欧皇新-CSDN博客

原创论微信抢红包与谁手气最佳的关系（微信红包matlab实现）

这篇文章的灵感来自于@毕导THU年前发红包视频，感兴趣的小伙伴们可以戳一戳这个视频的链接:https://www.bilibili.com/video/BV1z7411e7qB在这篇文章当中，毕导为我们解释了每个人分配到的红包金额满足于参数为0.01到剩余人均金额的2倍的均匀分布，因此我用matlab加以实现红包分配，代码如下：金额总数是两百万，五个人分，为避免实验的偶然性，增加分发次数为7500次，在计算剩余人均红包金额时，我用了cumsum()累加函数，其原理如下：但我们不能直接

2020-07-31 15:32:14 1330

原创模糊C均值聚类-以RFM数据实现用户聚类【matlab实现】

RFM数据是指最近一次消费，消费频率以及消费金额，分别构成R,F,M，给定200行用户行为数据，我们用模糊C均值聚类进行分析首先简单介绍一下模糊C均值聚类，每一个样本距各个聚类中心（初始聚类中心需要随机指定）都有一个隶属度，每一个样本至各个聚类的隶属度总和为1。通过每次随机分配，取均值等方法，在层层迭代过程中，寻找聚类中心，使得每个样本到每个聚类中心的距离值最小化，所计算的聚类结果就是我们的目标。MBA智库对于RFM有着详细的解释，link:https://wiki.mbalib.com

2020-08-31 11:52:13 1355

原创马尔科夫聚类【matlab实现】

近日，根据这篇博客所阐述的思想，我主要讲讲马尔科夫聚类的主要步骤。马尔科夫聚类属于图聚类的一种，图可分有向图或无向图，根据权重又可划分有权重与无权重，无权重的连接图所代表的连接矩阵，0代表两点有边可连，反之为1，有权重的矩阵元素值代表权重大小下面给出无向图无权重的聚类示例输入：连接图矩阵，expansion系数e,inflation系数r 输出：聚类表 1.输入连接图矩阵 2.添加自环，即假设无向图有N个点，构成的连接图矩阵为T，T（i,i）=1 3.对矩阵中的元

2020-08-27 10:57:03 796

原创基于商品的协同过滤推荐算法与预测评分实践【matlab实现】

正如昨天所介绍的，我们之前介绍了基于用户的协同过滤推荐算法，但是这种算法存在一种重大缺陷，即：我们计算的用户相似度是历史记录中的“老客户”，这种推荐算法对新注册用户，或者缺少行为记录的用户是极其不友好的，因为无法计算与其相似的用户，因而不能进行个性化推荐，因此，我们从商品的相似度出发，解决用户冷启动问题。现在简单介绍基于基于商品的协同过滤推荐算法：基于用户的协同过滤基本思想非常简单，就是找到志同道合的朋友，并把朋友感兴趣的而用户没有接触过的商品推荐给用户。但是这有一个问题，由..

2020-08-19 17:00:49 1988

原创基于用户的协同过滤推荐算法与预测评分实践【matlab实现】

众所周知的是，我们生活在一个充满“大数据”的社会生活当中，处处可以看见“推荐”的身影，比如豆瓣图书，电影推荐等等。针对于传统推荐，即基于内容，基于用户，以及基于商品的推荐，一种现有推荐算法，既融合协同过滤推荐，又包含用户，或者商品的推荐算法。现在简单介绍基于基于用户的协同过滤推荐算法：如图1所示，在推荐系统中，用m×n的打分矩阵表示用户对物品的喜好情况，一般用打分来表示用户对商品的喜好程度，分数越高表示该用户对这个商品越感兴趣，而数值为空表示不了解或是没有买过这个商品。如图2所示

2020-08-18 21:40:17 3459 4

原创谈谈从经纬度坐标到欧式距离的转化【matlab实现】

根据地球上任意两点的经纬度计算两点间的距离地球是一个近乎标准的椭球体，它的赤道半径为6378.140千米，极半径为 6356.755千米，平均半径6371.004千米。如果我们假设地球是一个完美的球体，那么它的半径就是地球的平均半径，记为R。如果以0度经线为基准，那么根据地球表面任意两点的经纬度就可以计算出这两点间的地表距离（这里忽略地球表面地形对计算带来的误差，仅仅是理论上的估算值）。设第一点A的经纬度为(LonA, LatA)，第二点B的经纬度为(LonB, LatB)，按照0度经线的基准，东经

