基于最小包含球的异质空间大数据集快速相似度学习算法

• 作者: 王士同 董爱美 蒋亦樟 黄成泉
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 最小包含球 大数据 异质空间 相似度学习 推荐系统
• 年，卷（期）: 2014,（9）
• 页码范围: 1553-1561
• 页数: 9页
• 分类号: TP181
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2013.0720

摘要

针对跨空间数据相似度学习问题提出的跨空间相似度学习(CSAL)算法表现出了良好的性能，并已成功地应用于各类推荐系统中。但构建一个完善的推荐系统，其待处理的数据量常呈现大样本特征，而CSAL算法并不具备大样本快速处理能力。针对此不足，提出了跨空间相似度学习-最小包含球(CSAL-MEB)方法和跨空间相似度学习-核向量机(CSAL-CVM)快速方法。 CSAL-CVM方法既具有渐近线性时间复杂度和空间复杂度的优点，同时又继承了CSAL的良好性能。相关实验亦验证了所提出方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	黄成泉	江南大学数字媒体学院	18	45	5.0	6.0
4	蒋亦樟	江南大学数字媒体学院	50	216	8.0	11.0
7	董爱美	江南大学数字媒体学院	6	34	3.0	5.0