精华内容
下载资源
问答
  • 利用AIS进行雷达标校在军事领域已得到广泛应用。但在标校过程中发现,校后雷达精度很多时候没有得到显著提高。...通过实测数据证明,所提出的方法能够得到较准确的系统误差估计值,对雷达的系统误差进行了有效的校准。
  • 浅谈测量的系统误差与偶然误差 测量...用重复观测的方法可以发现误差的 存在。但这并不是目的,研究测量误差产生的原因和变化规律、找出减 弱误差的对策、保证测量成果达到必需的精度,才是研究测量误差的 根本目的。
  • 受海洋环境以及机械损耗等因素影响,对海雷达系统误差会在工作中不断积累进而发生偏移,严重影响雷达探测精度。因此,必须定期对雷达进行系统误差校准。船舶(Automatic Identification System,AIS)作为一种新型...

    受海洋环境以及机械损耗等因素的影响,对海雷达系统误差会在工作中不断积累进而发生偏移,严重影响雷达的探测精度。因此,必须定期对雷达进行系统误差校准。

    船舶(Automatic Identification System,AIS)作为一种新型数字助航设备,可实时向案台设备输送配合舰船的GPS位置[1],配合雷达量测信息进行,因此应用AIS进行系统误差校准逐渐成为当前的主流。但在标校过程中发现,校后的雷达精度很多时候没有得到显著提高。文献[2]选择某个合适的船只作为目标进行校准,但目标数量过少,无法对雷达探测区域进行全覆盖。文献[3]利用海上多目标进行对海雷达系统误差校准,但对目标状态、分布情况进行了较多的理想假设,与真实的海上环境有较大的差距。文献[4]利用海上多目标实测数据进行误差估计,但没有对进行分析,直接将不同航迹数据统计平均后得到误差估计值。

    一般认为,雷达系统误差在海域内是均匀分布的,雷达探测区域的样本较为集中,在统计上呈现出趋正态性的特点。但研究表明,系统误差在某些海域的分布是不均匀的[5],在进行误差估计时需要进行分区域处理等操作。而目前的校准流程多忽视了误差分析这一环节,导致校准精度不高。另外,对异常值的处理问题也是导致标校后雷达精度不高的重要原因。并且当前系统误差估计方法中,主要对单目标误差序列中的异常值进行了剔除,而忽视了对错误目标序列的剔除。

    因此,本文在对关联、对准后的实测误差序列进行处理之前,首先对雷达系统误差在此海域的分布情况进行分析。在确定此海域内误差分布满足均匀分布的假设下,对得到的误差序列进行单序列异常值与错误关联异常序列进行剔除。最后得到系统误差估计值,对雷达进行误差校准与验证。实验证明,本文提出的方法能有效地对偏离的系统误差进行校准。

    1 误差校准的基本流程

    设对海雷达与AIS可同时对海上多个目标进行探测,其中雷达测量值分别为距离ρ和方位θ。由于ρ和θ之间相互独立且对其目标序列的分析方法相同,不失一般性,本文以距离系统误差为例对误差估计方法进行介绍。

    1.1 数据预处理

    选取一定时间段内的雷达与AIS上报数据,对于同一目标的数据,将雷达量测值按照录取批次、AIS信息按照报文号统一按时间顺序存放。

    1.2 误差序列获取

    首先,在统一授时设备下,读取AIS与雷达的预处理数据。然后对雷达测量值与AIS提供的目标信息进行航迹粗关联与时空对准,得到雷达与AIS的目标点对集,利用此点对集数据计算各点的距离、方位系统误差,获得系统误差序列。

    1.3 误差序列处理

    对于获得的误差序列,常采用海域内所有样本数据统计求均值的方法获得误差估计值。但在估计误差值之前,仍有两个步骤至关重要。首先,误差序列处理之前必须对系统误差在此海域的分布情况进行分析。其次,由于目标航迹聚集、交叉以及雷达数据与AIS的错误关联,在误差序列样本集中区域之外,会出现少量的异常量测值以及错误关联序列,必须对序列异常值以及错误关联序列进行筛选剔除。

