期刊文献+
共找到140篇文章
< 1 2 7 >
每页显示 20 50 100
基于核相似性删减策略的支持向量回归算法
1
作者 李英达 谢宗霞 《山东大学学报:工学版》 CAS CSCD 北大核心 2019年第3期8-14,共7页
在核相似性基础上结合随机梯度下降算法提出支持向量删减策略(SVs_reduced strategy, SRS);引入核相似性删减冗余的支持向量来提高大型非线性支持向量回归的效率。在每次随机梯度下降的迭代中,如果新的样本被认为是一个支持向量,那么就... 在核相似性基础上结合随机梯度下降算法提出支持向量删减策略(SVs_reduced strategy, SRS);引入核相似性删减冗余的支持向量来提高大型非线性支持向量回归的效率。在每次随机梯度下降的迭代中,如果新的样本被认为是一个支持向量,那么就会计算它和其它支持向量间的相似性。如果相似性大于一个设定的阈值,那么就会删减这个支持向量。基于UCI数据集,LIBSVM数据集和风速数据集的试验结果表明,与其它流行算法相比,这个策略可以十分高效地解决大型支持向量回归问题。 展开更多
关键词 支持向量回归 快速算法 随机梯度下降 核相似性
基于深度卷积神经网络的三维模型识别 预览
2
作者 杨军 王亦民 《重庆邮电大学学报:自然科学版》 CSCD 北大核心 2019年第2期253-260,共8页
为了进一步提高三维模型的识别精度,提出了一种基于深度卷积神经网络的三维模型识别方法。将点云数据通过占用网格规范化计算转化为二值3D体素矩阵,通过附加正则化项的随机梯度下降算法提取体素矩阵的特征,再通过共享权重的旋转增强对... 为了进一步提高三维模型的识别精度,提出了一种基于深度卷积神经网络的三维模型识别方法。将点云数据通过占用网格规范化计算转化为二值3D体素矩阵,通过附加正则化项的随机梯度下降算法提取体素矩阵的特征,再通过共享权重的旋转增强对训练集进行数据增广并以此对模型标签进行预测。实验结果表明,该算法在公开数据集ModelNet40及悉尼城市模型数据集上的识别精度均达到85%左右。与基于同类机器学习的三维模型识别算法相比,在相同训练数据集上该方法网络训练时间短,在相同测试数据集上模型识别准确率高,检索速度快。提出的体素占用网格模型的深度卷积神经网络,可以实现三维点云模型数据集及规范化体素模型数据集的识别和分类工作。 展开更多
关键词 卷积神经网络 占用网格 体素化 随机梯度下降 旋转增强
在线阅读 免费下载
优化卷积神经网络在道编辑中的应用
3
作者 王文强 孟凡顺 孙文亮 《地球物理学进展》 CSCD 北大核心 2019年第1期214-220,共7页
由于激发、接收及工区现场等导致野外采集的地震数据出现异常道,这时需要对地震记录道编辑处理.当数据量比较大时,人工进行道编辑工作量庞大.非人工做法主要是利用计算机将异常道剔除,没有对异常道细致分类,由此造成了大量的原始数据损... 由于激发、接收及工区现场等导致野外采集的地震数据出现异常道,这时需要对地震记录道编辑处理.当数据量比较大时,人工进行道编辑工作量庞大.非人工做法主要是利用计算机将异常道剔除,没有对异常道细致分类,由此造成了大量的原始数据损失,异常道的产生原因也无从得知.随着计算机性能的提高,深度学习发展迅猛,卷积神经网络(CNN)在深度学习领域起着至关重要的作用.CNN避免了前期很多工作,可以直接输入数据训练模型,将模型用于分类预测.作为一种快速高效的识别算法,可以广泛应用到各个研究领域.本文对极性反转、单频信号、强振幅噪声、空道四种常见的异常道和正常道进行细致分类编号,利用优化的深度卷积神经网络算法识别坏道并进行有效分类,不仅有利于后续对相应道的特殊处理,而且有利于推断产生异常道的原因,在以后的工作中针对产生原因做相应的工作调整. 展开更多
关键词 深度学习 反向传播 卷积神经网络 随机梯度下降 道编辑 正常道 异常道
一种基于自适应学习率的推荐优化算法模型 预览
4
作者 熊彬 贺春林 周坤 《西华师范大学学报:自然科学版》 2019年第2期197-203,共7页
