基于灰色关联度聚类的协同过滤推荐算法_杨锡慧

灰色预测 投入产出模型 灰色关联分析主成分——聚类模型

2010年上海世博会影响力的定量评估 摘要 中国2010年上海世界博览会，作为第41届世界博览会，于2010年5月1日至10月31日期间，在中国上海市举行。举办2010年世界博览会，可以进一步提高我国的国际形象和地位，加强与各国的经济和技术合作，促进国际间经济贸易往来，对于加速上海市现代化程度，促进上海区域经济发展具有十分重要的意义。目前对世博影响力的定量评价还比较缺乏，因此定量研究上海世博会在各个方面的影响力显得尤为重要。 在本题中，我们选取上海世博会对上海市的直接经济收入、世博会对上海旅游业经济效益的影响与世博会对上海市的直接经济和旅游的综合影响这三个侧面，从横、纵向时间轴上对其影响力进行定量评估。 研究世博会对上海市的直接经济收入的影响，考虑到世博会未结束，故先用灰色预测的方法对世博会参观人数进行了预测，考虑到10月份假期影响系数和尾积效应的影响，我们用季节性修正来对10月份的数据进行修正，通过总人数的统计，得出门票总收入，再对世博会的直接投资与直接收益利用投资成数比例和投资数乘模型计算出间接投资与延伸效益，利用投入产出模型分析出了世博对上海市经济发展的直接影响力是对2010年上海市的GDP直接贡献值896.25亿元。并对比前五年的GDP增长值看出，举办了世博会后的上海市2010年GDP增长率是明显大于之前未举办世博的年份的。 对于世博会对上海旅游业经济效益的影响力方面，我们采用灰色关联分析模型来研究世博会对上海市旅游业经济效益的影响进行量化。由关联度的分析可得到2005年到2010年旅游综合评价结果排名的比较，上海2010年的旅游综合评价值为2.6459，06至09年综合评价值分别为0.8975、1.6292、0.9782、0.8743，2010年旅游综合评价明显大于历年的综合评价值位于第一。说明由于世博会的影响，带动了上海市旅游经济效益的快速增加。 为研究上海世博会对上海市的直接经济与旅游的综合影响，我们选取2009年1月至2010年7月的社会消费品零售总额、入境旅游人数、外国人数、上海市进出口总额、居民消费价格指数5项指标的具体数值，利用主成分——聚类模型选出主成分并进行聚类分析，得出的分类结果为2009年1月至2010年4月为一类，2010年5月至7月为一类，表明世博会的举办与否对上海市的直接经济与旅游具有重要影响。 【关键词】：影响力定量评估灰色预测投入产出模型灰色关联分析 主成分——聚类模型

简单易懂的灰色关联度计算

灰色关联有什么用 灰色关联度，指的是两个系统或两个因素之间关联性大小的量度。目的，是在于寻求系统中各因素之间的主要关系，找出影响目标值的重要因素，从而掌握事物的主要特征，促进和引导系统迅速有效地发展。——这是比较“官方”的解释。我再来一个“野路子”的解释：用两种试验方法，得出两组数据A和B；用理论方法，得到理论解答C。那么，现在来比较试验方法A好还是B好？自然是看其结果，哪一个与C最吻合，哪个就最好呗，灰关联就是用来解决“谁和谁的关联程度更高”这样的问题的。 灰色关联的重要步骤 步骤不多，核心的，首先是数据的归一化处理，这是因为有时一个试验结果矩阵中的每个元素会有不同的量纲；接下来是计算灰色关联矩阵，这个过程涉及到的公式很吓人，我第一眼看的时候竟然没搞明白是什么意思，囧；最后是计算关联度，这也就是得到了最终结果。 下面来看看那个复杂的公式：(Pi为关联度矩阵中的元素) 计算方法 关于关联矩阵中各个元素的计算，我起初被严重误导，认为用Excel是无法完成的，结果还绕了一段弯路，很是丢人~当然，有高手通过Matlab计算的经验，而且还给出了实例，有兴趣的可以参考“仿真百科”里的内容。但我最终还是根据1992年出版的一本老书《灰色理论与方法——提要·题解·程序·应用》中的一个简单实例，用最简单的方法搞定了计算问题。鉴于我不知道如何把Excel 公式按照步骤，类似APDL那样摆出来，那就把那个例子与大家分享，说说计算原理步骤吧。 首先看下面四数列 A=[2,3,4,3.7] B=[60,73,84,58] C=[1204,801,1228,1270]

