公开(公告)号：CN116564404A

公开(公告)日：2023-08-08

申请号：CN202310503636.7

申请日：2023-05-06

Applicant: 桂林电子科技大学

Inventor： 赵利权 ,  朱晓姝 ,  蒙爽

IPC: G16B20/00 ,  G06F18/2135 ,  G06F18/24 ,  G06F18/214 ,  G06F18/15 ,  G06N3/088

Abstract: 本发明提供一种基于PCA的单细胞异常值处理方法及装置，采用了传统的PCA降维方法，在其过程中加入异常值判定的流程并过滤掉异常点，从而解决传统方法的异常值过多的问题。协方差矩阵和特征向量的计算方式能够识别数据中的主要特征，并将它们投影到低维空间中，使得投影后的数据更易于可视化和解释。通过PCA进行异常点检测，可以识别数据集中的异常值，并且在不丢失数据重要信息的情况下，可以提高数据集的质量和准确性。最后，PCA异常点检测方法是一种无监督的方法，可以自动检测数据集中的异常点，不需要事先知道异常点的存在，具有较强的适应性和普适性。

公开(公告)号：CN116521996A

公开(公告)日：2023-08-01

申请号：CN202310503290.0

申请日：2023-05-06

Applicant: 桂林电子科技大学

Inventor： 赵利权 ,  朱晓姝 ,  陈燕

IPC: G06F16/9535 ,  G06N3/0464 ,  G06N3/08 ,  G06F16/36

Abstract: 本发明提供一种基于知识图谱和图卷积神经网络的多行为推荐方法及系统，采用了知识图卷积网络进行推荐，融合了知识图谱和图卷积神经网络的模型。图传统推荐算法只使用user‑item信息进行推荐，而知识图卷积方法，它使用user‑item和user‑entity信息进行推荐，item中添加了邻居信息，可以很好的解决数据稀疏性问题。同时，实体之间存在多种多样的关系，有助于提高用户推荐的多样性。首先，通过收集user和item属性，根据它们之间的相关性，建立各个实体之间，实体与属性之间的知识图，并对其进行正负样本标记；然后，进行邻域聚合。捕获每个实体的局部邻接结构；最后，预测user对item感兴趣的概率，并选择模型参数最优值进行电影或音乐的推荐。