在预测推荐系统中用户和项目构成的高维稀疏矩阵中的缺失值时,通常采用随机梯度下降算法对构造的隐因子(LF)模型进行求解,由于在求解过程中,学习速率始终保持不变,这使得在模型训练过程中模型的性能有所损失。因此,本文将构造一种带有... 在预测推荐系统中用户和项目构成的高维稀疏矩阵中的缺失值时,通常采用随机梯度下降算法对构造的隐因子(LF)模型进行求解,由于在求解过程中,学习速率始终保持不变,这使得在模型训练过程中模型的性能有所损失。因此,本文将构造一种带有自适应学习率的随机梯度下降算法的LF模型(ADA_LF)来处理推荐系统中的高维稀疏矩阵。采用大型工业数据集对模型进行实验测试,结果表明,采用ADA_SGD算法构建的LF模型在收敛速率、预测精度上都有明显提升,提高了模型的性能。 展开更多
关键词 随机梯度下降 自适应学习率 高维稀疏矩阵 推荐系统
在线阅读 下载PDF
带有方差减小的加权零阶随机梯度下降算法 预览
5
作者 鲁淑霞 张罗幻 +1 位作者 蔡莲香 孙丽丽 《河北大学学报:自然科学版》 CAS 北大核心 2019年第5期536-546,共11页
随机梯度下降(stochastic gradient descent,SGD)算法是机器学习问题中的高效求解方法之一.但是,对于非平衡数据,传统的随机梯度下降算法,在训练时多数类点被抽到的概率远大于少数类点,易导致计算不平衡;对于目标函数不可导或不易求导... 随机梯度下降(stochastic gradient descent,SGD)算法是机器学习问题中的高效求解方法之一.但是,对于非平衡数据,传统的随机梯度下降算法,在训练时多数类点被抽到的概率远大于少数类点,易导致计算不平衡;对于目标函数不可导或不易求导的问题,计算代价太大或无法进行计算;在每次迭代中利用单个样本梯度近似代替全梯度,这必然会产生方差,严重影响算法的分类性能.针对上述问题,提出了带有方差减小的加权零阶随机梯度下降算法,考虑了数据的间隔分布情况,在目标函数中引入了间隔均值项,并对多数类样例赋予了较小的权值,对少数类样例赋予较大的权值.在对优化问题的求解中,采用零阶优化的方法对梯度进行估计,并且引入了方差减小策略.在一些非平衡数据集上的实验验证了所提算法的有效性,并有效解决了上述问题. 展开更多
关键词 零阶优化 随机梯度下降 方差减小 非平衡数据 支持向量机
在线阅读 下载PDF
一种改进的LeNet网络 预览
6
作者 胡德敏 程普芳 《电子科技》 2019年第3期53-56,66共5页
针对卷积神经网络中存在的学习效率低、收敛速度慢、训练时间长等问题,文中提出一种改进的LeNet卷积神经网络模型。该模型使用卷积核大小为3,步幅为2的卷积层代替原有的池化层,并在每层激活函数之前添加批量归一化层。在Mnist和Cifar-1... 针对卷积神经网络中存在的学习效率低、收敛速度慢、训练时间长等问题,文中提出一种改进的LeNet卷积神经网络模型。该模型使用卷积核大小为3,步幅为2的卷积层代替原有的池化层,并在每层激活函数之前添加批量归一化层。在Mnist和Cifar-10数据集上放入实验证明,相比于传统的LeNet网络,所提出的卷积神经网络提高了分类准确率,并且具有更快的收敛速度及更短的训练时间。 展开更多
关键词 图像分类 卷积神经网络 批量归一化 池化层 卷积核 随机梯度下降法
在线阅读 免费下载
基于卷积网络的车牌二值化算法 预览
7
作者 廖原 《信息与电脑》 2018年第12期67-68,共2页
针对车牌识别中传统二值化算法只利用到灰度统计信息,在实际应用场景中鲁棒性差的问题,提出一种基于卷积神经网络架构的二值变换网络,通过样本学习能提取字符笔划信息实现像素二值化分类,并能同步进行字符极性归一化和去边框处理,... 针对车牌识别中传统二值化算法只利用到灰度统计信息,在实际应用场景中鲁棒性差的问题,提出一种基于卷积神经网络架构的二值变换网络,通过样本学习能提取字符笔划信息实现像素二值化分类,并能同步进行字符极性归一化和去边框处理,经实验验证效果优于传统阈值方法。 展开更多
关键词 车牌识别 二值化 随机梯度下降 卷积神经网络
在线阅读 下载PDF
