简介:用户声誉的研究对于互联网金融和电子商务的健康发展具有重要意义,是在线用户行为分析中一个重要的研究方向。在线用户评分系统中研究学者提出了许多声誉度量算法,然而不同方法度量用户声誉的思想和角度是不同的。为了在海量数据中对用户声誉有一个总体的认识,提出一种基于SkylineQuery的高声誉用户识别方法。将已有的几种声誉度量方法进行分类,综合选取代表性的算法得到的用户声誉用Skyline查询方法找到的集合Skyline中不被其他用户所支配的用户,即为高声誉用户。同时分析不同时间段上得到的集合Skyline中高声誉用户的规律。本文综合多种声誉度量方法从定性角度对声誉进行应用研究,拓宽了用户声誉研究的广度。
简介:摘要机器学习已经广泛的应用于众多疾病的辅助诊断中,分类集成学习通过构建多个学习器来完成特定学习任务,再通过特定的策略将他们结合起来。阿尔茨海默症由于其病因和疾病发展经历了较为漫长的过程。本研究使用对早期、晚期轻度认知障碍、阿尔茨海默症及正常老年人进行分组特征提取。优化使用可以提高分辨率的PCA-FLDA集成分类器对前期提取的数据进行分类集成,最大限度的降低了前期特征提取中不同分类方式对空间划分的依赖性。