论文部分内容阅读
由于值机机制的限制，机场旅客于候机楼时间有限，而候机楼面积广阔、结构复杂、商品繁多，导致机场旅客购物体验质量不高，在新一代智慧机场中亟需一个面向用户的机场个性化商品推荐方法来提高机场旅客的用户体验。本论文以此为背景展开研究，着重研究了机场个性化和卷积神经网络(Convolutional Neural Networks，CNNs)的若干关键技术。主要内容包括:
(1).针对机场旅客时间有限、候机楼商品繁多，机场旅客于候机楼购物体验质量不高，本文提出一种基于改进CNNs的机场个性化商品推荐方法。该方法首先采集机场旅客数据并进行数据处理，将机场旅客数据转换为机场旅客图片数据，之后将处理后的机场旅客图片数据输入到改进CNNs中，最后将改进CNNs的输出分类商品以及商品于候机楼位置推荐给机场旅客。
(2)针对典型激活函数的非原点对称、有饱和区、忽略负输入、梯度爆炸或梯度消失的不足，本文提出一种新的激活函数组混合激活函数(Mixed Activation Functions，MAFs)。MAFs由两个激活函数组成，两个激活函数关于原点对称，在-20至20之间没有饱和区，两个激活函数的导数相乘为1，在负输入有相应计算。
(3)针对CNNs卷积方式”same”的图片边缘填充不合理性，本文提出CNNs卷积方式”same”一种新的图片边缘填充方式边缘填充(Edge Padding)。Edge Padding在卷积层输入图片卷积前对图片边缘填充像素点，这些像素点数值等于输入图片边缘像素点数值，像素点数值不再是全为0值。
最后本文分别于经典数据集CIFAR-10和建立的机场数据集上分别做了验证性仿真。基于数据集CIFAR-10的仿真结果证明了本文提出的改进方案的可行性和泛化能力。基于机场数据集的仿真结果证明了本文方法的可行性和有效性，基于改进CNNs的机场个性化商品推荐方法改善了机场旅客购物体验，提高了机场商品个性化推荐准确率。
(1).针对机场旅客时间有限、候机楼商品繁多，机场旅客于候机楼购物体验质量不高，本文提出一种基于改进CNNs的机场个性化商品推荐方法。该方法首先采集机场旅客数据并进行数据处理，将机场旅客数据转换为机场旅客图片数据，之后将处理后的机场旅客图片数据输入到改进CNNs中，最后将改进CNNs的输出分类商品以及商品于候机楼位置推荐给机场旅客。
(2)针对典型激活函数的非原点对称、有饱和区、忽略负输入、梯度爆炸或梯度消失的不足，本文提出一种新的激活函数组混合激活函数(Mixed Activation Functions，MAFs)。MAFs由两个激活函数组成，两个激活函数关于原点对称，在-20至20之间没有饱和区，两个激活函数的导数相乘为1，在负输入有相应计算。
(3)针对CNNs卷积方式”same”的图片边缘填充不合理性，本文提出CNNs卷积方式”same”一种新的图片边缘填充方式边缘填充(Edge Padding)。Edge Padding在卷积层输入图片卷积前对图片边缘填充像素点，这些像素点数值等于输入图片边缘像素点数值，像素点数值不再是全为0值。
最后本文分别于经典数据集CIFAR-10和建立的机场数据集上分别做了验证性仿真。基于数据集CIFAR-10的仿真结果证明了本文提出的改进方案的可行性和泛化能力。基于机场数据集的仿真结果证明了本文方法的可行性和有效性，基于改进CNNs的机场个性化商品推荐方法改善了机场旅客购物体验，提高了机场商品个性化推荐准确率。