优化AUC两遍学习算法 预览
8
作者 栾寻 高尉 《智能系统学报》 CSCD 北大核心 2018年第3期395-398,共4页
ROC曲线下的面积(简称AUC)是机器学习中一种重要的性能评价准则,广泛应用于类别不平衡学习、代价敏感学习、排序学习等诸多学习任务。由于AUC定义于正负样本之间,传统方法需存储整个数据而不能适用于大数据。为解决大规模问题,前人已提... ROC曲线下的面积(简称AUC)是机器学习中一种重要的性能评价准则,广泛应用于类别不平衡学习、代价敏感学习、排序学习等诸多学习任务。由于AUC定义于正负样本之间,传统方法需存储整个数据而不能适用于大数据。为解决大规模问题,前人已提出优化AUC的单遍学习算法,该算法仅需遍历数据一次,通过存储一阶与二阶统计量来进行优化AUC学习。然而在实际应用中,处理二阶统计量依然需要很高的存储与计算开销。为此,本文提出了一种新的优化AUC两遍学习算法TPAUC(two-passAUCoptimization)。该算法的基本思想是遍历数据两遍,第一遍扫描数据获得正、负样本的均值,第二遍采用随机梯度下降方法优化AUC。算法的优点在于通过遍历数据两遍来避免存储和计算二阶统计量,从而提高算法的效率,最后本文通过实验说明方法的有效性。 展开更多
关键词 机器学习 AUC ROC 单遍学习 在线学习 排序 随机梯度下降 统计量
在线阅读 下载PDF
基于神经网络的红外图像非均匀性校正 预览
9
作者 张龙 董峰 傅雨田 《红外技术》 CSCD 北大核心 2018年第2期164-169,共6页
由于红外焦平面材料、制造工艺的差异以及多路模拟信号输出的电路设计等因素,红外探测器在面源黑体目标下像元的输出不均匀,针对同一辐射目标得到的响应也不一致.红外探测器像元间的非均匀性影响目标辐射探测的质量,也使得获得的红外图... 由于红外焦平面材料、制造工艺的差异以及多路模拟信号输出的电路设计等因素,红外探测器在面源黑体目标下像元的输出不均匀,针对同一辐射目标得到的响应也不一致.红外探测器像元间的非均匀性影响目标辐射探测的质量,也使得获得的红外图像不能很好地反应目标辐射特性.先对红外图像进行盲元检测和补偿,通过双边滤波方法获得像元期望输出值,利用随机梯度下降法的神经网络模型对红外图像进行非均匀性校正.实验验证该方法较基于标定的校正方法具有适应场景变化、效果好的优点. 展开更多
关键词 红外图像 神经网络 非均匀性校正 随机梯度下降
在线阅读 下载PDF
MapReduce框架下支持差分隐私保护的随机梯度下降算法 预览 被引量:1
10
作者 俞艺涵 付钰 吴晓平 《通信学报》 CSCD 北大核心 2018年第1期70-77,共8页
针对现有分布式计算环境下随机梯度下降算法存在效率性与私密性矛盾的问题,提出一种MapReduce框架下满足差分隐私的随机梯度下降算法。该算法基于MapReduce框架,将数据随机分配到各个Map节点并启动Map分任务独立并行执行随机梯度下降算... 针对现有分布式计算环境下随机梯度下降算法存在效率性与私密性矛盾的问题,提出一种MapReduce框架下满足差分隐私的随机梯度下降算法。该算法基于MapReduce框架,将数据随机分配到各个Map节点并启动Map分任务独立并行执行随机梯度下降算法;启动Reduce分任务合并满足更新要求的分目标更新模型,并加入拉普拉斯随机噪声实现差分隐私保护。根据差分隐私保护原理,证明了算法满足e-差分隐私保护要求。实验表明该算法具有明显的效率优势并有较好的数据可用性。 展开更多
关键词 机器学习 随机梯度下降 MAPREDUCE 差分隐私保护 拉普拉斯机制
在线阅读 下载PDF
基于迭代投影向量学习的行人重识别 预览
11
作者 丁宗元 王洪元 《计算机工程与设计》 北大核心 2018年第4期1120-1124,共5页
