2018年 第44卷 第2期
2018, 44(2): 193-215.
doi: 10.16383/j.aas.2018.c160812
摘要:
维数约简作为机器学习的经典问题之一，主要用于处理维数灾问题、帮助加速算法的计算效率和提高可解释性以及数据可视化.传统的维数约简算法如主成分分析（Principal component analysis，PCA）和线性判别分析等只能处理无标签数据或者分类数据.然而，当预测变量为一元或多元连续型实值变量时，这些处理无标签数据或分类数据的维数约简方法则不能形成有效的预测性能.近20年来，有一系列工作从多个角度对这一问题展开了研究，并取得了系统性的研究成果.在此背景下，本文将综述这些面向回归问题的降维算法，即实值多变量维数约简.本文将介绍与实值多变量维数约简密切相关的基本概念、算法、理论，并探讨一些潜在的研究方向.
维数约简作为机器学习的经典问题之一，主要用于处理维数灾问题、帮助加速算法的计算效率和提高可解释性以及数据可视化.传统的维数约简算法如主成分分析（Principal component analysis，PCA）和线性判别分析等只能处理无标签数据或者分类数据.然而，当预测变量为一元或多元连续型实值变量时，这些处理无标签数据或分类数据的维数约简方法则不能形成有效的预测性能.近20年来，有一系列工作从多个角度对这一问题展开了研究，并取得了系统性的研究成果.在此背景下，本文将综述这些面向回归问题的降维算法，即实值多变量维数约简.本文将介绍与实值多变量维数约简密切相关的基本概念、算法、理论，并探讨一些潜在的研究方向.
2018, 44(2): 216-227.
doi: 10.16383/j.aas.2018.c170005
摘要:
作为保障工业过程可靠性和经济性的重要技术，可靠性评估与寿命预测在过去几十年得到了越来越广泛的关注和长足的发展.在实际应用中，由于难以获取复杂、高可靠性设备失效机理的物理模型，数据驱动的可靠性评估与寿命预测方法成为近年来的主流.同时，自动监测技术和传感器技术的快速发展，使得在工程实践中不仅能够获取系统的退化数据，还能得到大量的系统运行环境监测数据，从而使得数据驱动寿命预测中基于协变量的方法得到了广泛应用.本文根据系统运行环境中协变量数据的不同变化规律，将基于协变量方法的可靠性评估模型分为：固定协变量模型、时变协变量模型和随机协变量模型，并分别讨论了各模型的发展现状.最后，讨论了协变量处理中存在的一些挑战及未来的研究方向.
作为保障工业过程可靠性和经济性的重要技术，可靠性评估与寿命预测在过去几十年得到了越来越广泛的关注和长足的发展.在实际应用中，由于难以获取复杂、高可靠性设备失效机理的物理模型，数据驱动的可靠性评估与寿命预测方法成为近年来的主流.同时，自动监测技术和传感器技术的快速发展，使得在工程实践中不仅能够获取系统的退化数据，还能得到大量的系统运行环境监测数据，从而使得数据驱动寿命预测中基于协变量的方法得到了广泛应用.本文根据系统运行环境中协变量数据的不同变化规律，将基于协变量方法的可靠性评估模型分为：固定协变量模型、时变协变量模型和随机协变量模型，并分别讨论了各模型的发展现状.最后，讨论了协变量处理中存在的一些挑战及未来的研究方向.
2018, 44(2): 228-239.
doi: 10.16383/j.aas.2018.c160371
摘要:
针对多星发射的运载火箭上面级在入轨段由于卫星分离产生的质量偏移，从而引起的三轴姿态严重耦合问题展开了研究，提出了基于广义扩张状态观测器的改进预测函数控制姿态控制方法.该控制方法将质心偏移造成上面级结构参数偏差和引入的干扰力矩以及其他未知系统参数偏差、外界扰动和未建模动态视为集总扰动，并将该非匹配干扰通过等效输入扰动技术转换为匹配干扰，由广义扩张状态观测器对变化后的系统状态和未知集总扰动同时观测.将集总扰动在反馈回路予以补偿保证了预测模型与上面级真实动力学模型有较高匹配度，进一步保证预测函数控制有较高的控制跟踪精度和较快的响应速度，并对外界扰动和参数偏差有较强的鲁棒性.文中算例仿真和性能对比验证了该方法的有效性及可行性.