    误差校准的整体流程如图1所示。

    175aad307b641e32c6ceadc0288e3829.gif

    2 误差估计方法

    2.1 航迹粗关联

    90778f8c468be32f479273a596b5bfdc.gif

    2.2 时间对准

    5c5048c59620d7ac43eac78568f736ac.gif

    2.3 误差分布特性分析

    本文利用雷达的量测信息与经AIS处理得到的系统误差值进行多变量拟合。此时只需要对系统误差的分布趋势进行了解,确定误差序列的处理是否在均匀分布假设范围之内,而多项式拟合能够一定程度上忽略量测异常值的影响,因此,本文对系统误差建立雷达局部直角坐标系下的分布函数多项式拟合方程:

    其中,Δρ、Δθ分别为雷达的距离和方位系统误差,x、y是雷达局部直角坐标系下位置,g、h为拟合方程中的待估参数;mρ、nρ、mθ、nθ为拟合方程的阶数,需要进行预先设定,由于本文关注的仅是系统误差在海域内的分布趋势,因此拟合阶数一般选择1或2即可。

    2.4 系统误差异常值剔除

    2.4.1 单目标误差序列异常值剔除

    034f9fdde707b16437b7bbdf3b4dfb98.gif

    其中,u为常量,其取值可以根据不同数据分析选定。一般若选出中度异常值,u可选择1.5左右。

    i目标误差序列异常值剔除步骤如下:

    (1)以[Δρ,i,min,Δρ,i,max]为异常值筛选区间,对区间范围之外的误差样本依次进行异常值筛选;

    (2)在剔除筛选出的距离误差异常样本后,利用式(5)、式(6)重新对此误差序列剩余样本求最小、最大估计值,继续进行步骤(1);

    (3)直到误差序列中所有的距离误差值均不满足步骤(1),则此误差序列异常值剔除完成。

    在此需要加以说明的是,在对某距离误差序列进行异常值剔除的同时,所剔除异常值对应的方位误差样本必须同时予以剔除。同样,进行方位误差序列异常值提出时,也应遵循此原则。

    2.4.2 错误关联目标剔除

    c802871c9351665e3c4497eaf5f5731f.gif

    与单目标误差序列异常值剔除方法一样,在剔除掉某个距离误差序列后,将其所对应的方位误差序列剔除掉。在对方位误差序列进行处理时同样如此。

    3 实验结果与分析

    3.1 误差估计实验

    本次实验数据采集中,在76 min采集时间里雷达探测到航迹68批,岸台AIS设备接收目标1 463个,成功关联目标对57个,得到误差序列样本3 546个。

    首先,利用得到的误差序列,对雷达距离系统误差进行多项式拟合,探究其真实分布情况,拟合阶数选择p=2,q=1,鲁棒性选择最小绝对残差法LAR。结果显示拟合优度为0.991 3,拟合情况达到要求。图2为此海域距离偏差分布的多项式拟合结果。图3中的航迹为利用配准后的雷达量测航迹与AIS“真值”航迹得到的系统误差航迹,并对不同大小范围内的航迹进行区域划分。

    f2a948b0116f6dbbec4921b8d51d6e1f.giffd27269e5ec33cf2da59b42d49afa6a1.gif

    从图2、图3拟合结果可以看出,虽然雷达系统误差大小在不同海域有明显差距,但从总体来看,其在探测时间内符合慢变、非随机的特性。系统误差值的范围主要集中在400 m~600 m之间,没有在海域内出现另一个误差范围聚集区。在可以进行统计均值处理的范围内,即均匀分布假设在此海域是合理的。因此,在下一步对异常量测值进行剔除后,可以利用全区域误差样本统计求均值的方法来获得误差估计值。

    对得到的系统误差序列画散点分布图和数值分布直方图,结果如图4、图5所示。

    a475d0ff026a3159eba2d9f70ab30c04.gifdbbf51f286349ccf7dce3bd30bb91f82.gif

    从图4、图5中可以看出,误差序列集中分布区域之外还有大量异常样本,需要对这些样本进行剔除处理。

    首先,利用四分位数法对单目标异常值进行筛选,然后将筛选出的异常样本进行剔除。实验结果显示,这一步共剔除异常样本202个,剩余样本3 344个。剔除后的误差序列散点图如图6所示。

