导读:本文包含了结合过滤论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,超滤膜,维吾尔,词干,纸带,项目,数据。
结合过滤论文文献综述
占源航[1]（2019）在《纸带过滤与中空纤维超滤膜结合工艺预处理猪场沼液应用研究》一文中研究指出猪场沼液膜浓缩处理可以得到营养浓缩液和清洁产水,但由于沼液中含有大量的悬浮物、溶解性有机物等,易造成膜污染形成堵塞,影响膜浓缩安全运行,有效的预处理已成为沼液膜浓缩的关键。针对猪场沼液膜浓缩预处理难题,本研究设计纸带过滤(PF)与中空纤维超滤膜(UF)结合工艺(PF+UF),作为纳滤联合反渗透膜浓缩(NF+RO)的预处理。通过对PF+UF预处理运行参数的优选研究;并对PF+UF与PF+陶瓷微滤膜(MF)不同预处理进行对比分析;最后,对PF+UF+NF+RO组合工艺进行多批次长期运行试验,以评估PF+UF工艺应用为猪场沼液膜浓缩预处理的科学可行性。主要结论有:(1)PF+UF预处理猪场沼液运行参数优选试验表明,PF不同精度(15、30、50μm)优选结果为50μm,UF不同进膜压力(0.06、0.10、0.14、0.18、0.22、0.26 MPa)优选结果为0.10 MPa,反洗频率(10、20、30、40 min)优选结果为20 min。在优选运行参数下,UF透过液体积透过率为86.67±0.62%,浊度、TSS、TS、COD的去除率分别为89.60±5.35%、90.84±7.08%、49.75±1.82%、28.82±5.29%,去除了大部分悬浮物;而EC、TN、NH_3-N、TP的去除率分别为5.49±0.76%、7.65±1.57%、6.23±1.81%、21.38±3.83%,留存了大部分离子、氮养分。(2)PF+MF与PF+UF预处理猪场沼液相比,MF产水膜通量(180 L/(m~2·h)~100 L/(m~2·h))是UF(35 L/(m~2·h)~17 L/(m~2·h))的5倍左右。MF透过液浊度、TSS去除率为99%左右,UF透过液为90%左右。而两种预处理透过液COD去除率都在30%左右,EC、TN、NH_3-N去除率都在20%以下,无显着差异。PF+MF+NF+RO与PF+UF+NF+RO组合工艺相比,NF、RO产水膜通量的变化都无显着性差异。在500 L处理体积下,MF耗电量为5.40 kW·h,占其组合工艺29.65%,UF耗电量为0.54 kW·h,占其组合工艺3.66%。MF耗电量是UF的10倍。MF、UF两种预处理下RO产水无显着性差异,TS、COD、EC、TN、NH_3-N、TP、氯化物去除率都达到91%以上;TSS、COD、氯化物含量都达到国家农田灌溉水质标准;NH_3-N、TP含量都达到国家畜禽养殖废弃物排放标准;磺胺类、沙星类抗生素及多西环素的去除率都达到99%;但土霉素去除率分别约为80%、60%。在1/6体积浓缩倍数下,两种预处理下NF、RO浓缩液中,都浓缩了1.6-2.3倍的TN、TK、COD,无显着差异;分别约浓缩了2倍的抗生素、3倍的氯化物,需进一步关注。(3)PF+UF+NF+RO组合工艺处理猪场沼液9批次运行结果显示,最终RO产水体积透过率无明显变化、水质基本保持稳定;UF、NF、RO产水膜通量呈下降趋势,但化学清洗后,初始产水膜通量恢复率分别为92.80%、90.98%、94.70%。组合工艺平均处理成本为24.08元/m~3,其中PF+UF预处理为4.24元/m~3,占比为17.61%。(本文来源于《中国农业科学院》期刊2019-05-01）
欧阳曙光,冯驰,刘兆越,刘佳成[2]（2019）在《膜过滤结合Fenton法处理焦化废水的实验研究》一文中研究指出焦化废水以其成分复杂、难降解有机物多、COD排放不达标等问题,给环境带来了严重的威胁。采用合理的实验设计方案,探讨膜过滤结合Fenton法处理焦化废水。结果表明,在最佳铸膜液配比、凝固浴温度、预蒸发时间条件下,当添加剂TiO_2-Fe_3O_4的质量分数为0.8%时,所制备出的改性膜具有最优的综合评分,其焦化废水通量达到115.23 L/(m~2·h),COD截留率达到90.2%。该方法可为焦化厂的废水处理提供参考和借鉴。(本文来源于《现代化工》期刊2019年04期）
喻新潮,曾圣超,温柳英,罗朝广[3]（2019）在《一种聚类与kNN结合的协同过滤算法》一文中研究指出随着电子商务的发展,推荐系统被广泛用于挖掘用户行为数据中的商业价值.基于kNN的协同过滤是经典的推荐算法,但存在两个主要问题:时间复杂度高以及使用单个距离度量导致预测精度低.本文提出了一种聚类与kNN相结合的协同过滤算法(C-kNN).在预处理阶段,使用M-distance将商品划分成多个簇.在评级预测阶段,只有簇内的项目作为距离计算和预测的候选邻居.在四个真实数据集上的实验结果表明,C-kNN比经典kNN在MAE和RMSE上均有可观提升.(本文来源于《小型微型计算机系统》期刊2019年04期）