为降低行人重识别问题中投影矩阵学习的时间复杂度和过拟合风险,提出一种带有正则化因子的迭代投影向量学习的算法。利用行人图像特征空间分布的迭代更新策略,结合随机梯度下降方法,对更新后的特征进行学习,得到若干列满足目标精度的相... 为降低行人重识别问题中投影矩阵学习的时间复杂度和过拟合风险,提出一种带有正则化因子的迭代投影向量学习的算法。利用行人图像特征空间分布的迭代更新策略,结合随机梯度下降方法,对更新后的特征进行学习,得到若干列满足目标精度的相互正交的投影向量;将这些投影向量相乘得到最终的投影矩阵,有效降低运算复杂度。将该算法与其它常用的方法在现有公共数据集上进行比较,比较结果表明,该算法的识别效率明显高于其它方法,训练时间少于其它常用方法。 展开更多
关键词 行人重识别 投影向量 相似性度量学习 迭代更新 随机梯度下降
在线阅读 下载PDF
基于用户分类的隐含因子模型研究 预览 被引量:1
12
作者 黎新志 高茂庭 《计算机应用研究》 CSCD 北大核心 2018年第8期2289-2292,共4页
针对现有隐含因子模型存在的新用户冷启动问题,提出基于用户分类的隐含因子模型,将用户分类信息融入到隐含因子的矩阵分解当中。先在原评分矩阵和用户分类信息的基础上使用指示函数和数据归一化等方法构建一个分类评分矩阵;再将分类... 针对现有隐含因子模型存在的新用户冷启动问题,提出基于用户分类的隐含因子模型,将用户分类信息融入到隐含因子的矩阵分解当中。先在原评分矩阵和用户分类信息的基础上使用指示函数和数据归一化等方法构建一个分类评分矩阵;再将分类评分矩阵融入到隐含因子模型的评分预测中。通过与传统隐含因子模型等方法在多个不同隐含因子个数上的实验比较分析,实验结果表明,改进模型不仅能够解决新用户和项目的冷启动问题,还能有效降低预测评分的均方根误差,并提高预测推荐的准确度。 展开更多
关键词 推荐系统 隐含因子模型 冷启动 用户分类 随机梯度下降法
在线阅读 下载PDF
基于Cross-Validation的电机故障诊断振动数据处理方法 预览 被引量:1
13
作者 王惠中 乔林翰 +1 位作者 贺珂珂 段洁 《自动化仪表》 CAS 2018年第4期22-25,共4页
针对牵引电机故障诊断研究中所采用的神经网络方法,提出在模型训练阶段引入K折交叉验证。该方法在划分训练集与测试集期间,使验证集能够遍历所有数据集,从多方向开始学习,从而在一定程度上避免了局部极小的问题。训练完成后,以神经网络... 针对牵引电机故障诊断研究中所采用的神经网络方法,提出在模型训练阶段引入K折交叉验证。该方法在划分训练集与测试集期间,使验证集能够遍历所有数据集,从多方向开始学习,从而在一定程度上避免了局部极小的问题。训练完成后,以神经网络作为分类器进行故障识别。神经网络学习算法采用随机梯度下降的方法,每次投入一组数据集进行训练,大大提高了训练速度。Eclipse+Anaconda仿真结果证明:与传统神经网络电机故障诊断方法相比,该方法可以在一定程度上避免过拟合现象,同时避免局部极小。此外,在Matlab环境下,单独比较支持向量机采用交叉验证前后的故障分类效果。对比结果表明:交叉验证方法从多方向开始学习,对于提升故障诊断的准确率有较好作用。 展开更多
关键词 电机故障诊断 K折交叉验证 随机梯度下降 神经网络 拟合 支持向量机
在线阅读 下载PDF
结合物品流行度的列表级矩阵因子分解算法 预览 被引量:1
14
作者 周瑞环 赵宏宇 《计算机应用》 CSCD 北大核心 2018年第7期1877-1881,共5页
针对变形的奇异值分解(SVD++)算法的评分规则在模型训练和预测两个阶段的不一致问题和列表级矩阵因子分解(ListRank-MF)算法的Top-1排序概率在大量物品评分一样时排序概率一样的问题,提出一种结合物品流行度的列表级矩阵因子分... 针对变形的奇异值分解(SVD++)算法的评分规则在模型训练和预测两个阶段的不一致问题和列表级矩阵因子分解(ListRank-MF)算法的Top-1排序概率在大量物品评分一样时排序概率一样的问题,提出一种结合物品流行度的列表级矩阵因子分解算法。首先,在评分规则中使用到的用户有过行为的物品集合中去除当前待评分物品;接着结合物品流行度改进Top-1排序概率;然后使用随机梯度下降算法求解目标函数并进行Top-N推荐。基于修正的SVD++评分规则,在MovieLens和Netflix数据集上比较了所提算法与目标函数为点级和列表级的SVD++算法。所提算法与列表级的SVD++算法相比,Top-N推荐准确率指标归一化折损累积增益(NDCG)值在MovieLens数据集上提高了5%~8%,在Netflix数据集上提高了1%左右。实验结果表明,所提算法能够有效提高Top-N推荐准确率。 展开更多