针对多星发射的运载火箭上面级在入轨段由于卫星分离产生的质量偏移，从而引起的三轴姿态严重耦合问题展开了研究，提出了基于广义扩张状态观测器的改进预测函数控制姿态控制方法.该控制方法将质心偏移造成上面级结构参数偏差和引入的干扰力矩以及其他未知系统参数偏差、外界扰动和未建模动态视为集总扰动，并将该非匹配干扰通过等效输入扰动技术转换为匹配干扰，由广义扩张状态观测器对变化后的系统状态和未知集总扰动同时观测.将集总扰动在反馈回路予以补偿保证了预测模型与上面级真实动力学模型有较高匹配度，进一步保证预测函数控制有较高的控制跟踪精度和较快的响应速度，并对外界扰动和参数偏差有较强的鲁棒性.文中算例仿真和性能对比验证了该方法的有效性及可行性.
2018, 44(2): 240-250.
doi: 10.16383/j.aas.2018.c160673
摘要:
为了模拟和预测肌体组织复杂的再生修复过程，提出基于力学环境和血液供给条件建立骨折愈合仿真模型.针对骨折固定的力学条件和生物学因素，用一种时间动态模型模拟二期骨折愈合阶段的机械稳定性、血管再生和组织分化之间复杂的作用关系.与以往模型不同，本研究建立骨折的三维几何模型，通过有限元法计算骨痂局部力刺激，并与模糊逻辑相结合，将血液浓度作为时-空状态变量引入到模型中，描述骨痂力学及组织分化过程.通过前进欧拉法进行组织浓度等时间步长的迭代更新，在Visual Studio 2012环境下实现愈合进程模拟.最后，利用仿真模型预测稳定与不稳定环境下骨间动度随骨折愈合时间的变化情况，并将仿真结果数据与实验数据进行对比，结果表明，仿真结果与实验数据在趋势和数值上都有较好的吻合，仿真结果数据全部分布在实验数据平均偏差范围内.该结果验证了骨折愈合模型的精确性以及在模拟骨折愈合过程方面的优势.
为了模拟和预测肌体组织复杂的再生修复过程，提出基于力学环境和血液供给条件建立骨折愈合仿真模型.针对骨折固定的力学条件和生物学因素，用一种时间动态模型模拟二期骨折愈合阶段的机械稳定性、血管再生和组织分化之间复杂的作用关系.与以往模型不同，本研究建立骨折的三维几何模型，通过有限元法计算骨痂局部力刺激，并与模糊逻辑相结合，将血液浓度作为时-空状态变量引入到模型中，描述骨痂力学及组织分化过程.通过前进欧拉法进行组织浓度等时间步长的迭代更新，在Visual Studio 2012环境下实现愈合进程模拟.最后，利用仿真模型预测稳定与不稳定环境下骨间动度随骨折愈合时间的变化情况，并将仿真结果数据与实验数据进行对比，结果表明，仿真结果与实验数据在趋势和数值上都有较好的吻合，仿真结果数据全部分布在实验数据平均偏差范围内.该结果验证了骨折愈合模型的精确性以及在模拟骨折愈合过程方面的优势.
2018, 44(2): 251-261.
doi: 10.16383/j.aas.2018.c160824
摘要:
犯罪行为分析是侦查破案的重要参考，也是学界长期以来关注的热点.目前，犯罪行为分析主要采用现场证据-行为推断的思路，忽略了犯罪过程中犯罪主体和客体之间的复杂互动.本文在基于ACP（Artificial societies（人工社会）+Computational experiments（计算实验）+Parallel execution（平行执行））方法的犯罪现场平行系统框架下，从行为动力学角度提出了故意杀人行为的犯罪主体时间和空间互动模型，并采用真实案例数据对模型参数进行了标定.计算实验结果表明，本文提出的互动模型能较好地模拟真实数据，从而为分析犯罪过程中的复杂互动提供了一个可靠的基础.