唐一民[4]（2019）在《结合用户评分与属性兴趣的协同过滤推荐算法研究》一文中研究指出随着科学技术和商业应用的快速进步,互联网已经进入了人们日常生活的各个角落。迅速普及的互联网给人们的生活带来了许多便利,与此同时对于如何利用互联网中庞大的数据更好的为人们服务的研究也从未停下脚步。推荐系统正是诞生于这样一个互联网数据爆炸的时代。推荐系统通过分析用户属性、用户历史行为以及被推荐项目的属性与内容等信息,发掘用户的兴趣,分析不同用户以及不同项目的特征,主动的向用户提供用户可能感兴趣的内容。对于用户而言,推荐系统是一种有效的发现内容的工具,其能够主动的提供用户感兴趣的内容却不需要额外的操作;对商家而言,推荐系统是一种有效的内容分发工具,可以将最合适的内容分发给最需要它的用户。在本文中,详细介绍了推荐系统的诞生与发展,对于多种当下热门的推荐算法的基本原理和实现过程进行了一个总结和归纳,比较了不同推荐算法的适用环境和他们的优缺点。其中基于协同过滤的推荐算法作为当前研究最多应用最广的推荐算法之一,在本文中做了详细介绍,并在后续的内容中针对协同过滤推荐算法存在的问题进行了深入研究并提出改进算法。不断地提高推荐精度和个性化程度是推荐系统研究的一个重要方向。本文在深入分析协同过滤推荐算法的原理和流程的基础上,针对传统的协同过滤推荐算法中相似度计算不够准确的问题进行改进。提出了结合用户评分与属性兴趣的协同过滤推荐算法(RACF)。首先判断用户之间共同评分项目数量,当两个用户共同评分数量过少的时候,传统的相似度计算将难以得到准确的值。在本文中,将用户对项目的评分映射到用户对项目属性的感兴趣程度,生成属性兴趣特征向量来计算用户的相似度。当两个共同评分数量足够时,基于用户之间的评分数据离散程度来比较两个用户的评分习惯,基于评分习惯优化用户之间的相似度。最后在Movielens-100k数据集上进行仿真实验,证明RACF算法提高了推荐精度和推荐结果的多样性。虽然RACF算法提高了推荐精度和推荐结果的多样性,但是相似度最高的用户并不一定是对推荐最有帮助的用户。于是本文在RACF算法的基础上对邻居集合的生成进行了进一步改进优化,提出了结合用户评分与属性兴趣的协同过滤算法改进(IRACF)。该算法一方面考虑到虽然有些用户与目标用户的相似度高,但是其评分过的项目与目标用户评分过的项目高度重合,对目标用户推荐能力较弱。于是本文提出了可用度的指标,通过可用度降低了那些相似度虽然高但是对推荐帮助较小的用户成为最近邻居用户的概率。另一方面,考虑到与目标用户在相似度接近-1的用户与其对项目评分往往与目标用户呈现相反的趋势。因此本文提出了负邻居的概念,利用相似度为负的用户组成负邻居从反面预测目标用户的评分,再将最近邻居和负邻居的预测评分给予不同的权重得到最终的预测评分。最后在Movielens-100k数据集上进行仿真实验,证明IRACF算法进一步提高了推荐精度和推荐结果的多样性。(本文来源于《安徽大学》期刊2019-04-01）
包志强,宋静霞[5]（2019）在《结合关联规则填充的协同过滤改进算法》一文中研究指出为了改善传统个性化推荐中协同过滤算法存在的诸如用户和项目评分矩阵稀疏、推荐准确度不高、冷启动等问题,提出一种结合关联规则填充对协同过滤推荐算法进行改进的方法。这种算法是在协同过滤算法的第一步前加入通过关联规则得到的结果,预测一些没有评分值的项目,将新得到的数据填充到原用户-项目评分矩阵中,降低评分矩阵的稀疏性,从而提供更多数据的相似性计算,在此基础上再结合基于传统项目的协同过滤算法对用户进行推荐。通过MovieLens数据集进行实验对比,结果显示文中提出的算法与传统算法相比,推荐系统的准确性和有效性显着提高。(本文来源于《现代电子技术》期刊2019年03期）
陈帆,孙自强[6]（2018）在《结合物品类型和密度峰值聚类的协同过滤推荐算法》一文中研究指出现有的推荐算法主要依靠评分记录,对用户的个性需求关注较少,推荐结果不完全符合实际需求。针对该问题,本文在传统的基于用户的协同过滤算法(UCF)基础上,结合密度峰值聚类研究物品属性,分析用户对物品类型、聚类的兴趣取向,深入挖掘用户的个性需求,提出了一种结合物品类型和密度峰值聚类的协同过滤推荐算法。采用密度峰值聚类,无需指定聚类中心和聚类数,利用逆向文档频率对算法进行优化,提高了对物品特征和用户兴趣的识别度。实验结果表明,本文算法能较好地获取用户偏向,提供更加准确、高效的Top-N推荐。(本文来源于《华东理工大学学报(自然科学版)》期刊2018年06期）
