摘要：基于用户的协同过滤通过获取最近邻的偏好实现对目标用户偏好的预测推荐,相似度计算为其核心步骤。传统数值相似度计算依赖于用户共同评分项的评分数值,用户-项目评分矩阵稀疏程度的加剧导致数值相似度计算准确性降低,难以为目标用户选取可靠的最近邻,影响推荐效果;现有结构相似度大多利用用户共同评分项占比度量,计算简单,受数据稀疏影响较小但区分度低。针对上述协同过滤任务中数据稀疏带来的相似度计算问题,提出一种稀疏余弦相似度。首先定义新的结构相似度——稀疏集合相似度,将用户区分为高相关用户与低相关用户,并进一步针对不同类型用户设计差异化的数值相似度计算方式,以缓解传统数值相似度在面临数据稀疏时的不足,最终综合数值相似度与结构相似度形成稀疏余弦相似度。实验结果表明,与七种相似度计算方法相比,稀疏余弦相似度解决了传统数值相似度受数据稀疏影响严重和结构相似度计算结果区分度低的问题,可更准确计算用户相似度,提升推荐效果。

摘要：针对数据稀疏加剧导致传统相似度模型的推荐准确性低的问题,提出一种混合的协同过滤相似度模型。引入Jensen-Shannon(JS)散度作为基函数,利用全局评级概率分布衡量用户间评级偏好相似度。定义融合评级值的结构型相似度作为权重因子,针对用户的共同评级项目设计差异化的相似度计算方式,提高相似用户的区分度,得到基于相对区间跨度的相似度。在不同稀疏度数据集上与7种具有代表性的相似度方法进行对比实验,其结果表明了所提方法在预测和推荐准确性指标上均有良好性能。

摘要：针对大型数据库中高维稀疏关系表空字段对存储空间的占用问题,通过利用传统行存储数据库模拟列式存储数据库的工作原理,设计了一种基于分片的数据库结构。通过实验分析,数据库存储空间比原始模式降低了27.42%左右。在对高维稀疏数据中五个字段进行查询时,I/O数据块个数降低至原始模式的35.27%,对高维稀疏数据中四个字段进行查询时,I/O数据块个数降低至原始模式的28.22%,而随着字段的减少I/O数据块仍会进一步减少,从而提高了数据库的访问效率。

摘要：针对当前稀疏数据推荐准确率低的问题,提出一种基于多核学习卷积神经网络的稀疏数据推荐算法。将项目的辅助信息送入卷积神经网络学习特征,将向量在可再生核希尔伯特空间组合,利用多核学习技术增强卷积神经网络的特征学习能力;基于学习的卷积特征集初始化非负矩阵模型,通过非负矩阵模型实现对缺失评分的预测。实验结果表明,该算法有效提高了稀疏数据集的推荐性能,验证了多核学习卷积神经网络的有效性。

摘要：在基于邻域的协同过滤算法中,相似度和评分预测方法的设计是其核心步骤.由于数据稀疏问题,导致所选邻居的质量和评分预测能力受到较大影响.针对以上问题,提出面向稀疏数据的物品相似度和评分预测算法.首先,根据模糊集和推荐系统的关联,从用户偏好概率的角度提出基于Vague集的KL(Kullback-Leibler)散度,以衡量物品相似度.其次,定义权重因子α,强调评分数量信息的重要性,进一步提高相似度计算的准确性.最后,提出改进的评分预测方法,整合更多的评分信息来调整预测结果,提高稀疏数据下评分预测的能力.在基准数据集上的实验表明,与其余代表性算法相比,本文方法具有较高的预测和推荐质量,并有效缓解了数据稀疏问题.