犯罪行为分析是侦查破案的重要参考，也是学界长期以来关注的热点.目前，犯罪行为分析主要采用现场证据-行为推断的思路，忽略了犯罪过程中犯罪主体和客体之间的复杂互动.本文在基于ACP（Artificial societies（人工社会）+Computational experiments（计算实验）+Parallel execution（平行执行））方法的犯罪现场平行系统框架下，从行为动力学角度提出了故意杀人行为的犯罪主体时间和空间互动模型，并采用真实案例数据对模型参数进行了标定.计算实验结果表明，本文提出的互动模型能较好地模拟真实数据，从而为分析犯罪过程中的复杂互动提供了一个可靠的基础.
2018, 44(2): 262-269.
doi: 10.16383/j.aas.2018.c160394
摘要:
针对双层模型预测控制（Model predictive control，MPC）中出现的由于系统状态在动态控制（Dynamic control，DC）过程中超出约束集，导致下层优化不可行的问题，本文在综合控制方法的基础上提出一种新的动态控制策略，引入多包镇定域（Multi-convex hull stabilization domain，MHSD）的概念.通过离线计算多包镇定域，并根据系统每一时刻的实测状态值，在线决定（Dynamic control）层的镇定域以及相应的控制时域，结合变约束思想，保证动态控制过程递归可行，从而有效控制在大范围内变化的系统状态.另外，本文通过设计非线性反馈控制器，扩大了终端不变集和多包镇定域的范围，提高了DC层对稳态目标值的跟踪效果.本文的控制算法可以使得DC层在目标跟踪过程中保证递归可行性，并最大程度地实现无静差跟踪.仿真算例验证了本文算法对稳定系统和不稳定系统都有效.
针对双层模型预测控制（Model predictive control，MPC）中出现的由于系统状态在动态控制（Dynamic control，DC）过程中超出约束集，导致下层优化不可行的问题，本文在综合控制方法的基础上提出一种新的动态控制策略，引入多包镇定域（Multi-convex hull stabilization domain，MHSD）的概念.通过离线计算多包镇定域，并根据系统每一时刻的实测状态值，在线决定（Dynamic control）层的镇定域以及相应的控制时域，结合变约束思想，保证动态控制过程递归可行，从而有效控制在大范围内变化的系统状态.另外，本文通过设计非线性反馈控制器，扩大了终端不变集和多包镇定域的范围，提高了DC层对稳态目标值的跟踪效果.本文的控制算法可以使得DC层在目标跟踪过程中保证递归可行性，并最大程度地实现无静差跟踪.仿真算例验证了本文算法对稳定系统和不稳定系统都有效.
2018, 44(2): 270-279.
doi: 10.16383/j.aas.2018.c160514
摘要:
供应中断和退货会引发库存短缺和剧烈波动，所以，如何缓解它们的影响，成为当前企业管理者亟待解决的难题.在采用双源采购策略防御库存短缺和跳跃-扩散过程描述库存水平变化条件下，利用连续时间Markov链、水平穿越和鞅理论，分别确定了库存水平分布及循环的期望费用和时间函数，在此基础上，构建了系统长程平均费用率模型.最后，仿真结果表明，供应商的可靠性和中断类型，对最优控制策略和系统费用产生较大影响.另外，双源采购策略能够有效缓解供应中断对库存的影响，尤其是，当供应商的可靠性较低或中断类型均为频率低持续时间长时.
供应中断和退货会引发库存短缺和剧烈波动，所以，如何缓解它们的影响，成为当前企业管理者亟待解决的难题.在采用双源采购策略防御库存短缺和跳跃-扩散过程描述库存水平变化条件下，利用连续时间Markov链、水平穿越和鞅理论，分别确定了库存水平分布及循环的期望费用和时间函数，在此基础上，构建了系统长程平均费用率模型.最后，仿真结果表明，供应商的可靠性和中断类型，对最优控制策略和系统费用产生较大影响.另外，双源采购策略能够有效缓解供应中断对库存的影响，尤其是，当供应商的可靠性较低或中断类型均为频率低持续时间长时.
