基于混合偏好分析的聯(lián)邦推薦框架[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對(duì)基于內(nèi)容推薦算法存在過(guò)擬合及過(guò)度專(zhuān)業(yè)化問(wèn)題，提出了一種混合個(gè)體及群體偏好分析的聯(lián)邦推薦框架，該框架包含三個(gè)模塊：基于隨機(jī)森林的偏好分析模塊、基于聯(lián)邦的相似興趣用戶(hù)分群模塊、基于混合偏好分析的推薦模塊。在基于隨機(jī)森林的偏好分析模塊中，提出考慮組合因素的同一屬性間偏好度分析和結(jié)合信息熵的不同屬性間在意度分析方法,通過(guò)糾正與真實(shí)興趣屬性具有強(qiáng)關(guān)聯(lián)性的非興趣屬性影響，初步解決了算法的過(guò)擬合問(wèn)題；在基于聯(lián)邦的相似興趣用戶(hù)分群模塊和混合偏好分析的推薦模塊中，通過(guò)基于聯(lián)邦的相似興趣用戶(hù)分群模塊和群體的同屬性異屬性分析，得到用戶(hù)所在興趣群體的同屬性異屬性偏好信息，并通過(guò)網(wǎng)格遍歷群體和個(gè)體的超參權(quán)重混合進(jìn)行資源推薦，解決了推薦系統(tǒng)存在的過(guò)度專(zhuān)業(yè)化問(wèn)題，提高算法在特定任務(wù)上的表現(xiàn)。實(shí)驗(yàn)結(jié)果表明所提算法相較于隨機(jī)森林算法在各方面指標(biāo)上有明顯提升，且提高了推薦系統(tǒng)的可解釋性。

發(fā)表于：11/1/2023 2:01:00 PM

融合激光SLAM實(shí)現(xiàn)平衡車(chē)智能導(dǎo)航[人工智能][物聯(lián)網(wǎng)]

國(guó)內(nèi)現(xiàn)有的兩輪智能平衡車(chē)幾乎不具有自主避障與定位功能。為了提高其安全性與靈活性，在傳統(tǒng)的平衡車(chē)基礎(chǔ)上加入了激光SLAM技術(shù)，實(shí)現(xiàn)自主建圖、路徑規(guī)劃、定位和避障。運(yùn)用卡爾曼濾波器對(duì)六軸傳感器采集的加速度和傾斜角進(jìn)行數(shù)據(jù)融合處理，在建圖和定位方面，采用Google發(fā)布的Cartographer算法，路徑規(guī)劃和避障上采用Navigation功能包集成的move_base下的Teb算法。由于激光雷達(dá)建圖時(shí)需要車(chē)速比較緩慢，并且需要盡可能避免抖動(dòng)，因此讓車(chē)模保持穩(wěn)定的運(yùn)動(dòng)狀態(tài)就很重要，為此首先對(duì)傳感器獲得的數(shù)據(jù)進(jìn)行濾波，其次對(duì)小車(chē)的PID參數(shù)進(jìn)行細(xì)調(diào)。同時(shí)為了更方便地控制，加入藍(lán)牙功能，通過(guò)藍(lán)牙控制小車(chē)運(yùn)動(dòng)，實(shí)現(xiàn)快速建圖。在加入了SLAM技術(shù)之后，傳統(tǒng)的平衡車(chē)可以實(shí)現(xiàn)避障和定位功能，能夠?qū)崟r(shí)檢測(cè)出靜態(tài)和動(dòng)態(tài)障礙物，并繞開(kāi)障礙物規(guī)劃出最優(yōu)路線，實(shí)現(xiàn)了無(wú)人駕駛功能。

發(fā)表于：10/23/2023 6:13:13 PM