针对现有群体推荐方法较少考虑群体成员间社会化关系的隐式估计以及利用群体共识减少偏好冲突的问题,提出一种基于隐式信任和群体共识的群体推荐方法(GR-TC),所提方法分为推荐阶段和共识阶段。在推荐阶段根据成员间偏好信息和社交关系挖掘隐式信任值,估计成员的个人偏好、权重和初始群体偏好;在共识阶段通过共识测量和识别规则识别不一致成员,建立最大和谐度优化共识模型,调整更新群体偏好,传递群体推荐列表。实验结果表明,成员间社交关系影响群体推荐结果,合理选择隐式信任权值会提高不一致成员的和谐度;相较于传统共识反馈机制,隐式信任诱导的最大和谐共识反馈机制调整成本更小,对不一致成员的影响更小。
针对在群体决策中如何利用专家之间的社会关系和决策专家的有限理性的问题,提出一种信任网络下的TODIM群体决策方法。首先,根据专家讨论次数,在每一次讨论中,每个专家会根据信任接受程度参考信任者的决策矩阵,并通过信息交互和协商修改决策矩阵;其次,当达到设定的专家讨论次数时,计算最终的群体决策矩阵;最后,分别运用信任网络下的TODIM群体决策方法和TODIM群体决策方法计算各方案排序。对所得结果进行对比分析,并对专家讨论次数和信任接受程度进行灵敏度分析。案例分析结果表明,信任网络下的TODIM群体决策方法能充分结合信任网络,保证了决策过程中的多阶段信息交互和反馈过程,并在对比分析和灵敏度分析上优于对比方法。
针对采用时域滤波器解析重建后图像存在伪影和图像细节丢失等问题,提出了一种基于卷积神经网络(CNN)的时频域计算机断层扫描(CT)重建算法。首先,在频域中构建了基于卷积神经网络的滤波器网络,实现投影数据的频域滤波;其次,利用反投影操作算子对频域滤波后结果进行域转换得到重建图像;接着,在图像域构建网络对来自反投影层的图像进行处理;最后,在采用最小均方误差损失函数基础上引入多尺度结构相似度损失函数组成复合损失函数,减轻神经网络对结果图像的模糊效应,保留重建图像细节。图像域网络和投影域滤波网络联合作用,最终得到重建结果。在临床数据集上验证了所提算法的有效性,相较于滤波反投影(FBP)算法、全变分(TV)算法及图像域残差编解码CNN(RED-CNN)算法,当投影数目分别为180和90时,所提算法重建结果图像信噪比(PSNR)和结构相似度(SSIM)最高,且归一化均方根误差(NMSE)最小;当投影数目为360时,所提算法仅次于TV算法。实验结果表明,所提算法可以提高CT图像重建图像质量,是一种可行且有效的方法。