随着版权保护越来越受到重视,图像认证和完整性检测的需求被提出,半脆弱水印可以达到这些要求。提出一种结合奇异值分解SVD(Singular value decomposition)和Watson视觉模型的半脆弱水印算法。算法将水印信号嵌入图像最大奇异值中,并利...随着版权保护越来越受到重视,图像认证和完整性检测的需求被提出,半脆弱水印可以达到这些要求。提出一种结合奇异值分解SVD(Singular value decomposition)和Watson视觉模型的半脆弱水印算法。算法将水印信号嵌入图像最大奇异值中,并利用Watson模型控制嵌入强度。实验表明算法达到了不可见性、盲检测性、区分合理与不合理失真等半脆弱水印的基本要求,并能较准确识别篡改区域,具有实用性。展开更多
协同过滤算法是推荐系统中应用最为广泛和成功的推荐技术,本文针对协同过滤推荐算法中的评分预测问题,对包含正则项的传统BSVD、SVD++模型进行分析改进,详细分析SVD模型的理论方法,加入用户历史行为记录的潜在信息,利用包含用户喜好(如...协同过滤算法是推荐系统中应用最为广泛和成功的推荐技术,本文针对协同过滤推荐算法中的评分预测问题,对包含正则项的传统BSVD、SVD++模型进行分析改进,详细分析SVD模型的理论方法,加入用户历史行为记录的潜在信息,利用包含用户喜好(如浏览)的隐性特征向量矩阵替换原SVD模型中的用户特征向量矩阵,提出非对称奇异值分解(Asymmetric singular value decomposition,ASVD)模型,并将项目的特征矩阵也进行扩展形成相应的对偶模型,最后将二者的结果进行融合作为最终的预测评分.在Movie Lens数据集上进行实验验证,结果表明基于ASVD的评分预测算法与传统BSVD、SVD++相比,能有效提高推荐系统的预测精度.展开更多
文摘随着版权保护越来越受到重视,图像认证和完整性检测的需求被提出,半脆弱水印可以达到这些要求。提出一种结合奇异值分解SVD(Singular value decomposition)和Watson视觉模型的半脆弱水印算法。算法将水印信号嵌入图像最大奇异值中,并利用Watson模型控制嵌入强度。实验表明算法达到了不可见性、盲检测性、区分合理与不合理失真等半脆弱水印的基本要求,并能较准确识别篡改区域,具有实用性。
文摘协同过滤算法是推荐系统中应用最为广泛和成功的推荐技术,本文针对协同过滤推荐算法中的评分预测问题,对包含正则项的传统BSVD、SVD++模型进行分析改进,详细分析SVD模型的理论方法,加入用户历史行为记录的潜在信息,利用包含用户喜好(如浏览)的隐性特征向量矩阵替换原SVD模型中的用户特征向量矩阵,提出非对称奇异值分解(Asymmetric singular value decomposition,ASVD)模型,并将项目的特征矩阵也进行扩展形成相应的对偶模型,最后将二者的结果进行融合作为最终的预测评分.在Movie Lens数据集上进行实验验证,结果表明基于ASVD的评分预测算法与传统BSVD、SVD++相比,能有效提高推荐系统的预测精度.