    0fe5c0b2e8b0bad863edd16160a3a539.gif

    对所有误差序列进行单目标异常值剔出处理后,仍有一些异常序列存在。这主要是因为,在单目标序列中,异常值的标准差与集中样本数据的标准差相差很大,所以易被筛选剔除。但是若对于分布密集区的目标,往往由于雷达跟踪不稳定或者漏跟、错跟后又在之后得以矫正,使得整段误差序列偏离集中样本区域或者部分序列在集中区域外震荡分布,如图6中目标1和目标2所示。对于这类序列,必须从错误关联航迹的筛选层面入手,否则难以通过单目标筛选予以剔除。图7、图8分别是利用均值序列与标准差序列进行错误关联目标的剔除过程,在筛选出错误关联目标对的均值与标准差后,将其对应的目标序列予以剔除。

    b88e2b946c70ee48ec902dbe47febcd5.gif33b23da12bdc368bd2abed0eddd9c405.gif

    利用本文提出的错误航迹剔除方法,共剔除错误关联航迹6条,剩余误差序列样本3 149个。剩余距离误差序列的散点图和统计直方图分别如图9、图10所示。从图10可以看出,剩余距离误差序列的统计特性趋向于正态分布。

    fa1a3422eaadf4b59d98d3b757863c42.gif5916c22f4d8102f506b915fd5e43b0be.gif

    对异常序列进行剔除后,剩余的距离误差样本进行统计均值计算得到误差估计值。经过计算,距离误差偏大484.32 m,同种方法下对剩余方位误差序列求统计均值,得到方位误差偏大0.729°,均超过了雷达的探测精度。

    3.2 校准与验证实验

    利用上文实验得到的误差估计值对雷达距离和方位系统误差进行校准,继续进行实验对所提方法有效性加以验证。验证实验与第1次数据采集选择同一雷达站进行,在71 min采集时间里雷达探测到航迹61批,岸台AIS设备接收目标1 253个,成功关联目标对46个。采用本文所提异常值剔除方法处理后剩余关联对43个,距离误差样本2 867个。校准后距离误差序列统计直方图和各目标散点分布图如图11、图12所示。

    588460631ae4a013ba55daecb81bc6dd.gifd523d3073e47524ff47668f50371098a.gif

    经过计算,校准后雷达系统误差为偏大18.83 m,方位系统误差为偏大0.016°,均在该型雷达的探测精度范围之内,验证了本文提出方法的有效性。

    4 结论

    本文对影响雷达校后精度的因素进行了分析,提出一种利用AIS设备实现雷达高精度校准的方法。新方法在传统的校准流程中加入误差分布分析这一步骤,并对实地采集得到的误差序列进行异常值、异常序列两次异常剔除。实验结果证明,本文所提方法在对海雷达系统误差校准中取得了较为理想的效果。下一步的研究工作将重点分析不同海域的误差分布情况,提出针对不同分布趋势的合理的误差估计方法。

    参考文献

    [1] 袁正午,何格格.一种高精度的GPS-RTK定位技术设计与实现[J].电子技术应用,2018,44(6):63-67.

    [2] 赵永刚.一种岸海警戒雷达的标校方法[J].现代电子技术,2012,35(9):22-24.

    [3] 罗军,商允力,曾浩,等.应用AIS信息进行岸基对海雷达标校[J].电讯技术,2009,49(9):87-89.

    [4] HABTEMARIAM B K,THARMARASA R,MEGER E,et al.Measurement level AIS/radar fusion for maritime surveillance[C].Proceedings of SPIE-The International Society for Optical Engineering,2012,8393:83930I.

    [5] 王珂,蒋保富,张瑶.一种非均匀系统误差的传感器空间配准方法[J].指挥信息系统与技术,2010,1(4):26-31.

    [6] 朱起悦.应用差分GPS技术进行雷达标校[J].电讯技术,2006,46(1):108-110.

    作者信息:

    董云龙,黄高东,李保珠,刘宁波,陈小龙

    (海军航空大学 信息融合研究所,山东 烟台264001)

    展开全文
  • 用户发现每次开机系统时间都不对,都会回到同一个点,今天和大家分享一下win7系统时间同步出错问题解决方法,在使用win7系统下载后使用win7系统的过程中经常不知道如何去解决win7系统时间同步出错问题,有...