2020-08-18 21:33:04 4960

原创 SI模型下传染病模型的参数估计以及图像显示

针对于前半年的新冠肺炎疫情的数据，本UP（非数模向）自主在网上学习了几种通用的传染病模型，主要有：SI,SIS,SIR,SEIR四种模型，其中，SI模型指的是易感者被感染，且不可治愈，较为典型的有艾滋病SIS较为典型的范例是普通流感，因为感染者人群可能会有人重新恢复成易感人群SIR指的是急性传染病，治愈后会再次被感染SEIR指的是带潜伏期恶性传染病S：潜在可感染者E：已感染者I：已确诊者R：已痊愈者假设总人口N不变，人口自然出生率与死亡率相同，不考虑因病死亡，新增人口为易

2020-08-11 08:59:54 5273

原创基于地点相似度的POI推荐以及路径重组【matlab】

这里设计的POI推荐算法是参考于POI推荐算法，简单来说，就是利用用户访问POI的频次作为POI之间相似度的测度。具体描述以及代码展示如下：数据预处理随机抽取若干行数据首先我们要进行数据清洗，我们将456967行数据，10000多名用户参与的Gowalla数据进行预处理为避免数据的偶然性对实验产生的偏差影响，我们在获取数据的同时，随机抽取10000行数据进行实验，代码如下：clear all[data,txt]=xlsread('Gowalla.xlsx','Sheet1','A1:

2020-08-05 10:06:35 847

原创从经纬度坐标到欧式距离的转化【matlab实现】

如果给定两点坐标（在平面直角坐标系的情况下），设A（x1,y1），B（x2,y2），很容易可以计算两点距离为（x2-x1）^2+（y2-y1）^2的（1/2）次方,但给定两点真实坐标，如经纬度，就按照如下方法计算：首先不妨假设点A,点B三维空间向量为：基于此，我用matlab实现编程：编程如下：[location,txt]=xlsread('省会城市经纬度.xlsx','Sheet1','A1:C35');[m,n]=size(location);T=zeros(m,m

2020-08-02 18:56:38 2997 5

原创 37%最佳停止观望原理的matlab实现

还是毕导THU的“脱单视频”给与我些许启发，感兴趣的小伙伴们可以Look一下这个链接：https://www.bilibili.com/video/BV1uJ411D7AW在这里，我忍不住用手头的工具实现这个37%法则，工具是matlab，众所周知，蒙特卡洛方法是按抽样调查法求取统计值来推定未知特性量的计算方法。举个例子，如果要计算边长为a的正方形最大内接圆的面积，可以用数不清的粒子“撒”在正方形内，统计落在最大内接圆的粒子数量，利用落在圆内与落在正方形内粒子数量比值，通过已知的正方形面积预测圆形面积。

2020-08-01 09:03:48 518

原创有关于毕导THU尴尬定理的代码实现

此篇文章灵感来自于毕导29号更新的视频，感兴趣的童鞋请戳这里：https://www.bilibili.com/video/BV1RT4y1j7pP在视频当中，毕导向我们阐释了尴尬定理的含义，以及解决尴尬定理通式的传统计算机解决问题的分治方法，在这里就直接摆出递推式了在这里，我用MATLAB加以实现，代码如下所示m=50;%手动输入k的取值范围，假定是1至50个人上厕所f=zeros(1,m);%初始化占位函数，全赋值为1a=ones(1,m);%初始化坑位利用率函数，全赋值为1f(

2020-07-31 15:46:58 539

融合时间序列的POI动态推荐算法.pdf

兴趣点( POI) 的签到数据体现了用户的偏好和兴趣点的分布特征，这在兴趣点推荐领域有极为重要的价值．为了缓解数据稀疏造成的推荐不准确等问题，本文提出了融合时间序列的 POI 动态推荐算法，结合用户与用户之间的关系、兴趣点位置以及流行度信息等．首先划分时间序列，得到时间因子的相似度;其次时间序列融入到基于用户的协同过滤算法，再根据时间的连续性特征得到基于用户的预测评分，然后将地理影响因子与基于时间的流行度信息结合，预测用户的评分，进而与基于用户的评分加权融合;最后，在 Gowalla 数据集上进行实验，结果表明，本文提出的融合时间序列的 POI 动态推荐算法能够有效减小推荐误差，

2020-08-31

面向用户的航迹搜索以推荐行程

近年来，轨迹共享和搜索受到了极大的关注。在本文中，我们提出并研究了一个名为“用户导向的轨迹搜索”（UOTS）的旅行推荐新问题。与按位置进行常规轨迹搜索（仅针对空间域）相比，我们在新的UOTS查询中同时考虑了空间域和文本域。在给定轨迹数据集的情况下，查询输入包含旅行者给出的一组预期地点以及描述旅行者偏好的一组文本属性。如果一条轨迹正连接到/靠近指定的查询位置，并且该轨迹的文本属性与旅行者的偏好相似，则将推荐给旅行者以供参考。这种类型的查询可以为旅行计划和推荐等许多流行应用程序中的旅行者带来很多好处。 UOTS问题有两个挑战，（i）如何在两个域中限制搜索范围，以及（ii）如何有效地安排多个查询源。