李炎,艾均,苏湛[7]（2018）在《结合评分时间和用户空间的协同过滤推荐算法》一文中研究指出大多数科学研究的协同过滤推荐算法一般只利用用户的评分信息,而忽视了评分产生的时间以及用户所处的空间对推荐的影响。针对这一问题,从评分时间和用户空间角度对推荐算法的相似度计算、邻居用户选择以及评分预测过程进行改进。利用评分时间和用户空间两方面因素,提出结合评分时间和用户空间的协同过滤推荐算法。用户的兴趣随着时间的改变而发生改变,用户最近评分的影响力比以前评分的影响力更大。对没有空间信息的数据集,采用复杂网络拓扑布局算法把相关联的用户排布成用户空间网络布局。通过实验验证了该算法在准确性方面有显着的提高。(本文来源于《计算机应用与软件》期刊2018年12期）
如先姑力·阿布都热西提,亚森·艾则孜,郭文强[8]（2019）在《维语网页中n-gram模型结合类不平衡SVM的不良文本过滤方法》一文中研究指出提出了一种结合n-gram统计模型和类不平衡支持向量机(SVM)分类器的维语文本过滤方法。首先,将网页文本进行预处理操作,通过n-gram统计模型来初步提取词干;然后,对词干进行语义分析,将具有相似含义的词干聚合为一类,以此降低词干维度;最后,在传统SVM中引入一个控制超平面之间距离的参数,构建一种类不平衡SVM,使其能够很好地分类具有非线性不可分和不平衡性的维吾尔语文本。实验结果表明,该方法能够准确分类出不良文本,且具有较短的分类时间。(本文来源于《计算机应用研究》期刊2019年11期）
罗弦,丁箐,王禹[9]（2018）在《一种结合用户和项目聚类的协同过滤算法》一文中研究指出针对协同过滤算法中评分矩阵稀疏性问题和可拓展性问题,提出一种改进的协同过滤算法,以望提高推荐效果和计算性能。该算法结合用户聚类和项目聚类,将最近邻搜索空间缩小到对应的聚类中,重新构建了相似度计算和评分预测方法。在Movie Lens数据集上的实验结果显示,改进后的算法相较于传统协同过滤算法在预测准确度上有所提高。(本文来源于《信息技术与网络安全》期刊2018年10期）
倪潞燕,姜久雷[10]（2018）在《结合项目流行度的协同过滤推荐算法》一文中研究指出针对传统的协同过滤推荐算法中相似度计算不准确的问题,论文提出了一种结合项目流行度的协同过滤推荐算法,通过引入项目流行度权重因子来降低热门项目在相似度计算及最终推荐中的影响力。最后在Movie Lens数据集上的实验结果表明,改进算法有利于提高评分预测的准确度。(本文来源于《信息系统工程》期刊2018年09期）
结合过滤论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
焦化废水以其成分复杂、难降解有机物多、COD排放不达标等问题,给环境带来了严重的威胁。采用合理的实验设计方案,探讨膜过滤结合Fenton法处理焦化废水。结果表明,在最佳铸膜液配比、凝固浴温度、预蒸发时间条件下,当添加剂TiO_2-Fe_3O_4的质量分数为0.8%时,所制备出的改性膜具有最优的综合评分,其焦化废水通量达到115.23 L/(m~2·h),COD截留率达到90.2%。该方法可为焦化厂的废水处理提供参考和借鉴。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
结合过滤论文参考文献
[1].占源航.纸带过滤与中空纤维超滤膜结合工艺预处理猪场沼液应用研究[D].中国农业科学院.2019
[2].欧阳曙光,冯驰,刘兆越,刘佳成.膜过滤结合Fenton法处理焦化废水的实验研究[J].现代化工.2019
[3].喻新潮,曾圣超,温柳英,罗朝广.一种聚类与kNN结合的协同过滤算法[J].小型微型计算机系统.2019
[4].唐一民.结合用户评分与属性兴趣的协同过滤推荐算法研究[D].安徽大学.2019
[5].包志强,宋静霞.结合关联规则填充的协同过滤改进算法[J].现代电子技术.2019
[6].陈帆,孙自强.结合物品类型和密度峰值聚类的协同过滤推荐算法[J].华东理工大学学报(自然科学版).2018
[7].李炎,艾均,苏湛.结合评分时间和用户空间的协同过滤推荐算法[J].计算机应用与软件.2018
[8].如先姑力·阿布都热西提,亚森·艾则孜,郭文强.维语网页中n-gram模型结合类不平衡SVM的不良文本过滤方法[J].计算机应用研究.2019
[9].罗弦,丁箐,王禹.一种结合用户和项目聚类的协同过滤算法[J].信息技术与网络安全.2018
[10].倪潞燕,姜久雷.结合项目流行度的协同过滤推荐算法[J].信息系统工程.2018
论文知识图