    有的用户发现每次开机系统时间都不对,都会回到同一个点,今天和大家分享一下win7系统时间同步出错问题的解决方法,在使用win7系统下载后使用win7系统的过程中经常不知道如何去解决win7系统时间同步出错的问题,有什么好的办法去解决win7系统时间同步出错呢?
      在这里插入图片描述
      大家知道,电子手表要正确显示时间就要有电,如果没电了,重新启动就会回到原点,电脑也是如此。在电脑关机甚至拔掉电源后还能确保时间正确的原因,就是因为电脑主板上有一个cmos电池。
      当然,cmos电池不仅仅是为了保证时间显示正确的,他的主要作用是给bios供电,bios有开机自检功能,同时保存着cmos设置信息。
      如果cmos电池没电,一般情况也可以正常开机,不过电脑时间不对会很不方便,还可能导致有些软件无法正常使用,所以没电了还是要换电池的。
      在这里插入图片描述
      cmos电池在电脑的主板中,如果大家没找到电池,那很可能是被显卡挡住了,如果你会一定的台式机拆装技巧可以自己更换电池,笔记本的话请到专业电脑维修点更换,一般的cmos电池可以使用3~4年。
      在更换电池后如果依然需要按F1或F2才能正常进入系统,可进入BIOS设置中选择Load Optimized Defaults加载默认设置,并按F10保存重启。
      上面就是我给大家分享关于win7系统时间同步出错的详细步骤

    展开全文
  • 引入时间信号误差分析方法及对应滤波技术,其以激光信号计时原理为基础,对信号测量过程中可能出现的误差因素进行分析,并基于时间序列统计理论对时间序列信号进行预处理、时域特征分析以及频域特征分析,发现时间...
  • 精密光测工程通常在室外进行,很难避免因大气扰动造成的系统误差。大气扰动可以分为高频扰动和低频扰动两部分,高频扰动部分可以通过滤波消扰等图像处理方法消除。通过搭建相机对视成像系统约束条件来消除由大气低频...
  • 整理了一下过去大半年中所看推荐系统相关文献中出现过评价指标,如果大家发现有本文遗漏评价指标欢迎在评论区中指出,我再补充进来。目录一、概述二、常用评估指标三、其他评估指标一、概述自推荐系统研究...

    b363f0b738337c37e1cc2bdfd03a7feb.png

    整理了一下过去大半年中所看推荐系统相关文献中出现过的评价指标,如果大家发现有本文遗漏的评价指标欢迎在评论区中指出,我再补充进来。

    目录

    一、概述

    二、常用的评估指标

    三、其他的评估指标


    一、概述

    自推荐系统研究开始以来,对预测和推荐结果的评估一直都是十分重要的环节,一个推荐算法的优劣直接体现在其在这些评估指标上的表现。一般来说,按照推荐任务的不同,最常用的推荐质量度量方法可以划分为三类:(1)对预测的评分进行评估,适用于评分预测任务。(2)对预测的item集合进行评估,适用于Top-N推荐任务。(3)按排名列表对推荐效果加权进行评估,既可以适用于评分预测任务也可以用于Top-N推荐任务。。

    这三类度量方法对应的具体评价指标分别为:

    (a)评分预测指标:如准确度指标:平均绝对误差(MAE)、均方误差根(RMSE)、标准化平均误差(NMAE);以及覆盖率(Coverage)

    (b)集合推荐指标:如精密度(Precision)、召回(Recall)、 ROC和AUC

    (c)排名推荐指标:如half-life和discounted cumulative gain等

    本文余下的部分将针对这些指标进行详细介绍

    二、常用的评估指标

    1、quality of the predictions

    为了衡量RS结果的准确性,通常使用一些最常见的预测误差指标的计算,其中平均绝对误差(Mean Absolute Error,MAE)及其相关指标:均方误差(Mean Squared Error,MSE)、均方根误差(Root Mean Squared Error,RMSE)和标准平均绝对误差(Normalized Mean Absolute Error,NMAE)是其中最具有代表性的指标。

    符号定义

    U代表测试集中user集合,I代表测试集中item集合,

    代表u对i的评分,●代表空缺的评分(
    =●代表u没有对i评过分),
    代表预测的u对i的评分,

    113827574f4ea3350e6afa928d97ab7f.png

    代表测试集中既有用户u评分记录,又有模型产生的预测评分的item集合,

    1.1平均绝对误差(Mean Absolute Error,MAE)

    5f5010a9e3c29e5c188fed79ed89cd2a.png

    单个用户u的标准平均绝对误差(NMAE)