2020-08-31

基于KL散度与JS散度相似度融合推荐算法.pdf

针对目前大多数推荐算法在计算项目或用户之间的相似度时只依赖于用户之间的共同评分项，由于用户－项目签到矩阵的高稀疏性，导致推荐结果不准确问题，提出一种改进的协同过滤推荐算法．该算法基于每个项目基分值概率分布使用 KL 散度计算项目之间的显性反馈相似度，再融合隐狄利克雷主题分配模型，得到每个项目属于 T 个主题的概率分布，使用 JS 散度计算出项目之间隐性反馈相似度，将两个相似度融合后融入到传统基于项目的协同过滤算法中并应用到兴趣点推荐，缓解数据稀疏性问题的同时提高了推荐质量．在点评数据集 Yelp 上进行实验验证，得出该推荐算法比传统的推荐算法更优

2020-08-31

通过轨迹数据分析推断乘客行为

Several works have been proposed for both collective and individual trajectory behavior discovery, as flocks, outliers, avoidance, chasing, etc. In this paper we are especially interested in abnormal behaviors of individual trajectories of drivers, and present an algorithm for finding anomalous move

2020-08-31

人脸检测示例.zip

自动人脸检测matlab版，需要填充两张格式为.bmp的图片，用黑白色测试出人脸轮廓，眼睛，鼻子等面部部位

2020-08-31

基于多重关系的标记时间点过程建模.pdf

带有标记和计时信息的事件序列可在广泛的领域中使用，从自动火车监控系统中的机器记录到社交网络中的信息级联。根据历史事件序列，预测下一个事件将在何时发生以及何时将发生将可以使许多有用的应用受益，例如大规模快速列车的维护服务时间表以及社交网络中的产品广告。由于时间点过程（TPP）能够捕获事件之间的时间依赖性，因此它是解决下一事件预测问题的有效解决方案。最近的递归时间点过程（RTPP）方法利用递归神经网络（RNN）摆脱了TPP密度函数中的参数形式假设。但是，大多数现有的RTPP方法仅关注事件之间的时间依赖性。在这项工作中，我们设计了一种具有分层注意机制的新颖的多关系结构RNN模型

2020-08-31

一种基于信任的协同过滤推荐模型

：传统的协同过滤推荐技术主要基于用户-项目评价数据集进行挖掘推荐，没有有效地利用用户通信上下文信息，从而制约其进一步提高推荐的精确性。针对传统协同过滤推荐算法存在的推荐精度不高的弊端，在协同过滤算法中融入通信上下文信息，引入了通信信任、相似信任和传递信任三个信任度，并提出了一种基于信任的协同过滤推荐模型。通过公开数据集验证测试，证明提出的推荐算法较传统的协同过滤推荐技术在推荐准确性上有较大提高。

2020-08-31

模糊C聚类示例.zip

模糊C均值聚类，包含200名用户RFM真实行为数据表格，本案例通过模糊C均值聚类，将200名用户聚类成所设定类别数目，通过指定迭代次数，查找cluster_table变量查看用户所属类别

2020-08-28

马尔科夫聚类.zip

自己编程写的两个小示例，具体的图压缩包里有，具体的聚类结果在cluster_Table矩阵中显示，图中有七个点，行代表有几个类，列上打“1”的代表该列号对应的点属于该行号所代表的的类，亲测可运行哦

2020-08-24

基于轨迹形状多样性的隐私保护算法

针对匿名集内轨迹间的高度相似性而导致的轨迹隐私泄露问题，提出基于轨迹形状多样性的隐私保护算法。该算法通过轨迹同步化处理的方式改进轨迹数据的预处理过程，以减少信息损失; 并借鉴l-多样性思想，在贪婪聚类时选择l 条具有形状多样性的轨迹作为匿名集成员，以防止集合内成员轨迹的形状相似性过高而导致轨迹形状相似性攻击。理论分析及实验结果均表明，该算法能够在保证轨迹k-匿名的同时满足l-多样性，算法运行时间较小，且减少了轨迹信息损失，增强了轨迹数据的可用性，更好地实现了轨迹隐私保护，可有效应用到隐私保护轨迹数据发布中。

2018-12-24

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人