2018, 44(2): 280-288.
doi: 10.16383/j.aas.2018.c160704
摘要:
针对高光谱遥感影像分类过程中，高维数据引起的"维数灾难"以及空间邻域一致性信息没有得到充分利用的问题，提出一种基于边缘保持滤波（Edge-preserving filtering，EPF）的高光谱影像光谱-空间联合分类算法.该算法首先进行波段子集划分和主成分提取，构造新的低维特征集，在保存影像结构信息的前提下降低数据维度；其次利用支持向量机（Support vector machine，SVM）获得低维特征集的初始分类概率图；然后利用原始影像主成分对初始分类概率图进行边缘保持滤波，融合光谱信息和空间信息；最后根据滤波后分类概率图对应像素点值的大小确定每个像素的类别.在Indian Pines和Pavia University两组高光谱数据上进行仿真实验，相同实验条件下，本文算法都获得最高分类精度和最少的时间消耗.仿真结果表明本文算法在高光谱遥感影像分类任务中具有明显的优势.
针对高光谱遥感影像分类过程中，高维数据引起的"维数灾难"以及空间邻域一致性信息没有得到充分利用的问题，提出一种基于边缘保持滤波（Edge-preserving filtering，EPF）的高光谱影像光谱-空间联合分类算法.该算法首先进行波段子集划分和主成分提取，构造新的低维特征集，在保存影像结构信息的前提下降低数据维度；其次利用支持向量机（Support vector machine，SVM）获得低维特征集的初始分类概率图；然后利用原始影像主成分对初始分类概率图进行边缘保持滤波，融合光谱信息和空间信息；最后根据滤波后分类概率图对应像素点值的大小确定每个像素的类别.在Indian Pines和Pavia University两组高光谱数据上进行仿真实验，相同实验条件下，本文算法都获得最高分类精度和最少的时间消耗.仿真结果表明本文算法在高光谱遥感影像分类任务中具有明显的优势.
2018, 44(2): 289-298.
doi: 10.16383/j.aas.2018.c160757
摘要:
在基于模板变形的颅面复原方法中，复原的开始阶段需要在数据库中选取与待复原颅骨最为相似的参考颅骨.鉴于基于三维模型的检索算法时间久且颅骨间的差异细微，从而不同于一般三维模型数据库中各模型的差异.因此，已有的三维模型检索算法不适用于颅骨检索.本文提出一种夹角信息和距离信息融合的颅骨轮廓特征提取算法，并在此基础上提出一种能够反映颅骨空域信息的剖面特征提取算法.检索时首先获取三维颅骨的正交投影和深度投影，通过正交投影获取轮廓的角度和距离特征，通过深度投影获得具有空域信息的剖面特征；然后对多个特征进行加权融合搜索到最相似颅骨；最后通过ICP+TPS对检索到的颅骨进行误差评估.实验表明，本算法在保证检索效率的同时，可以准确地应用在颅面复原前期对最相似颅骨的选择上.
在基于模板变形的颅面复原方法中，复原的开始阶段需要在数据库中选取与待复原颅骨最为相似的参考颅骨.鉴于基于三维模型的检索算法时间久且颅骨间的差异细微，从而不同于一般三维模型数据库中各模型的差异.因此，已有的三维模型检索算法不适用于颅骨检索.本文提出一种夹角信息和距离信息融合的颅骨轮廓特征提取算法，并在此基础上提出一种能够反映颅骨空域信息的剖面特征提取算法.检索时首先获取三维颅骨的正交投影和深度投影，通过正交投影获取轮廓的角度和距离特征，通过深度投影获得具有空域信息的剖面特征；然后对多个特征进行加权融合搜索到最相似颅骨；最后通过ICP+TPS对检索到的颅骨进行误差评估.实验表明，本算法在保证检索效率的同时，可以准确地应用在颅面复原前期对最相似颅骨的选择上.