摘要：稀疏型机载激光雷达(LiDAR)数据,由于点云密度低,难以对单木尺度的森林参数进行估测,在森林资源监测领域的潜在应用价值没有得到充分发挥。以江苏省南京市紫金山国家森林公园为研究区,以2007年机载激光雷达Optech ALTM LiDAR数据、2007年森林资源规划设计调查数据为主要信息源,在机载LiDAR数据预处理、特征参数提取的基础上,采用多元线性回归、随机森林、支持向量机3种方法,估测小班林分平均树高、平均胸径和单位蓄积量并进行对比分析,同时对森林参数进行空间制图。结果表明:1)高度百分位数和累计高度百分位数是影响小班平均胸径、平均树高和平均蓄积量的主要特征参数;2)3个遥感估测模型精度对比分析表明,平均胸径、平均树高、单位蓄积量3个参数的估测精度,均是随机森林算法最高,支持向量机次之,多元线性回归最低;3)平均树高、平均胸径、单位蓄积量的空间分布规律一致,人为干扰严重的公园边缘地区和土层瘠薄、立地条件差的山脊较低,山南及山北中部最高。稀疏型机载激光雷达(ALS)数据在林分尺度的森林参数估计中具有较高的精度,可以用于森林资源规划设计调查小班的测树因子估测。本研究应用稀疏型机载激光雷达数据估测风景林森林参数,为稀疏型LiDAR数据在森林资源规划设计调查中的推广应用提供参考。

摘要：研究在轨运行的空间目标或者空间碎片识别问题,对在轨运行的有效目标造成了较大影响。为了快速掌握各类空间目标或碎片信息,需要根据雷达测量数据进行轨道识别。针对中低轨道空间目标,给出了基于稀疏雷达数据的初始轨道确定方法以及轨道识别和数据快速分析识别算法。首先依据单测量雷达设备的少量数据进行初始轨道确定,其次与目标轨道库进行轨道比对以及目标轨道库各轨道与测量数据的比对,最后根据比对结果以及流程设计,完成空间目标识别。通过仿真和数据分析,验证了算法的可行性和有效性,提高了空间目标的识别能力,为后续目标精密定轨及未知目标监测提供了初始轨道及识别信息。

摘要：探讨一类带第二类边界条件的一维热传导方程逆时问题,首先利用分离变量法推导了反问题的积分表达形式,然后基于解析延拓技术,证明了基于稀疏附加数据下反问题的唯一性,并对反问题的不适定性进行说明,接着利用线性叠加原理及有限元插值技术,给出了该逆时反演问题对应的离散反演方程组形式,借助于Tikhonov正则化方法和正则化参数选取的广义交叉验证准则,设计出了该逆时反演问题的直接反演算法,最后通过数值算例说明所设计的直接反演算法是有效的.

摘要：随着压缩感知(CS)理论的完善,逐步发展形成了基于该理论的新的信号处理技术。近年来,在石油地震勘探领域,基于该理论的随机稀疏数据采样、数据重构及规则化和稀疏采样观测系统优化设计等方面的研究取得了重要进展。本文在Ru-Shan Wu博士等提出的Dreamlet域数据重构技术基础上,针对实际地震数据在时间和空间上剧烈变化以及存在较强干扰背景情况,通过优化重构参数和流程,对随机稀疏采样的模拟和真实地震数据进行了重构和对比分析。模拟和实际数据应用显示,该技术是一种高效和高质量的地震数据重构方法。

摘要：为了克服传统DTI可视化技术存在计算空间大、信息丢失等问题,提出一种基于Perfect Spatial Hashing稀疏数据压缩方法的高分辨率DTI纤维丛可视化方法.将流场可视化中的streamball表示改进为沿着积分曲线布局的可参数化混合元球体,并将这种参数化混合元球体表示规范为一个高分辨率的稀疏三维密度场;进而采用Perfect Spatial Hashing稀疏数据压缩方法压缩该密度场,在保持数据高精度的同时提供了数据的高效随机访问特性.实验结果表明,采用文中方法得到的可视化结果不仅能清晰地揭示组织结构的连通性,还能展示局部张量细节信息.用户只需简单地改变等值面参数就可实时观察可视化结果.