关键词 矩阵因子分解 Top-N推荐 变形的奇异值分解(SVD++)算法 物品流行度 随机梯度下降
在线阅读 下载PDF
PMUS-HOSGD张量分解方法及其在标签推荐中的应用 预览
15
作者 杨林 顾军华 +2 位作者 官磊 张宇娟 彭玉青 《计算机工程》 CSCD 北大核心 2018年第11期300-305,312共7页
目前的标签推荐系统使用张量来存储“用户-资源-标签”三维数据,以挖掘三者之间潜在的语义关联。为更好地解决三维数据的稀疏性问题,避免张量填充造成的数据失真,提出基于标签惩罚机制的张量构建方法PMUS和基于随机梯度下降的张量分解方... 目前的标签推荐系统使用张量来存储“用户-资源-标签”三维数据,以挖掘三者之间潜在的语义关联。为更好地解决三维数据的稀疏性问题,避免张量填充造成的数据失真,提出基于标签惩罚机制的张量构建方法PMUS和基于随机梯度下降的张量分解方法HOSGD。利用标签惩罚机制和用户评分构建张量,使用随机梯度下降法对张量的展开矩阵进行分解。在此基础上,结合PMUS和HOSGD提出PMUS-HOSGD算法对数据进行处理,根据结果为用户进行个性化标签推荐。在数据集MovieLens上的实验结果表明,与CubeALS、HOSVD和CF算法相比,该算法能够有效提高标签推荐的准确率。 展开更多
关键词 标签推荐 数据稀疏性 张量构建 张量分解 惩罚机制 随机梯度下降
在线阅读 下载PDF
基于前向分步算法的文档实体排序 预览
16
作者 王燕华 《华东师范大学学报:自然科学版》 CSCD 北大核心 2018年第1期91-102,145共13页
文档中的关键实体可以抽象概括文本所描述的事件(或话题)的主体,推动面向实体的检索和问答系统等方面的研究.然而,文档中的实体是无序的,对文本中的实体进行排序显得尤为重要.提取文本实体特征并借助维基百科和词汇分布表示引入外部特征... 文档中的关键实体可以抽象概括文本所描述的事件(或话题)的主体,推动面向实体的检索和问答系统等方面的研究.然而,文档中的实体是无序的,对文本中的实体进行排序显得尤为重要.提取文本实体特征并借助维基百科和词汇分布表示引入外部特征,提出了一种基于前向分步算法(Forward Stagewise Algorithm,FSAM)的排序模型LA-FSAM(FSAM based on AUC Metric and Logistic Function).该模型利用曲线下面积(Area Under the Curve,AUC)准则构造损失函数,逻辑斯谛函数整合实体特征,最后使用随机梯度下降法求解模型参数.通过LA-FSAM与基线方法的实验对比证明了所提方法的有效性. 展开更多
关键词 实体排序 前向分步算法 曲线下面积 逻辑斯谛函数 随机梯度下降
在线阅读 免费下载
基于自适应随机梯度下降方法的非平衡数据分类 预览 被引量:1
17
作者 陶秉墨 鲁淑霞 《计算机科学》 CSCD 北大核心 2018年第B06期487-492,共6页
对于不平衡数据分类问题,传统的随机梯度下降方法在求解一般的支持向量机问题时会产生一定的偏差,导致效果较差。自适应随机梯度下降算法定义了一个分布p,在选择样例进行迭代更新时,其依据分布p而非依据均匀分布来选择样例,并且在优化... 对于不平衡数据分类问题,传统的随机梯度下降方法在求解一般的支持向量机问题时会产生一定的偏差,导致效果较差。自适应随机梯度下降算法定义了一个分布p,在选择样例进行迭代更新时,其依据分布p而非依据均匀分布来选择样例,并且在优化问题中使用光滑绞链损失函数。对于不平衡的训练集,依据均匀分布选择样例时,数据的不平衡比率越大,多数类中的样例被选择的次数就越多,从而导致结果偏向少数类。分布p在很大程度上解决了这个问题。普通的随机梯度下降算法没有明确的停机准则,这导致何时停机成为一个很重要的问题,尤其是在大型数据集上进行训练时。以训练集或训练集的子集中的分类准确率为标准来设定停机准则,如果参数设定恰当,算法几乎可以在迭代的早期就停止,这种现象在大中型数据集上表现得尤为突出。在一些不平衡数据集上的实验证明了所提算法的有效性。 展开更多