2018, 44(2): 299-310.
doi: 10.16383/j.aas.2018.c160623
摘要:
工业换热过程是蒸汽与循环水在换热器中进行热交换，使供水温度达到工艺规定的目标范围内的复杂工业过程.由于存在蒸汽压力、回水流量波动以及换热器内管壁结垢的扰动，导致被控对象模型参数发生未知随机的大范围变化，使控制器积分作用失效，造成内环蒸汽流量和外环供水温度波动，相互影响，甚至谐振.针对上述问题，利用工业换热过程运行在工作点附近的特点，用确定性低阶线性模型和虚拟未建模动态来描述被控过程.将自适应信号法与双率控制技术相结合，提出了以蒸汽流量为内环输出、以供水温度为外环输出的双率自适应控制器，并给出了该控制器的稳定性和收敛性分析.本文将工业换热过程机理模型作为被控对象，进行了半实物仿真.结果表明，对于工业换热过程，在模型参数大范围变化时，本文提出的控制方法可以将供水温度控制在工艺要求的目标范围内.
工业换热过程是蒸汽与循环水在换热器中进行热交换，使供水温度达到工艺规定的目标范围内的复杂工业过程.由于存在蒸汽压力、回水流量波动以及换热器内管壁结垢的扰动，导致被控对象模型参数发生未知随机的大范围变化，使控制器积分作用失效，造成内环蒸汽流量和外环供水温度波动，相互影响，甚至谐振.针对上述问题，利用工业换热过程运行在工作点附近的特点，用确定性低阶线性模型和虚拟未建模动态来描述被控过程.将自适应信号法与双率控制技术相结合，提出了以蒸汽流量为内环输出、以供水温度为外环输出的双率自适应控制器，并给出了该控制器的稳定性和收敛性分析.本文将工业换热过程机理模型作为被控对象，进行了半实物仿真.结果表明，对于工业换热过程，在模型参数大范围变化时，本文提出的控制方法可以将供水温度控制在工艺要求的目标范围内.
2018, 44(2): 311-317.
doi: 10.16383/j.aas.2018.c160818
摘要:
针对含少量标签样本的迁移学习问题，本文提出了基于极限学习机（Extreme learning machine，ELM）参数迁移的域适应算法，其核心思想是将目标域的ELM分类器参数投影到源域参数空间中，使其最大限度地与源域的分类器参数分布相同.此外，考虑到迁移中有可能带来负迁移的情况，在目标函数中引入正则项约束.本文算法与以往的域适应算法相比优势在于，其分类器参数以及转移矩阵是同时优化得到的，并且其目标函数求解过程相对简单.实验结果表明，与主流的域适应算法相比，本文算法在精度与效率上都表现出明显的优势.
针对含少量标签样本的迁移学习问题，本文提出了基于极限学习机（Extreme learning machine，ELM）参数迁移的域适应算法，其核心思想是将目标域的ELM分类器参数投影到源域参数空间中，使其最大限度地与源域的分类器参数分布相同.此外，考虑到迁移中有可能带来负迁移的情况，在目标函数中引入正则项约束.本文算法与以往的域适应算法相比优势在于，其分类器参数以及转移矩阵是同时优化得到的，并且其目标函数求解过程相对简单.实验结果表明，与主流的域适应算法相比，本文算法在精度与效率上都表现出明显的优势.
2018, 44(2): 318-329.
doi: 10.16383/j.aas.2018.c160045
摘要:
传统的深度置信网络（Deep brief networks，DBN）在建立高维数据分类模型时，往往存在网络负荷大，运算复杂度高等问题.本文首先基于非线性PCA（NPCA）对高维样本数据进行降维，然后以提取到的非线性特征作为DBN的网络输入，构建了一类含非线性特征提取预处理机制的DBN分类器.并从信息熵理论的角度出发，证明了所提改进DBN分类器在网络结构和算法复杂度方面的优势.通过一个PM2.5浓度预测与影响因素诊断实例，验证了所提改进DBN在一类分类和影响因素诊断问题中的应用，并与传统的分类器进行对比，显示了所提方法在建模精度及收敛速度上的优势.
