
Traditional collaborative filtering algorithms suffer from various shortcomings such as insufficient accuracy due to rating prediction errors,and limited scalability of the algorithm due to the need to cache numerous similarity results.To address these chal-lenges,this paper proposes a user fuzzy preference similarity measurement method based on item label vectors.The method uses fuzzy logic to measure the likes and dislikes of different users towards different item content labels,and represents the similarity between users as a vector across these labels.The corresponding similarity calculation and rating prediction formulas are then designed based on the relationship between this vector and the predicted target item content labels.Experimental results on two commonly used datasets demonstrate significant improvements over recent algorithms.Specifically,compared to existing methods,the proposed approach yields a 12.38%enhancement in mean absolute error,indicating improved rating prediction accuracy,a 7.85%increase in F1 value,indicat-ing enhanced preference prediction accuracy,and a 17.47%improvement in half-life utility,reflecting sorting accuracy.Furthermore,the algorithm proposed in this paper reduces the number of neighbors required for the optimal prediction of each metric,thereby shortening the running time of the algorithm and effectively enhancing the scalability.
针对低轨卫星网络中网络时空连通性和流量阻塞的问题,综合考虑了星间链路状态、卫星能效和负载状态,提出了一种基于数据校验时空图的连接计划设计(data check time-space graph-contact plan design,DCTSG-CPD)方案.首先,构建基于电池模型的数据校验时空图(data check time-space graph,DCTSG),并以星间链路和卫星能源为约束,将连接计划设计建模为最大化吞吐量问题;其次,在DCTSG的基础上,通过对校验数据和转发数据的对比判断网络拥塞状态,根据卫星节点负载和星间链路流量阻塞状态,生成可用连接计划(contact plan,CP);最后,设计适应度函数以评价可用CP的优劣,提出基于数据校验的遗传算法更新CP以生成吞吐量最大化的最佳CP.仿真结果表明,所提DCTSG-CPD方案不仅能够提升吞吐量,而且可以有效降低数据交付时延.
为改进稀疏集目标检测方法存在的特征图缺乏空间细节信息、目标特征没有做到全局上下文实例交互、全局语义信息没有得到充分学习等问题,设计了一种结合自适应特征增强和实例特征交互的稀疏集目标检测算法.自适应特征增强模块在特征提取过程中利用不同尺度的池化和卷积来丰富高级语义信息,减小低级语义信息背景噪声的干扰,降低目标错检率和漏检率.实例特征交互模块在边界框回归设计中结合transformer的多层注意力,并融合通道注意力和动态卷积网络对建议框的通道信息进行增强,改善了目标的边缘信息,提高了网络的实例特征交互效率.最后在COCO2017数据集与原始网络进行实验对比,平均精度提升了 4.2%,其中在大目标上提升了 4.6%,在PASCAL VOC数据集上提升了 2.7%.
针对管件分割任务中各类管件区分难度大,光线和阴影对分割精度存在干扰等问题,提出了一种改进的掩膜区域卷积神经网络(mask region-convolutional neural network,Mask R-CNN)的管件分拣算法.通过增加低层特征图以改进特征融合网络,提高小型管件的识别率;根据管件尺寸比例改进区域生长网络的生成框,以加快模型收敛速度;增加通道和空间注意力模块,提升管件识别精度及掩膜效果.将改进后的Mask R-CNN用于四类管件的分拣任务,实验结果表明,改进后Mask R-CNN的掩膜检测平均精度均值(mean average precision,mAP)和平均召回率(mean recall,mRecall)值分别提高了 1.5%和1.7%,对管件位置、类型和尺寸的判别能力更强,能够满足实际生产中机器人分拣管件的精度要求.
在云环境下检索电子病历存在安全问题和患者隐私数据泄露问题,为此提出了一种支持链上关键字密文检索的电子病历双重授权共享方案.将原始病历密文存储在云端,借助可搜索加密技术构造病历关键词索引信息并将其存储在区块链上.在获取医院检索权限的前提下,利用分布式条件下的关键字检索算法实现病历密文数据的安全检索.基于可搜索代理重加密算法提出了电子病历链上授权方法,保证了患者对所属病历的访问控制权,实现了医院和患者对共享病历的双重授权.最后,采用随机预言机模型验证了该方案在n-QBDH假设下的语义安全性,并通过实验证明了该方案在计算开销方面的优越性.