    9b7fb217fb5ac9fe7c5c53b36638f61e.png

    ,其中

    分别为用户u评分区间的最大值和最小值。

    1.2均方根误差(Root Mean Squared Error,RMSE)

    2b82c59986479ffcaf4f5aaf274c2ab7.png

    将上式的根号去掉即是均方误差(Mean Squared Error,MSE)

    1.3覆盖率(Coverage)

    覆盖率最简单的定义是,推荐系统能够推荐出来的物品占总物品的比例。覆盖率越高表明模型能够针对更多的item产生推荐,从而促进长尾效应的挖掘。我们将

    定义为u的近邻集合,那么我们可以将覆盖率定义如下:

    5ef56ffe6b211ea87690402bf1b5f6bd.png

    81d46827e1d9ba023576aa7cf6409a50.png

    除此之外,信息熵和基尼系数也可以用来度量覆盖率。

    2、quality of the set of recommendations

    由于数据稀疏和冷启动问题的存在,有时直接预测用户对item的评分是困难的,为此有学者提出了Top-N推荐方法,即不预测用户对item的评分,而是根据user-item的隐式交互(例如点击、收藏)来生成一组用户最有可能喜欢的items集合推荐给用户。

    在本小节,我们将对Top-N推荐中最广泛使用的推荐质量度量指标展开介绍。它们分别是:(1)Precision,表示推荐项目总数中相关推荐项目的比例;

    (2)召回,表示相关推荐项目数量中相关推荐项目的比例;

    (3)f1,表示精确性和召回的结合。

    (4)ROC与AUC

    符号定义

    R(u)代表根据用户在训练集上的行为给用户做出的推荐列表,T(u)代表用户在测试集上的行为列表。

    2.1Precision

    eeedad023fe222f72931d50066de4511.png

    2.2Recall

    1885a48af11ab24269d0438667fe0db3.png

    2.3F1

    c8f1bc214bde54dea6e514c482e565ab.png

    2.4 Receiver Operating Characteristic(ROC)与AUC(Area under curve)

    AUC指标表示ROC(receiver operator curve)曲线下的面积,它衡量一个推荐系统能够在多大程度上将用户喜欢的商品与不喜欢的商品区分出来。

    由于ROC曲线绘制步骤比较繁琐,可以用以下方法来近似计算系统的AUC:每次随机从相关商品集,即用户喜欢的商品集中选取一个商品α ,与随机选择的不相关商品 β 进行比较,如果商品α 的预测评分值大于商品β 的评分,那么就加一分,如果两个评分值相等就加0.5分。这样独立地比较n 次,如果有n′ 次商品α 的预测评分值大于商品β 的评分,有n′′次两评分值相等,那么AUC就可以近似写作:

    cd38eb4a9f6040ea0b941bd1abc3ebfb.png

    显然,如果所有预测评分都是随机产生的,那么AUC=0.5。因此AUC大于0.5的程度衡量了算法在多大程度上比随机推荐的方法精确。AUC指标仅用一个数值就表征了推荐算法的整体表现,而且它涵盖了所有不同推荐列表长度的表现。但是AUC指标没有考虑具体排序位置的影响,导致在ROC曲线面积相同的情况下很难比较算法好坏,所以它的适用范围也受到了一些限制。

    2.5 Hit Rate (HR)

    940a07f5eefa0858be24c904ce34d126.png

    HR是目前TOP-N推荐研究中十分流行的评价指标,其公式如上所示,其中#users是用户总数,而#hits是测试集中的item出现在Top-N推荐列表中的用户数量。

    2.6 Average Reciprocal Hit Rank (ARHR)

    ARHR也是目前Top-N推荐中十分流行的指标,它是一种加权版本的HR,它衡量一个item被推荐的强度,公式如下:

    78a54d353aacb7272d75434f0aaadec0.png

    其中权重

    是推荐列表中位置的倒数。

    3、quality of the list of recommendations

    当推荐项目的数量很大时,用户会更加重视推荐列表中排在前面的item。这些item中发生的错误比列表中排在后面的item中的错误更严重。按排名列表对推荐效果进行加权评估的方法考虑了这种情况。在最常用的排名度量指标中,有以下标准信息检索度量:

    (a)半衰期(half-life),假设当用户远离顶部的推荐时,他们的兴趣指数下降;