D=[303,298,247,251] 以A为目标，检验B、C、D与A的关联度。 步骤1.归一化，将数列中的每个元素，除以相同的一个数值，比如A的归一化过程为[2/2, 3/2 ,4/2, 3.7/2]或者更常用的均值化处理，都可以搞定。只需要这几个数列用同一种方法归一即可了。 步骤2.求差序列.经过归一化的A、B、C、D，用A分别减去B/C/D；即 E=A-B; F=A-C; G=A-D 步骤3.求两级最大和最小差值。这是一个容易让人糊涂的地方，但实际操作很简单： 设E中最大值为Emax，最小值为Emin，其余类推；这样一共就有六个数，分别是Emax；Emin；Fmax；Fmin；Gmax和Gmin。从这六个数中，再选出一个最大值和一个最小值，假设为M和N——而这就是上述公式当中双重最值的部分啦。 步骤4.带入公式，得到三组关联系数(单行)矩阵。 步骤5.计算关联度，实际上就是步骤4中，每组矩阵各个元素求和除以元素个数(求均值)。 步骤6.通过比较关联度数值，最大的那个，其对应的数列与目标数列的关联度最高。 Over.

基于协同过滤的推荐算法及代码实现

基于协同过滤的推荐算法与代码实现 什么是协同过滤？ 协同过滤是利用集体智慧的一个典型方法。要理解什么是协同过滤(Collaborative Filtering, 简称CF)，首先想一个简单的问题，如果你现在想看个电影，但你不知道具体看哪部，你会怎么做？大部分的人会问问周围的朋友，看看最近有什么好看的电影推荐，而我们一般更倾向于从口味比较类似的朋友那里得到推荐。这就是协同过滤的核心思想。 协同过滤一般是在海量的用户中发掘出一小部分和你品位比较类似的，在协同过滤中，这些用户成为邻居，然后根据他们喜欢的其他东西组织成一个排序的目录作为推荐给你。当然其中有一个核心的问题： 如何确定一个用户是不是和你有相似的品位？ 如何将邻居们的喜好组织成一个排序的目录？ 简单来说： 1. 和你兴趣合得来的朋友喜欢的，你也很有可能喜欢； 2. 喜欢一件东西A，而另一件东西B 与这件十分相似，就很有可能喜欢B； 3. 大家都比较满意的，人人都追着抢的，我也就很有可能喜欢。 三者均反映在协同过滤的评级（rating）或者群体过滤（social filtering）这种行为特性上。 深入协同过滤的核心 首先，要实现协同过滤，需要一下几个步骤： 1. 收集用户偏好 2. 找到相似的用户或物品 3. 计算推荐 (1)收集用户偏好 要从用户的行为和偏好中发现规律，并基于此给予推荐，如何收集用户的偏好信息成为系统推荐效果最基础的决定因素。用户有很多方式向系统提供自己的偏好信息，而且不同的应用也可能大不相同，下面举例进行介绍：

以上列举的用户行为都是比较通用的，推荐引擎设计人员可以根据自己应用的特点添加特殊的用户行为，并用他们表示用户对物品的喜好。 在一般应用中，我们提取的用户行为一般都多于一种，关于如何组合这些不同的用户行为，基本上有以下两种方式： 将不同的行为分组：一般可以分为“查看”和“购买”等等，然后基于不同的行为，计算不同的用户/物品相似度。类似于当当网或者Amazon 给出的“购买了该图书的人还购买了...”，“查看了图书的人还查看了...”