传统的深度置信网络（Deep brief networks，DBN）在建立高维数据分类模型时，往往存在网络负荷大，运算复杂度高等问题.本文首先基于非线性PCA（NPCA）对高维样本数据进行降维，然后以提取到的非线性特征作为DBN的网络输入，构建了一类含非线性特征提取预处理机制的DBN分类器.并从信息熵理论的角度出发，证明了所提改进DBN分类器在网络结构和算法复杂度方面的优势.通过一个PM2.5浓度预测与影响因素诊断实例，验证了所提改进DBN在一类分类和影响因素诊断问题中的应用，并与传统的分类器进行对比，显示了所提方法在建模精度及收敛速度上的优势.
2018, 44(2): 330-343.
doi: 10.16383/j.aas.2018.c160590
摘要:
赤铁矿混合选别浓密过程是以底流矿浆泵频率为输入，以底流矿浆流量为内环输出，以底流矿浆浓度为外环输出的强非线性串级工业过程.由于受到频繁的浮选过程产生的中矿矿浆和污水的随机干扰，底流矿浆浓度外环和流量内环始终处于动态变化之中，控制器积分作用失效，内外环相互影响，使被控系统的动态性能变坏，底流矿浆浓度与流量超出工艺规定的控制目标的范围，甚至产生谐振.本文针对上述问题利用提升技术建立基于内环流量闭环动态模型的浓度外环动态模型，将基于未建模动态补偿驱动的一步最优PI控制和基于模糊推理与规则推理的切换控制相结合，提出了由浓度外环控制和流量内环控制组成的混合选别浓密过程的双速率智能切换控制算法，建立了由机理主模型和神经网络补偿模型组成的混合选别浓密过程动态模型.所提算法通过混合选别浓密过程的半实物仿真实验结果表明本文所提控制方法的有效性.
赤铁矿混合选别浓密过程是以底流矿浆泵频率为输入，以底流矿浆流量为内环输出，以底流矿浆浓度为外环输出的强非线性串级工业过程.由于受到频繁的浮选过程产生的中矿矿浆和污水的随机干扰，底流矿浆浓度外环和流量内环始终处于动态变化之中，控制器积分作用失效，内外环相互影响，使被控系统的动态性能变坏，底流矿浆浓度与流量超出工艺规定的控制目标的范围，甚至产生谐振.本文针对上述问题利用提升技术建立基于内环流量闭环动态模型的浓度外环动态模型，将基于未建模动态补偿驱动的一步最优PI控制和基于模糊推理与规则推理的切换控制相结合，提出了由浓度外环控制和流量内环控制组成的混合选别浓密过程的双速率智能切换控制算法，建立了由机理主模型和神经网络补偿模型组成的混合选别浓密过程动态模型.所提算法通过混合选别浓密过程的半实物仿真实验结果表明本文所提控制方法的有效性.
2018, 44(2): 344-362.
doi: 10.16383/j.aas.2018.c160562
摘要:
针对目前综合调度算法不能兼顾产品工艺树中并行工序的并行性和串行工序之间紧密度，影响调度结果的问题，提出考虑后续工序的择时综合调度算法.该算法提出工序序列排序策略，从工艺树的整体结构出发，将其划分成若干内部工序只具有串行关系的工序序列，并按路径长度从长到短的顺序确定其调度次序；提出择时调度策略和考虑后续工序策略，根据工艺树自身特点，从来自不同工序序列的并行工序的不同组合方案中，选择最接近调度目标的方案作为工序调度方案，若该工序调度方案不唯一，则在其中选择该工序加工开始时间最早的调度方案.该算法既保证了工序的并行处理，又提高了串行工序的紧密度，优化了综合调度的结果.最后通过实例说明本文算法对解决综合调试问题具有普遍意义.
