一种综合用户正负性评分和评分偏好因子的协同过滤方法

    公开(公告)号:CN104462597B

    公开(公告)日:2018-04-03

    申请号:CN201410850804.0

    申请日:2014-12-31

    Applicant: 湖南大学

    Inventor: 黄星辰 秦拯

    Abstract: 一种综合用户正负性评分和评分偏好因子的协同过滤算法,本发明公开了一种应用于个性化推荐系统中的协同过滤项目推荐方法,协同过滤的基本思想首先是通过个性化推荐系统提供的用户对项目的评分记录构造评分矩阵;然后根据评分矩阵寻找与目标用户兴趣相似的用户;最后根据找到的相似用户的喜好对目标用户进行项目推荐。本发明所述的推荐步骤基于基本协同过滤的思想,从相似用户的寻找和预测评分的计算两个方面出发实现创新突破,提高了计算目标用户对项目的预测评分的准确性,从而做出更准确的项目推荐。

    跨域协作防火墙中的分段冗余检测方法

    公开(公告)号:CN103973675B

    公开(公告)日:2017-05-24

    申请号:CN201410150528.7

    申请日:2014-04-15

    Applicant: 湖南大学

    Abstract: 本发明公开了一种应用于跨域协作防火墙中的分段冗余检测方法,跨域协作防火墙包括部署在不同的网络管理域Net1和Net2中相互协作执行安全策略的两个防火墙FW1和FW2,其中通信流量从FW1到FW2。对于FW2中的某条规则r,如果所有的数据包与FW2中的规则r匹配,但不与r之前的任一条规则匹配,且这些数据包被FW1丢弃,r相对于FW1而言是防火墙间的冗余规则。本发明所述的冗余检测方法,基于现有的跨域协作防火墙冗余检测方案,在隐私保护的前提下,对防火墙规则集发生更新时的处理过程做出改进,大大提高了冗余检测的效率,节约了冗余分析时两个网络管理域之间数据传输的通信成本。

    一种估计DAGSVM分类准确度的方法

    公开(公告)号:CN104537385A

    公开(公告)日:2015-04-22

    申请号:CN201510035225.5

    申请日:2015-01-23

    Applicant: 湖南大学

    Abstract: 本发明提供了一种估计DAGSVM分类准确度的方法,该方法通过划分出一个类别从根节点经过DAG结构走到正确的叶子节点位置所能经过的所有区域,并采用0-1矩阵来表示,结合路径上进行分类的两个类别的相似度,从而计算出整个矩阵表示的准确度估计值。本方案能够有效地估计出DAG结构的分类准确性,从而适当调整DAG的结构,使之获得更好的分类性能。

    跨域协作防火墙中的分段冗余检测方法

    公开(公告)号:CN103973675A

    公开(公告)日:2014-08-06

    申请号:CN201410150528.7

    申请日:2014-04-15

    Applicant: 湖南大学

    Abstract: 本发明公开了一种应用于跨域协作防火墙中的分段冗余检测方法,跨域协作防火墙包括部署在不同的网络管理域Net1和Net2中相互协作执行安全策略的两个防火墙FW1和FW2,其中通信流量从FW1到FW2。对于FW2中的某条规则r,如果所有的数据包与FW2中的规则r匹配,但不与r之前的任一条规则匹配,且这些数据包被FW1丢弃,r相对于FW1而言是防火墙间的冗余规则。本发明所述的冗余检测方法,基于现有的跨域协作防火墙冗余检测方案,在隐私保护的前提下,对防火墙规则集发生更新时的处理过程做出改进,大大提高了冗余检测的效率,节约了冗余分析时两个网络管理域之间数据传输的通信成本。

    一种综合用户正负性评分和评分偏好因子的协同过滤算法

    公开(公告)号:CN104462597A

    公开(公告)日:2015-03-25

    申请号:CN201410850804.0

    申请日:2014-12-31

    Applicant: 湖南大学

    Inventor: 黄星辰 秦拯

    CPC classification number: G06F17/30867

    Abstract: 一种综合用户正负性评分和评分偏好因子的协同过滤算法,本发明公开了一种应用于个性化推荐系统中的协同过滤项目推荐方法,协同过滤的基本思想首先是通过个性化推荐系统提供的用户对项目的评分记录构造评分矩阵;然后根据评分矩阵寻找与目标用户兴趣相似的用户;最后根据找到的相似用户的喜好对目标用户进行项目推荐。本发明所述的推荐步骤基于基本协同过滤的思想,从相似用户的寻找和预测评分的计算两个方面出发实现创新突破,提高了计算目标用户对项目的预测评分的准确性,从而做出更准确的项目推荐。

Patent Agency Ranking