公开(公告)号：CN108427965B

公开(公告)日：2022-08-23

申请号：CN201810179464.1

申请日：2018-03-05

Applicant: 重庆邮电大学

Inventor： 仇国庆 ,  赵婉滢 ,  马俊 ,  张少昀

IPC: G06K9/62 ,  G06F16/9038

Abstract: 本发明请求保护一种基于路网轨迹聚类的出行热点区域挖掘方法。在本方法中，将出租车轨迹映射到道路网络中，并且采用实际道路中采集到的兴趣点和轨迹结合的聚类方法。结合密度峰值聚类算法，提出了基于密度峰值优化初始中心的OPAM算法，即DP‑OPAM。算法采用数据点的局部密度和这些点到更高密度点的最短距离，采用决策图挑选出密度更高且距离最近的数据点所属的类别，作为初始聚类中心。根据初始聚类中心，采用增加反向学习的OPAM聚类算法，得到聚类结果。将新算法与原OPAM算法进行对比，新算法不仅能自动确定聚类中心，并且提高了准确率和聚类时间，实现用户出行热点区域分析。

公开(公告)号：CN108427965A

公开(公告)日：2018-08-21

申请号：CN201810179464.1

申请日：2018-03-05

Applicant: 重庆邮电大学

Inventor： 仇国庆 ,  赵婉滢 ,  马俊 ,  张少昀

IPC: G06K9/62 ,  G06F17/30

Abstract: 本发明请求保护一种基于路网轨迹聚类的出行热点区域挖掘方法。在本方法中，将出租车轨迹映射到道路网络中，并且采用实际道路中采集到的兴趣点和轨迹结合的聚类方法。结合密度峰值聚类算法，提出了基于密度峰值优化初始中心的OPAM算法，即DP-OPAM。算法采用数据点的局部密度和这些点到更高密度点的最短距离，采用决策图挑选出密度更高且距离最近的数据点所属的类别，作为初始聚类中心。根据初始聚类中心，采用增加反向学习的OPAM聚类算法，得到聚类结果。将新算法与原OPAM算法进行对比，新算法不仅能自动确定聚类中心，并且提高了准确率和聚类时间，实现用户出行热点区域分析。

公开(公告)号：CN108536856A

公开(公告)日：2018-09-14

申请号：CN201810343004.8

申请日：2018-04-17

Applicant: 重庆邮电大学

Inventor： 仇国庆 ,  马俊 ,  赵婉滢 ,  张少昀

IPC: G06F17/30 ,  G06N3/04

Abstract: 本发明涉及一种基于双边网络结构的混合协同过滤电影推荐模型，属于推荐系统领域。该模型引入深度学习的思想利用电影的海报和描述文本，通过CNN生成用户和物品的有效特征表达，并利用概率矩阵分解技术通过高斯噪声参数引入潜在的用户和电影模型，集成搭建具有双边网络结构的深度神经推荐模型。并将该模型应用于来自MovieLens网站的MovieLens_1M表示为ML_1M的开源数据集上进行实验，验证利用深度学习引入辅助信息即电影海报和描述文本搭建混合协同过滤推荐模型，是否可以改善在用户和物品交互评分矩阵稀疏情况下，降低数据稀疏性对推荐精度的影响。本发明在数据稀疏情况下，更具有生成有效特征表达能力，降低数据稀疏性造成的影响，有效的改善推荐不精准问题。