针对目前综合调度算法不能兼顾产品工艺树中并行工序的并行性和串行工序之间紧密度，影响调度结果的问题，提出考虑后续工序的择时综合调度算法.该算法提出工序序列排序策略，从工艺树的整体结构出发，将其划分成若干内部工序只具有串行关系的工序序列，并按路径长度从长到短的顺序确定其调度次序；提出择时调度策略和考虑后续工序策略，根据工艺树自身特点，从来自不同工序序列的并行工序的不同组合方案中，选择最接近调度目标的方案作为工序调度方案，若该工序调度方案不唯一，则在其中选择该工序加工开始时间最早的调度方案.该算法既保证了工序的并行处理，又提高了串行工序的紧密度，优化了综合调度的结果.最后通过实例说明本文算法对解决综合调试问题具有普遍意义.
2018, 44(2): 363-376.
doi: 10.16383/j.aas.2018.c160395
摘要:
针对推荐系统中普遍存在的数据稀疏和冷启动等问题，本文结合用户自身评分与用户的社会信任关系构建推荐模型，提出了一种基于信任关系传递的社会网络推荐算法（Trust transition recommendation model，TTRM）.该方法首先通过计算信任网络中节点的声望值与偏见值来发现信任网络中的不可信节点，并通过对其评分权重进行弱化来减轻其对信任网络产生的负面影响.其次，算法又利用朋友的信任矩阵对用户自身的特征向量进行修正，解决了用户特征向量的精准构建及信任传递问题.同时为了实现修正误差的最小化，算法利用推荐特性进行用户相似度计算并通过带有社会正则化约束的矩阵分解技术实现社会网络推荐.实验结果表明，TTRM算法较传统的社会网络推荐算法在性能上具有显著提高.
针对推荐系统中普遍存在的数据稀疏和冷启动等问题，本文结合用户自身评分与用户的社会信任关系构建推荐模型，提出了一种基于信任关系传递的社会网络推荐算法（Trust transition recommendation model，TTRM）.该方法首先通过计算信任网络中节点的声望值与偏见值来发现信任网络中的不可信节点，并通过对其评分权重进行弱化来减轻其对信任网络产生的负面影响.其次，算法又利用朋友的信任矩阵对用户自身的特征向量进行修正，解决了用户特征向量的精准构建及信任传递问题.同时为了实现修正误差的最小化，算法利用推荐特性进行用户相似度计算并通过带有社会正则化约束的矩阵分解技术实现社会网络推荐.实验结果表明，TTRM算法较传统的社会网络推荐算法在性能上具有显著提高.
2018, 44(2): 377-384.
doi: 10.16383/j.aas.2018.c170695
摘要:
本文对国家自然科学基金1986~2017年自动化领域项目申请和资助数据进行了大量数据分析，统计和分析结果表明自动化领域自然科学基金成为研究者重要的研究资金来源，研究人员规模、研究成果数量、基金资助数据都在稳步提升，研究队伍正呈现年轻化趋势.通过数据挖掘30年来不同研究热点及其变化，笔者发现自动化领域基金资助的相关研究领域能紧跟国际国内研究前沿，热点领域中理论研究比重大于应用研究，近年来具有应用研究背景的项目资助比重逐年提高.本文可为广大自动化领域相关的研究者提供选题等方面的借鉴和参考.
本文对国家自然科学基金1986~2017年自动化领域项目申请和资助数据进行了大量数据分析，统计和分析结果表明自动化领域自然科学基金成为研究者重要的研究资金来源，研究人员规模、研究成果数量、基金资助数据都在稳步提升，研究队伍正呈现年轻化趋势.通过数据挖掘30年来不同研究热点及其变化，笔者发现自动化领域基金资助的相关研究领域能紧跟国际国内研究前沿，热点领域中理论研究比重大于应用研究，近年来具有应用研究背景的项目资助比重逐年提高.本文可为广大自动化领域相关的研究者提供选题等方面的借鉴和参考.
