公开(公告)号：CN103901891A

公开(公告)日：2014-07-02

申请号：CN201410150310.1

申请日：2014-04-12

Applicant: 复旦大学

Inventor： 金城 ,  杨昭 ,  冯瑞 ,  薛向阳

IPC: G05D1/02

Abstract: 本发明属于人工智能领域，具体为一种基于层次结构的动态粒子树SLAM算法。本发明算法能有效的提升SLAM算法的稳定性，通过层次化的结构使得概率模型具有两种不同分辨率视角，低分辨率的全局模型有利于全局信息的生成与维护，并且能够保持地图的重叠与闭合，为导航系统生成拓扑图等信息打下基础；另一方面具有较高精度的低层次局部信息能够很好的保持小块区域内的导航精度，并不重复带入累积误差，使得整个算法在长时间运行的状态下仍然保持误差在可接受的水平范围内。动态更新的粒子树可以很好的降低时间、空间复杂度。

公开(公告)号：CN103927347A

公开(公告)日：2014-07-16

申请号：CN201410129925.6

申请日：2014-04-01

Applicant: 复旦大学

Inventor： 金城 ,  杨昭 ,  冯瑞 ,  薛向阳

IPC: G06F17/30 ,  G06N3/00

CPC classification number: G06F17/30867 ,  G06F17/30705 ,  G06N3/006

Abstract: 本发明属于协同过滤推荐技术领域，具体涉及一种基于用户行为模型和蚁群聚类的协同过滤推荐算法。本发明在传统协同过滤推荐技术基础上，采用蚁群聚类算法对用户进行分类，在整个用户空间高效的查找邻居用户群，结合用户行为模型和基于项目内容的推荐，使现有方法存在的问题得到很大改善。本发明涉及更好地模拟蚁群聚类，选择用户行为模型的更新方程，降低预处理复杂度及进一步挖掘用户行为模型的研究等。本发明经过多重模型组合，得到较传统协同过滤推荐技术的算法更为灵活的推荐技术，可以适应多种场景并提高了推荐质量。