摘要：为解决协同过滤推荐中显示反馈数据缺失的情况和冷启动问题,综合考虑用户属性和隐式反馈数据,提出一种相似度计算和用户推荐方法。利用用户属性,充分挖掘用户信息,计算用户属性相似度,使用隐式反馈数据替代显示反馈数据计算用户行为相似度,融合两种相似度进行预测和用户推荐。在真实数据集上进行实验,实验结果表明,该方法具有准确性和有效性,解决了显示反馈数据缺失的问题,一定程度克服了用户冷启动问题。

摘要：温州东海广场是高200m的超高层建筑,风荷载是其结构设计的控制荷载之一。进行了刚性模型同步测压风洞试验,以此为基础,根据随机振动原理,考虑了风力相关性及振型耦合,对温州东海广场超高层建筑进行了风振响应分析,计算得到36个风向角下的风致响应和等效静力风荷载。计算结果表明,温州东海广场工程主塔楼Y轴方向的风荷载大于X轴方向风荷载,80°风向角为不利风向;角点和质心位置的合加速度响应均小于0.15m/s2,满足《高层建筑混凝土结构技术规程》(JGJ 3—2002)顶点最大加速度限值的要求。

摘要：美术教学中，范画在适当的时候巧妙地运用，可以帮助学生更快的进入学习的角色。教师在教学活动中除了要鼓励学生善于思考勤于思考，更要注意学生创作才能的培养。运用范画是深入挖掘教材的一种方式，可以优化教学环节，帮助学生更好的理解教材，让教学活动的效果更好的体现。

摘要：本文调研并分析了现有高龄者动力代步产品现状,发现其中的问题,从而提出在智能养老的社会背景下老年动力代步产品的设计原则与发展趋势。

摘要：开放系统中,访问控制机制不仅要能处理数量庞大且身份无法预先确定的用户的访问请求,而且能充分反映用户访问请求时上下文环境信息。本文提出了一种基于信任度和上下文的访问控制模型TC-RBAC,并给出了用户信任度计算方法。通过信任度为未知身份用户分配合适角色,上下文约束实现了对不同的访问请求上下文信息做出不同授权决策,从而满足开放环境下访问控制的设计要求。

摘要：本文以在大连理工大学进行的创新实践为依据,探讨3D打印产品设计与校园文化产品设计的关系,以期为3D打印在校园文化产品设计中的应用提供参考。

摘要：工业设计是一门实践性很强的学科。而模型制作是工业设计的一个重要环节,也是学生综合素质和实践能力的体现。本文就如何提高学生模型制作能力提出了一些方法。

摘要：目的促进中国房车本土化设计发展,有效提升我国房车用户的满意度。方法以本土用户功能需求为研究对象,以A-KANO模型为用户需求满意度与权重评分分析方法,选取四十二项功能设施为研究样本,量化评估房车各功能设施的需求层次属性,并结合用户体验可用性测试方法以验证调研结果的可行性。结果最终获得房车设计中各功能设施的需求属性分类及优先级排序,构建出面向本土用户的房车功能需求层级塔,并以此提出细分市场下房车功能设施分级配置方案。结论该研究所得出的用户需求层级塔及分级配置方案符合我国房车用户的需求预期,能够有效提升我国房车用户的满意度,为我国本土化房车设计提供参考依据。

摘要：合作协同优化是目前针对大规模优化问题的最有前景的算法之一,该算法通过分而治之策略划分子问题,以进行协同进化。不同的子问题根据演化状态的不同对整体改善的贡献大小也不一致,因此均匀分配计算资源会造成浪费。针对上述问题,提出一种新颖的基于自适应资源分配池策略和基于竞争的群优化集成的竞争合作群协同优化算法。首先,考虑到子问题的不平衡性,将子问题对整体目标改善的动态贡献作为分配计算资源的标准;其次,为了更好地适应子问题演化状态,不固定资源分配单元,而是利用池模型进行自适应分配,并且在相同子问题连续迭代中避免重复评估个体,以节省计算资源;然后,将上述策略与基于竞争的群协同优化算法进行集成,设计了一种新的竞争合作群协同优化;最后,将该算法与其他5种算法在CEC 2010和CEC 2013套件的35个基准函数上进行比较,验证了算法的有效性。

摘要：交通流量因受周期性特征、突发状况等多重因素影响,现有模型的预测精度无法满足实际要求.对此,本文提出了基于误差补偿的多模态协同交通流预测模型(Multimodal Collaborative traffic flow prediction model based on Error Compensation,MCEC).针对传统预测模型不能兼顾时间序列和协变量的问题,提出基于小波分析的特征拓展方法,该方法引入聚类算法得到节假日标签特征,将拥堵指数、交通事故图、天气信息作为拓展特征,对特征进行多尺度分解.在训练阶段,为达到充分学习各部分数据、最优匹配模型的效果,采用差分整合移动平均自回归模型(Autoreg Ressive Integrated Moving Average Model,ARIMA)、长短期记忆神经网络(Long Short-Term Memory network,LSTM)、限制动态时间规整技术(Dynamic Time Warping,DTW)以及自注意力机制(Self-Attention),设计了多模态协同模型训练.在误差补偿阶段,将得到的相应过程值输入基于支持向量机回归(Support Vector Regression,SVR)的误差补偿模块,对各分量的误差进行学习、补偿,并重构得到预测结果.使用公开的高速公路数据集对MCEC进行验证,在多个时间间隔下对比实验结果表明,MCEC在交通流量预测中的平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)达到17.02%,比LSTM-SVR、ConvLSTM(Convolutional Long Short-Term Memory network)、ST-GCN(Spatial Temporal Graph Convolutional Networks)、MFFB(Multi-stream Feature Fusion Block)、Transformer等预测模型具有更高的预测精度,MCEC模型具有较好的有效性与合理性.