    (b)贴现累积增益(discounted cumulative gain),其中衰减函数是对数函数。

    (c)排序偏差准确率(rank-biased precision,RBP),以等比数列衰减

    3.1HL

    半衰期效用指标(half-life utility)是在用户浏览商品的概率与该商品在推荐列表中的具体排序值呈指数递减的假设下提出的,它度量的是推荐系统对一个用户的实用性也即是用户真实评分和系统默认评分值的差别。用户 u 的期望效用定义为:

    549a66fe73e2edd9cc652c532c9b9e07.png

    式中,

    表示用户u对商品α 的实际评分;而
    为商品α 在用户u的推荐列表中的排名;d 为默认评分(如说平均评分值);h 为系统的半衰期,也即是有50%的概率用户会浏览的推荐列表的位置。显然,当用户喜欢的商品都被放在推荐列表的前面时,该用户的半衰期效用指标达到最大值。

    3.2discounted cumulative gain

    折扣累计收益(discounted cumulative gain, DCG)的主要思想是用户喜欢的商品被排在推荐列表前面比排在后面会更大程度上增加用户体验,定义为:

    7a571f3ec78b5f62998302819121827c.png

    式中,

    表示排在第i 位的商品是否是用户喜欢的;ri = 1表示用户喜欢该商品;ri =0 表示用户不喜欢该商品;b是自由参数一般设为2;L为推荐列表长度。

    由于在用户与用户之间,DCGs没有直接的可比性,所以我们要对它们进行归一化处理。最糟糕的情况是,当使用非负相关评分时DCG为0。为了得到最好的,我们把测试集中所有的条目置放在理想的次序下,采取的是前K项并计算它们的DCG。然后将原DCG除以理想状态下的DCG就可以得到归一化折扣累计收益(Normalized Discounted Cumulative Gain,NDCG),它是一个0到1之间的数。

    12dac8616dffef4a59f6fb7b2f9c3b04.png

    3.3排序偏差准确率(rank-biased precision,RBP)

    与 DCG 指标不同,排序偏差准确率(rank-biased precision,RBP)假设用户往往先浏览排在推荐列表首位的商品然后依次以固定的概率p浏览下一个,以1−p的概率不再看此推荐列表。RBP定义为:

    355c7ae18865c4593688b931299b9587.png

    RBP和DCG指标的唯一不同点在于RBP把推荐列表中商品的浏览概率按等比数列递减,而DCG则是按照log调和级数形式。

    3.4 Mean Reciprocal Rank (MRR)

    MRR是把正确的item在推荐列表中的排序取倒数作为它的准确度,再对所有的问题取平均。相对简单,举个例子:有3个query如下图所示:

    e1a11f28a30943392b1a7e4d76e1ed24.png

    (黑体为返回结果中最匹配的一项),那么MRR值为:(1/3 + 1/2 + 1)/3 = 11/18=0.61

    3.5 Mean Average Precision (MAP)

    平均准确率MAP,假使当我们使用google搜索某个关键词,返回了10个结果。当然最好的情况是这10个结果都是我们想要的相关信息。但是假如只有部分是相关的,比如5个,那么这5个结果如果被显示的比较靠前也是一个相对不错的结果。但是如果这个5个相关信息从第6个返回结果才开始出现,那么这种情况便是比较差的。这便是AP所反映的指标,与recall的概念有些类似,不过AP是“顺序敏感的recall。

    对于用户u ,给他推荐一些物品,那么u 的平均准确率为:

    60cf887074730eb9aff49182e41b7f0c.png

    其中,Ωu表示ground-truth的结果,

    表示i物品在推荐列表中的位置,
    表示物品j排在i前面。

    MAP表示所有用户u的AP取均值

    432ba6a885fc1414ee7015730b197c00.png

    三、其他的评估指标

    大多数文章讨论了试图提高评分预测任务的推荐结果(RMSE、MAE等)准确性的方法,在Top-N推荐的精确性、召回、ROC等方面尝试改进也是很常见的。但是,为了获得更高的用户满意度,还应考虑其他目标,例如主题多样性、新颖性和推荐的公平性等等。

