案例推理技术已经成为故障诊断、管理辅助决策、专家系统等实现的重要手段.现有的案例推理算法针对海量案例集时,普遍存在检索效率不高问题.设计了一种带权重的多维案例推理算法(Weighted DimensionReduction and R-tree,WDRR),该算法结合案例的多维特征权重,将多维案例降维成二维案例点,并在此基础上建立R树空间索引;案例检索时首先借助R树索引,确定案例的二维点所在,再结合二次权重和K近邻(KNN)算法进行精确过滤,根据相似度阈值输出案例推理的结果,并完成案例学习和索引修正.实验证明该方法针对海量案例集的检索效率和准确率都有较大的提升.
针对推荐系统中相似偏好用户数量较少情况下的一类新群体冷启动问题开展研究,基于多元相关分析,对传统的尺度与平移不变 (Scale and Translation Invariant,STI)的协同过滤推荐方法进行改进,提出一种基于项目相关度的STI推荐方法,以应对推荐系统中的新群体冷启动问题.在此基础上,基于MovieLens数据集对所提出的方法进行了性能分析,结果表明,所提出的方法较Pearson方法及ST1N1方法在解决新群体冷启动推荐的过程中具有更高的推荐准确率.
面向路径选择的重叠网络中继路径QoS(Quality of Service,服务质量)测量和评价,尚未有完善的技术方案;在实时传输相关的路径评价方面,可以使用RTCP 协议(Real-time Transport Control Protocol,实时传输控制协议)以统计分析的方式对时延、时延抖动、带宽、丢包率等内容进行评价,但这些评价都是针对单径和“端到端”的,并不能有效地应用于多径传输控制.本文结合应用需求,提出一种新的基于中继的重叠网络多径QoS 动态评价协议(MRP-RTCP),协议基于中继节点类型提出路径稳定度作为新的QoS 评价参数,给出了相关的交互消息格式,仿真测试结果显示,该协议能实时准确判断路径QoS,多径实时媒体传输应用中的路径选择准确度及速度有较大提高.