中国科学院重庆绿色智能技术研究院机构知识库

浏览/检索结果: 共6条，第1-6条

帮助

限定条件	文献类型：期刊论文    专题：大数据挖掘及应用中心    第一作者的第一单位    第一作者单位    通讯作者单位

已选(0)清除 条数/页：5101520253035404550556065707580859095100   排序方式：请选择期刊影响因子升序期刊影响因子降序作者升序作者降序题名升序题名降序WOS被引频次升序WOS被引频次降序发表日期升序发表日期降序提交时间升序提交时间降序
	Elastic-net regularized latent factor analysis-based models for recommender systems 期刊论文 NEUROCOMPUTING, 2019, 卷号: 329, 页码: 66-74 作者:  Wang, Dexian;  Chen, Yanbin;  Guo, Junxiao;  Shi, Xiaoyu;  He, Chunlin;  Luo, Xin;  Yuan, Huaqiang Adobe PDF(1965Kb)  |  收藏  |  浏览/下载：213/0  |  提交时间：2019/01/17 Big data  Recommender systems  Collaborative filtering  Latent factor analysis  Elastic-net  Regularization  Latent factor distribution
	An inherently nonnegative latent factor model for high-dimensional and sparse matrices from industrial applications 期刊论文 IEEE Transactions on Industrial Informatics, 2018, 卷号: 14, 期号: 5, 页码: 2011-2022 作者:  Luo, Xin;  Zhou, Mengchu;  Li, Shuai;  Shang, Mingsheng Adobe PDF(805Kb)  |  收藏  |  浏览/下载：416/0  |  提交时间：2019/06/26
	Symmetric and Nonnegative Latent Factor Models for Undirected, High-Dimensional, and Sparse Networks in Industrial Applications 期刊论文 IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS, 2017, 卷号: 13, 期号: 6, 页码: 3098-3107 作者:  Luo, Xin;  Sun, Jianpei;  Wang, Zidong;  Li, Shuai;  Shang, Mingsheng Adobe PDF(803Kb)  |  收藏  |  浏览/下载：428/0  |  提交时间：2018/03/05 Big data application  high-dimensional, and sparse (SHiDS) matrix  nonnegative latent factor (NLF) model  symmetry  undirected HiDS network
	Performance of latent factor models with extended linear biases 期刊论文 Knowledge-Based Systems, 2017, 卷号: 123, 页码: 128-136 作者:  Chen, Jia;  Luo, Xin;  Yuan, Ye;  Shang, Mingsheng;  Ming, Zhong;  Xiong, Zhang Adobe PDF(2755Kb)  |  收藏  |  浏览/下载：97/0  |  提交时间：2018/03/16
	DenPEHC: Density peak based efficient hierarchical clustering 期刊论文 INFORMATION SCIENCES, 2016, 卷号: 373, 页码: 200-218 作者:  Xu, Ji;  Wang, Guoyin;  Deng, Weihui Adobe PDF(1766Kb)  |  收藏  |  浏览/下载：338/0  |  提交时间：2018/03/15 Hierarchical Clustering  Density Peaks  Grid Granulation  Granular Computing
	A Novel Approach to Extracting Non-Negative Latent Factors From Non-Negative Big Sparse Matrices 期刊论文 IEEE ACCESS, 2016, 卷号: 4, 页码: 2649-2655 作者:  Luo, Xin;  Zhou, Mengchu;  Shang, Mingsheng;  Li, Shuai;  Xia, Yunni Adobe PDF(9487Kb)  |  收藏  |  浏览/下载：881/1  |  提交时间：2018/03/15 Latent factors  non-negativity  matrix factorization  non-negative big sparse matrix  big data  recommender system