一种基于Hadoop的用户偏好评估方法及系统

    公开(公告)号:CN107066512A

    公开(公告)日:2017-08-18

    申请号:CN201710052157.2

    申请日:2017-01-23

    Abstract: 本发明提供了一种基于Hadoop的用户偏好评估方法及系统,包括以下步骤:S1:获取现网全量用户在某个统计时间段内的上网信息;进行数据清洗,过滤掉不符合要求的数据;S2:将本地统计的用户上网信息存储至Hadoop平台的分布式文件存储系统HDFS上,同时基于用户偏好评估算法,利用MapReduce的海量数据计算能力实现用户偏好评估,生成用户偏好得分;S3:在Hive数据仓库中建立“用户‑应用”偏好值数据表,并将得到的用户偏好得分导入数据表中,方便利用Hive查询;S4:根据用户上网信息和“用户‑应用”偏好数据表,生成推荐应用列表和目标用户群,实现重点用户关注和同类应用推荐。本发明能够很好的解决传统用户偏好分析方法不能精准分析用户对应用的偏好,以致营销成功率低的问题。

    基于改进遗传算法的移动机器人路径规划方法及存储介质

    公开(公告)号:CN110887484B

    公开(公告)日:2022-12-27

    申请号:CN201910973425.3

    申请日:2019-10-14

    Inventor: 胡章芳 程亮 张玲

    Abstract: 本发明请求保护一种基于改进遗传算法的移动机器人路径规划方法及存储介质,具体步骤为:首先,设置机器人起始点的位置坐标信息S(x,y)、目的地的位置坐标信息T(x,y)以及行走区域的困难度;然后,将障碍物的长度和宽度增大了机器人宽度的r倍(r>1/2)以确保机器人与障碍物有绝对的安全距离;接着,判定当前机器人在全局坐标系中的位姿;接着,利用SPS算法获取空间中各个静态障碍物的周围点;接着,得到所有可行路径,即初始种群。利用多约束条件下的遗传算法规划出从起始点到目标点的最优或次优路径,最后,判断是否已经到达目的地坐标位置。该方法能够尽量避免考虑相对最终路径而言不必要的点,从而提高搜索效率,加快算法的收敛速度,有利于防止算法陷入局部最优。

    基于改进遗传算法的移动机器人路径规划方法及存储介质

    公开(公告)号:CN110887484A

    公开(公告)日:2020-03-17

    申请号:CN201910973425.3

    申请日:2019-10-14

    Inventor: 胡章芳 程亮 张玲

    Abstract: 本发明请求保护一种基于改进遗传算法的移动机器人路径规划方法及存储介质,具体步骤为:首先,设置机器人起始点的位置坐标信息S(x,y)、目的地的位置坐标信息T(x,y)以及行走区域的困难度;然后,将障碍物的长度和宽度增大了机器人宽度的r倍(r>1/2)以确保机器人与障碍物有绝对的安全距离;接着,判定当前机器人在全局坐标系中的位姿;接着,利用SPS算法获取空间中各个静态障碍物的周围点;接着,得到所有可行路径,即初始种群。利用多约束条件下的遗传算法规划出从起始点到目标点的最优或次优路径,最后,判断是否已经到达目的地坐标位置。该方法能够尽量避免考虑相对最终路径而言不必要的点,从而提高搜索效率,加快算法的收敛速度,有利于防止算法陷入局部最优。

Patent Agency Ranking