关键词 随机梯度下降 非均匀分布 停机准则 支持向量机 损失函数
在线阅读 免费下载
一种基于差分隐私和时序的推荐系统模型研究 预览 被引量:1
18
作者 范利云 左万利 +1 位作者 王英 王鑫 《电子学报》 CSCD 北大核心 2017年第9期2057-2064,共8页
推荐系统的建立依赖用户的个人隐私信息,攻击者可以通过推荐的结果对用户的状态和行为进行预测.目前,虽然有对基于协同过滤近邻隐私保护的研究,但是对基于模型的隐私保护的关注度并不够高.差分隐私理论定义了一个相当严格的防攻击模型,... 推荐系统的建立依赖用户的个人隐私信息,攻击者可以通过推荐的结果对用户的状态和行为进行预测.目前,虽然有对基于协同过滤近邻隐私保护的研究,但是对基于模型的隐私保护的关注度并不够高.差分隐私理论定义了一个相当严格的防攻击模型,通过添加噪声使数据失真达到隐私保护的目的,而且用户的兴趣存在兴趣漂移问题,对推荐效果造成影响,因此,提出基于差分隐私理论和时序理论构建基于模型的推荐系统.首先,根据差分隐私理论,给用户的评分数据增加小波动的符合Laplace分布的噪声,增大待分解矩阵的安全系数;然后,在随机梯度下降模型的基础上,将时序因子建模为时间权重,提高模型的准确性.实验证明该算法的准确性,并且为增强隐私研究提供了新的思路. 展开更多
关键词 推荐系统 非负矩阵分解 随机梯度下降法 差分隐私 时序理论
在线阅读 下载PDF
基于混合卡方统计量与逻辑回归的文本情感分析 预览 被引量:4
19
作者 李平 戴月明 王艳 《计算机工程》 CSCD 北大核心 2017年第12期192-196,202共6页
针对文本情感分析中基于卡方统计量的特征提取方法容易忽略单个文本词频,导致文本分类准确率较低的问题,提出一种基于混合卡方统计量的特征提取方法。通过增加特征频率、逆文档频率和负相关性指标,选出集中在某个特定类别中的特征词,从... 针对文本情感分析中基于卡方统计量的特征提取方法容易忽略单个文本词频,导致文本分类准确率较低的问题,提出一种基于混合卡方统计量的特征提取方法。通过增加特征频率、逆文档频率和负相关性指标,选出集中在某个特定类别中的特征词,从而减少特征负相关性的干扰。采用基于随机梯度下降的逻辑回归方法进行文本情感分类,并利用模拟退火原理自适应选择步长,解决随机梯度下降算法中步长难以确定的问题。实验结果表明,与基于卡方统计量的特征提取方法相比,该方法具有更高的文本情感分类质量。 展开更多
关键词 卡方统计量 特征提取 负相关性 随机梯度下降 逻辑回归 情感分类
在线阅读 下载PDF
基于概率矩阵分解的推荐算法 预览 被引量:1
20
作者 张昇 《西安航空学院学报》 2017年第3期78-83,共6页
为了解决传统协同过滤推荐算法的可扩展性差和数据稀疏性的问题,提出了一种基于随机梯度下降的概率矩阵分解推荐算法.该算法是生成两个服从高斯分布的随机数矩阵,不断训练和更新使得这两个矩阵的内积趋近于用户评分矩阵,为了避免模型过... 为了解决传统协同过滤推荐算法的可扩展性差和数据稀疏性的问题,提出了一种基于随机梯度下降的概率矩阵分解推荐算法.该算法是生成两个服从高斯分布的随机数矩阵,不断训练和更新使得这两个矩阵的内积趋近于用户评分矩阵,为了避免模型过度拟合训练数据,在此基础上加入正则项进行约束,并通过批处理的随机梯度下降法来优化模型.在MovieLens提供的数据集上进行实验验证,与传统的协同过滤算法相比较,该算法不仅缓解了可扩展性问题和稀疏性问题,而且推荐的准确度也得以提升. 展开更多
关键词 推荐算法 协同过滤 概率矩阵分解(PMF) 随机梯度下降法(SGD)
在线阅读 下载PDF
上一页 1 2 7 下一页 到第
使用帮助 返回顶部 意见反馈