    目前,该领域对生成具有多样性和创新性建议的算法越来越感兴趣,即使以牺牲准确性和精度为代价。为了评估这些方面,学界提出了各种衡量建议新颖性和多样性的指标。

    1. 多样性和新颖性

    假设

    39f2832f0f675c7389da7f42e4a63c99.png

    为物品i,j之间的相似性,那么用户u的推荐列表R(u)的多样性可以定义为:

    868c4af3dbf76a861d872b525dbe3483.png

    除了多样性以外,新颖性也是影响用户体验的重要指标之一。它指的是向用户推荐非热门非流行商品的能力。推荐流行的商品纵然可可能在一定程度上提高了推荐准确率但是却使得用户体验的满意度降低了。度量推荐新颖性最简单的方法是利用推荐商品的相似度。推荐列表中商品与用户已知商品的相似度越小,对于用户来说,其新颖性就越高。由此得到推荐新颖性指标:

    2f93c9b1cdfe59beead6307870106311.png

    式中Zu表示推荐给用户u的n个item集合

    2.稳定性

    预测和推荐的稳定性会影响用户对RS的信任,如果一个推荐系统提供的预测在短时间内没有发生强烈变化,则它是稳定的。Adomavicius和Zhang提出了稳定性的质量度量指标:Mean Absolute Shift(平均绝对位移,MAS)。

    假设我们现有一系列已知的用户评分数据集合R1,我们根据R1对一组用户未评分的item集合进行预测,得到一组预测评分数据集合P1。经过一段时间的交互后,用户对一些未评分的item有了评分,此时我们再对P1中的item评分进行预测,得到新的预测评分数据集合P2,则MAS可表示为:

    c846ff3514fe396f140a9b3f21bd1cee.png
    展开全文
  • 采用了一种基于放大率法多次基准传递的方法对高倍率显微物镜的焦距进行准确测定。该方法的原理是采用放大倍率法测试一枚远场共轭设计的低倍率显微物镜,获得该物镜的焦距,然后以此低倍率物镜测试高倍率显微物镜。...
  • 电容感应式冰厚检测系统每次采样数据中,由于野值或奇异值存在,使得冰层厚度判断出现较大误差,为了提高判断精度,采用分段平均值法和奇异谱法数据处理降噪方法,对冰层厚度传感器采集到多组抽样数据进行了...
  • 复杂系统或过程参数优化问题往往采用建模发现其潜在规律,再通过优化方法利用该规律获取最佳工艺参数。而建模误差的存在,往往使优化解与实际最佳工艺参数存在差距,难以获得理想性能。为此提出一种基于误差补偿模型的...
  • 采用自行研制的基于单根光纤耦合双频激光的6自由度(6DOF)误差同时测量系统测量了加工中心双轴直线度误差, 通过对两轴直线度误差的线性拟合, 得到两拟合轴的夹角, 间接实现两轴的垂直度测量。利用光线矢量追迹方法...
  • 为了克服上述问题提高液压缸的加载精度,提出并且验证了一种降低加载误差的方法,即通过调整液压缸装配时活塞端面预置位置,来减弱薄膜边缘效应对加载精度的影响。此外研究还发现随着试验加载载荷的增大,薄膜的弹性阻力...
  • 提出了一种直线式萨尼亚克(Sagnac)干涉仪入侵检测系统。该系统通过传感光纤末端连接法拉第旋转镜(FRM)构成直线式检测结构,可用作各种区域的光纤围栏。...这表明利用获取零点频率的方法,该系统能较好地定位入侵。
  • 首先结合安装布局设计出三自由度位移模型,然后结合平面光栅尺和读头的安装误差,分析掩模台位置产生阿贝误差与余弦误差的原因,并设计补偿算法来减小掩模台位置误差,再通过MATLAB软件对模型进行仿真,发现耦合系数具有...
  • 需要对时间进行实时同步,方法如下:1、用date命令查看系统当前时间,发现和北京时间有一定的误差(当前时间为 Wed May 30 10:42:03 CST 2018 )在系统联网的情况,修改时间最快的方法就是使用ntpdate命令自动同步...

    linux在安装的时候如果时区选择错误,可以在系统安装完成之后修改。系统时间运行着也会有偏差,需要对时间进行实时同步,方法如下:

    1、用date命令查看系统当前时间,发现和北京时间有一定的误差(当前时间为 Wed May 30 10:42:03 CST 2018 )


    在系统联网的情况,修改时间最快的方法就是使用ntpdate命令自动同步网络服务器上的时间


    再用date指令查看时间就和现在当前时区时间一致了。

    注意一定要用这个IP哦!

