一种个性化推荐方法、电子设备及存储介质

    公开(公告)号:CN119474524A

    公开(公告)日:2025-02-18

    申请号:CN202411407849.0

    申请日:2024-10-10

    Abstract: 本发明公开了一种个性化推荐方法、电子设备及存储介质,所述方法将准确性、多样性和新颖性有效耦合,计算用户对项目的预测评分,包括以下步骤:步骤S1,构建用户项目评分矩阵;步骤S2,通过时间衰减函数调整用户对项目的评分数值,更新用户项目评分;步骤S3,获得用户‑特征因子矩阵和项目‑特征因子矩阵;步骤S4,计算用户对项目新颖性偏好值新颖性因子;步骤S5,计算用户的多样性倾向度;步骤S6,对SVD++模型进行改进,得到DNSVD模型;步骤S7,训练DNSVD模型;步骤S8,在测试集上进行预测,计算用户对项目的预测值。本发明同时考虑准确性、多样性以及新颖性,在保证准确性较优的前提下,最优化推荐算法的多样性和新颖性。

    基于改进YOLOv5的火焰检测方法
    2.
    发明公开

    公开(公告)号:CN117218510A

    公开(公告)日:2023-12-12

    申请号:CN202311160366.0

    申请日:2023-09-08

    Abstract: 本发明涉及一种基于改进YOLOv5的火焰检测方法,选择其中网络深度最小和特征图宽度最小、检测速度最快、精度相对较高的YOLOv5s网络结构作为基础模型架构,在现有的YOLOv5S网络中,用FReLU激活函数替换了骨干和颈部网络中Conv和C3结构中的SiLU激活函数,同时将YOLOv5的骨干网络后段特征提取原用的C3结构替换为Fasternet网络;网络优化改进,以此适应小目标火焰的精确检测。FReLU激活函数不仅可以提高模型的特征表达能力,还可以增强模型的非线性拟合能力以及减少梯度消失问题的发生。其次骨干网络部分中的部分替换为Fasternet网络,可以通过同时减少冗余计算和内存访问来更有效地提取空间特征。可以有效提升火焰检测的有效性和实时性。

Patent Agency Ranking