哈哈哈哈哈操欧洲电影,久草网在线,亚洲久久熟女熟妇视频,麻豆精品色,久久福利在线视频,日韩中文字幕的,淫乱毛视频一区,亚洲成人一二三,中文人妻日韩精品电影

您好,歡迎來(lái)電子發(fā)燒友網(wǎng)! ,新用戶?[免費(fèi)注冊(cè)]

您的位置:電子發(fā)燒友網(wǎng)>源碼下載>數(shù)值算法/人工智能>

稀疏數(shù)據(jù)中基于高斯混合模型的位置推薦框架

大?。?/span>1.58 MB 人氣: 2018-01-17 需要積分:3

  協(xié)同過(guò)濾和概率模型是位置推薦中的常用方法,但前者沒(méi)有考慮用戶的移動(dòng)模式,后者也難以用于稀疏數(shù)據(jù)集。針對(duì)上述問(wèn)題,面向稀疏數(shù)據(jù)構(gòu)建基于高斯混合模型的位置推薦框架GMMSD。按時(shí)間段劃分用戶簽到的歷史數(shù)據(jù),通過(guò)數(shù)據(jù)預(yù)處理獲取用戶一區(qū)域矩陣,并利用矩陣分解算法提高稀疏數(shù)據(jù)的推薦準(zhǔn)確度,學(xué)習(xí)高斯混合模型以預(yù)測(cè)用戶出現(xiàn)在不同區(qū)域的概率分布,從而進(jìn)行位置推薦。在真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,GMMSD可以有效提高稀疏數(shù)據(jù)中位置推薦的準(zhǔn)確度。

稀疏數(shù)據(jù)中基于高斯混合模型的位置推薦框架

非常好我支持^.^

(0) 0%

不好我反對(duì)

(0) 0%

      發(fā)表評(píng)論

      用戶評(píng)論
      評(píng)價(jià):好評(píng)中評(píng)差評(píng)

      發(fā)表評(píng)論,獲取積分! 請(qǐng)遵守相關(guān)規(guī)定!

      ?
      泰和县| 内乡县| 泗洪县| 广平县| 河间市| 滨州市| 安福县| 长春市| 湖州市| 永安市| 明水县| 突泉县| 江华| 兰坪| 乌苏市| 福贡县| 定安县| 泌阳县| 宜兴市| 延庆县| 定日县| 陇西县| 那曲县| 湖州市| 西充县| 章丘市| 高碑店市| 景宁| 东明县| 涿州市| 蓝山县| 本溪市| 彭阳县| 正阳县| 澄江县| 闽清县| 岳普湖县| 五指山市| 沙河市| 德惠市| 赣州市|