-
公开(公告)号：CN107545471B
公开(公告)日：2021-06-11
申请号：CN201710844205.1
申请日：2017-09-19
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于高斯混合的智能推荐方法，属于大数据智能推荐领域；本发明基于高斯混合模型的协同过滤推荐算法GMM‑TCF的研究及应用，主要包括用户和项目联合概率的生成、如何定义大数据推荐模型中的最大似然函数、如何对大数据推荐模型中的高斯混合参数进行初始化和优化、以及怎么样将基于高斯混合的用户兴趣度模型与基于项目的推荐模型进行线性结合。一方面从最初用户属于某一个聚类到多个聚类的转变，这使得用户的兴趣得到了极大的体现；另一方面，通过添加项目时间因子，提高了项目之间的相似度，从而建立基于项目的预测模型，使得算法的推荐效果更好，推荐精度更高。
-
公开(公告)号：CN107545471A
公开(公告)日：2018-01-05
申请号：CN201710844205.1
申请日：2017-09-19
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于高斯混合的智能推荐方法，属于大数据智能推荐领域；本发明基于高斯混合模型的协同过滤推荐算法GMM-TCF的研究及应用，主要包括用户和项目联合概率的生成、如何定义大数据推荐模型中的最大似然函数、如何对大数据推荐模型中的高斯混合参数进行初始化和优化、以及怎么样将基于高斯混合的用户兴趣度模型与基于项目的推荐模型进行线性结合。一方面从最初用户属于某一个聚类到多个聚类的转变，这使得用户的兴趣得到了极大的体现；另一方面，通过添加项目时间因子，提高了项目之间的相似度，从而建立基于项目的预测模型，使得算法的推荐效果更好，推荐精度更高。
-
公开(公告)号：CN109639515A
公开(公告)日：2019-04-16
申请号：CN201910118547.4
申请日：2019-02-16
Applicant: 北京工业大学
CPC classification number: H04L41/145 , H04L41/0631 , H04L41/142 , H04L41/147 , H04L43/16 , H04L63/1408 , H04L63/1458 , H04L67/14
Abstract: 本发明公开了基于隐马尔可夫和Q学习协作的DDoS攻击检测方法，结合隐马尔可夫模型的相关理论，在现有检测方法的基础上，提出了基于隐马尔可夫模型和TCP连接状态结合的DDoS攻击检测方法，首先从网络数据流中抓取不同的历史数据，包括正常的和正在遭受DDoS攻击的数据流量，分别获得网络传输单元，攻击者和目标主机的TCP连接状态，然后进行模型参数的学习，使隐马尔可夫模型准确的描述网络数据流动态TCP连接的状态序列，然后在单点检测模型的基础上，结合强化学习中Q学习的相关理论，针对分布式检测中存在的问题，提出了基于分布式协作Q学习的检测方法。经实验对比分析，降低了系统中各检测点之间的通讯量，提高了系统的运行效率。
-
公开(公告)号：CN106973040A
公开(公告)日：2017-07-21
申请号：CN201710118566.8
申请日：2017-03-01
Applicant: 北京工业大学
Abstract: 本发明公开一种智能手机私密短信安全系统及私密短信的传输方法，采用AES(Advanced Encryption Standard)和ECC(Elliptic Curve Cryptography)加密体制相结合的混合体制，对短信进行加密传输，实现服务器统一管理密钥以及密钥的交换。采用本发明的技术方案，实现信息的交互及密钥交换与管理，使得系统更加安全。
-
-
-
Search Results
4
records
(took 0.019 seconds)