重庆市主导产业的灰色聚类分析

重庆市主导产业的灰色聚类分析 发表时间：2012-03-12T10:50:47.687Z 来源：《时代报告（学术版）》2011年12月（上）供稿作者：刘军胜[导读] 数据来源：1999—2008年统计年鉴及2005年重庆市产业投入与产出表。 刘军胜 （重庆师范大学经济与管理学院重庆 404001）中图分类号：F719 文献标识码：A 文章编号：41-1413（2011）12-0000-01 摘要：从中国国情的特殊性出发，确定了重庆市主导产业的指标体系，用灰色聚类法对现有的主要工业进行了聚类，从而得出化学原料及化学制造业、电器机械及器材制造业为重庆市的主导产业；通信设备、计算机制造业、非金属矿物制造业等是重庆市的一般产业的结论。 关键词：灰色聚类；主导产业；生态型；产业结构 一、我国产业结构的特殊性 解放初期，中国经济主要是以农业和轻工业为主。新中国成立以后，党中央选择了优先发展重工业的道路，从而打破了产业演变的自然规律，使得中国的三大产业在不平衡发展。经济发展的历史证明，产业结构随着经济发展阶段的变化经历了一个由低级向高级演变的客观过程。按照国际标准模式（配第—克拉克定理和钱纳里阶段理论）我国的产业结构与之偏离。按人均GDP划分，2008年中国人均3263美元，中国应处于重化工后期阶段。按2008年三次产业比重11.3：48.6：40.1划分，我国应处于重工业发展的初期阶段。而主导产业是经济发展某一阶段，对产业结构和经济增长起到导向性和带动性的产业。并且产业结构是一个动态的过程，该过程通常是有主导产业来牵动并以主导产业的更替为特征，因此，正确选择和培育主导产业就成为优化产业结构、推进产业结构高度化的关键环节。然而，我国产业成长的特殊性决定了我国的主导产业选择必须具体问题具体分析。 二、主导产业的界定 本文在借鉴国内外学者研究的成果，结合中国特殊国情以及新时期可持续发展的要求下认为：“主导产业一般是指在一经济体中在某一阶段，能对产业结构和经济发展起到导向性和带动性作用，具有最大的产业需求收入弹性和价格弹性和向后关联、向前关联效应最大的产业，并且符合社会可持续发展的需要，具有低耗能、高产出的环保产业。” 三、主导产业选择的标准 关于主导产业选择的基准，中外经济学者曾提出过多种见解。但是正如前文阐述的一样，在某一区域选择其主导产业必须结合当地的实际情况，以及跟上社会发展的要求。在当今技术日新月异的社会中，产业的战略性和产业可持续性被提上日程。因此，本文在结合国内外的研究和从国家和地区的全局、长远利益以及经济的可持续发展提出了以下的主导产业的选择基准： 1.优势原则

灰色关联分析(算法步骤)

灰色关联分析 灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度[1]。 灰色系统理论是由著名学者邓聚龙教授首创的一种系统科学理论(Grey Theory)，其中的灰色关联分析是根据各因素变化曲线几何形状的相似程度，来判断因素之间关联程度的方法。此方法通过对动态过程发展态势的量化分析，完成对系统内时间序列有关统计数据几何关系的比较，求出参考数列与各比较数列之间的灰色关联度。与参考数列关联度越大的比较数列，其发展方向和速率与参考数列越接近，与参考数列的关系越紧密。灰色关联分析方法要求样本容量可以少到4个，对数据无规律同样适用，不会出现量化结果与定性分析结果不符的情况。其基本思想是将评价指标原始观测数进行无量纲化处理，计算关联系数、关联度以及根据关联度的大小对待评指标进行排序。灰色关联度的应用涉及社会科学和自然科学的各个领域，尤其在社会经济领域，如国民经济各部门投资收益、区域经济优势分析、产业结构调整等方面，都取得较好的应用效果。 [2] 关联度有绝对关联度和相对关联度之分，绝对关联度采用初始点零化法进行初值化处理，当分析的因素差异较大时，由于变量间的量纲不一致，往往影响分析，难以得出合理的结果。而相对关联度用相对量进行分析，计算结果仅与序列相对于初始点的变化速率有关，与各观测数据大小无关，这在一定程度上弥补了绝对关联度的缺陷。[2] 灰色关联分析的步骤[2] 灰色关联分析的具体计算步骤如下： 第一步：确定分析数列。 确定反映系统行为特征的参考数列和影响系统行为的比较数列。反映系统行为特征的数据序列，称为参考数列。影响系统行为的因素组成的数据序列，称比较数列。 设参考数列（又称母序列）为Y={Y(k) | k= 1,2,Λ,n}；比较数列（又称子序列）X i={X i(k) | k = 1,2,Λ,n},i= 1,2,Λ,m。 第二步，变量的无量纲化 由于系统中各因素列中的数据可能因量纲不同，不便于比较或在比较时难以得到正确的结论。因此在进行灰色关联度分析时，一般都要进行数据的无量纲化处理。

基于用户评分Kmeans聚类的协同过滤推荐算法实现

基于用户评分Kmeans聚类的协同过滤 推荐算法实现 一：基于用户评分Kmeans聚类的协同过滤推荐算法实现步骤 1、构建用户-电影评分矩阵： public Object readFile(String fileName){ List user = new ArrayList(); double[][] weight = new double[user_num][keyword_num]; List