    展开全文
  • 在频率扫描干涉法绝对距离测量过程中,目标运动会对测量结果引入误差,经推导发现运动误差与激光扫频终点频率以及扫频过程中光程差位移量有关。前者可直接通过高精度波长计测量,对于后者,提出了外差干涉频分...
  • 发现误差后,手动分析误差类别,判断什么特征导致的误差,对误差进行优先级排序,先解决最多数量 在交叉验证集上,为算法设定一个单一规则数值评价指标进行评估,例如错误率。每次修改算法数值都能改变,帮助...
  • 方法采用基于误差历史数据压缩算法分析采样数据,发现并存储包含重要特征信息片段,分析该信息片段含义,并进行主题抽取和关联分析,研究瓦斯序列相关分析,从而可得出煤矿安全监控系统重要数据信息特征。...
  • 今天在自己做的系统中,发现了一个奇怪现象:几个Double类型数据相加,到最后得出金额比正确数值总是少了几毛钱。以为是程序里计算方法有问题,可是排查了很多地方,始终没有找到问题出在哪里。最后干脆把...
  • 还比较了Van Herk和Remeijer提出其他两种误差计算方法,以发现系统误差(Σ),随机误差(σ),PTV余量和DVH统计差异。 结果:利用两种PTV裕度计算公式(Stroom,Van Herk),通过Yukinori方法计算PTV在三个...
  • 本节我们讨论在设计一个机器学习的系统时,应该先做什么后做什么。 我们以垃圾邮件分类为例: 特征向量: 我们发现很多遇见故意拼错单词,从而逃避被视为垃圾邮件: 正确步骤: 我们应该先实现一个...
  • 本篇文章介绍了,程序中两个Double类型相加出现误差的解决办法。需要的朋友参考下今天在自己做的系统中,发现了一个奇怪的现象:几个Double类型的数据相加,到最后得出的金额比正确数值总是少了几毛钱。以为是程序里...
  • RTC 误差测试工具 ntpdate

    千次阅读 2018-11-26 12:12:58
    对 RTC 误差的测试,我们原来采用的方法是手工校时,然后断电放置十个小时以上,再来手工检查时间误差。这样测试出来的误差精度只能去到秒级,而且也引入了手工校时、核对的误差。 后来发现 ntpdate 这个工具很适用...
  • 通过数值仿真发现, 根据第1种方法选择参数能使混沌系统全局渐近同步;而依据第2种方法选择参数,即使误差系统系数矩阵瞬间特征值具有负实部,也会出现混沌同步失去情况,从而表明了该分析方法的有效性.</p>
  • 单片机应用中,常常会遇到这种情况—在用单片机制作电子钟或要求根据时钟启控控制系统时,会突然发现当初校准了电子时钟时间竟然变快或是变慢了。于是,尝试用各种方法来调整它走时精度;但是最终效果还是...
  • 通过分析传统基于正弦波磁光调制方位失调角测量原理发现,由于采用省略高阶项贝塞尔函数展开式表示磁光调制后信号,引入了信号截断误差方法误差,影响了系统测量精度。在分析基础上推导建立了一种基于纯...
  • 目录题目1 背景1.1 CPS基本概念1.2 CPS重要性1.3 CPS辨识必要性1.4 CPS数学形式2 问题3 现状与GAP3.1 目前研究方法3.1.1 代数几何3.1.2 基于聚类3.1.3 贝叶斯方法3.1.4 基于有界误差3.1.5 稀疏辨识3.2 GAP4 ...
  • 利用琼斯矩阵偏振光线追迹的方法,分析了投影光学系统中由于两偏振分量相位差引起的偏振像差,以及它与暗态泄漏光强和系统衬比度的关系。得出了系统出瞳面上的光波偏振特性,以及在不同大小孔径角的照明光束入射下偏振...
  •  在写一个考试系统,其中用到了倒计时功能,发现在锁屏后,倒计时不准确问题 解决方法: 因为是考试系统,所以考试时间是一定,我们考试时间是10分钟 // An highlighted block let duration = parseInt...

空空如也

空空如也

1 2 3 4 5 ... 11
收藏数 213
精华内容 85
关键字:

发现系统误差的方法