下降矩阵分解模型的协同过滤推荐算法需要利用正则化技术对问题加以约束。损失函数中的正则化参数能够提高模型的预测精度，防止训练过拟合，并可以在二者间调节，使二者平衡。提出了一种多正则化参数的方法，
:传统的协同过滤推荐技术主要基于用户-项目评价数据集进行挖掘推荐,没有有效地利用用户通信上下文 信息,从而制约其进一步提高推荐的精确性。针对传统协同过滤推荐算法存在的推荐精度不高的弊端,在协同过滤 算
暂无评论