模糊支持向量机的非直达波抑制算法

针对支持向量机中由于噪声和野值带来的过拟合问题,提出了基于模糊最小二乘支持向量机(fuzzy LS-SVM)的抑制非直达波的移动定位方法。利用一种基于支持向量数据域描述的模糊隶属度函数模型,根据样本到特征空间最小包含超球球心的距离来确定模糊隶属度。仿真结果表明了该方法的稳健性,提高了LS-SVM的抗噪声能力。     

基于Wup的语义相似度计算的全局本体语义分析方法

异构数据集成领域大量应用了本体研究方法来解决数据语义异构问题,其中有不少的语义相似度计算方法。因此,在WordNet环境下的语义相似度计算方法上,提出了Wup语义相似度计算模型框架用以解决两个局部本体之间的语义问题,并提出了构建全局本体的语义分析方法。     

基于链接的模糊聚类集成方法

针对多数聚类集成方法忽视潜在信息或获取潜在信息方法复杂这一缺点,提出一种基于链接的模糊聚类集成方法。该算法首先利用模糊聚类算法建立集成信息矩阵,然后使用相应的链接方法将集成信息矩阵转化为反映数据相关性的权重图,最后运用图划分技术得到最终结果。实验结果表明,新提出的算法可以有效地获取潜在信息,同时提高聚类质量。     

边界自适应三角模糊非线性优化支持向量分类器

为了提高对存在噪声的大规模数据集的分类效果,本文提出了一种边界自适应三角模糊非线性优化支持向量分类器BAT-FNOSVC.该分类器在支持向量分类器SVC的基础上引入边界自适应三角模糊隶属函数以更好地解决噪声带来的干扰问题,同时在模型中构造模糊列核矩阵及稀疏化函数,提高了算法的可解释性.对含噪数据集的实验结果表明,与采用...     

基于模糊规划的处理时间不确定条件下的Job shop问题

研究了处理时间不确定条件下的 Job shop生产调度问题 ,建立了基于模糊规划理论的不确定 Job shop调度模型。在采用两种模糊运算的基础上 ,结合模糊优化和遗传算法给出了一个解决非线性模糊优化问题的可行算法 ,通过仿真数据说明了所建模型及算法的有效性 ,并就结果进行了讨论     

探索汉语隐喻计算化研究之路

隐喻现象是思维及语言的中心问题,而隐喻的机器理解若不能得到有效解决,将会成为制约自然语言理解和机器翻译技术发展的瓶颈,因此,隐喻的计算化研究成为自然语言处理的一个重要问题.相对于英语隐喻计算研究,汉语隐喻计算研究才刚刚起步.根据本体、喻体和相似性关系三者的认知结构,可以把汉语隐喻分为九种类别;在此基础上,隐喻网络模型的建构为汉语隐喻句的机器识别和分类算法提供了形式化方法;此外,从解决逻辑全知问题和隐喻的语义真值角度提出的汉语隐喻逻辑系统,则为汉语隐喻句的释义提供了很好的支持.在今后的研究工作中,还需加强隐喻分类识别研究,建立隐喻属性知识库,构建汉语隐喻的认知类比描述与转绎系统,改造汉英机器翻译系统并对面向隐喻的搜索引擎进行升级.     

基于分布式大数据框架的全比较问题文件分发策略研究与平台构建

分析了现有解决大数据集全比较问题的数据分发相关研究成果存在的问题和混合整数线性规划模型在优化问题中的应用,在此基础上构建了一种分布式系统下数据文件分发策略模型并进行了数据文件分发算法设计,基于大数据平台框架和数据分发算法建立了一个分布式数据文件分发平台.实验结果表明:本文提出的数据分发策略模型和算法具有数据完全本地化、计算负载均衡和存储占用少等优点.     

基于模糊启发式的KNN算法在人才需求信息分类中的应用

随着当前计算机与移动互联网中数据的增长,在海量的网络招聘数据中如何有效挖掘可用信息成为当前教育和社会供需发展的技术瓶颈。为突破该技术瓶颈,提出了一种模糊启发式的KNN文本分类算法:基于ABC(artificial bee colony)的启发式搜索方法,以此来调整特征的权重,并利用模糊距离度量方法以测量测试观察和训练观察之间的相似性。先将招聘信息分词,利用TF-IDF(term frequency-inverse document frequency)算法与AP(affinity propagation)聚类算法进行特征选择和噪声数据剔除,最后采用结合启发式搜索和模糊距离度量的KNN算法对文本信息分类。通过实验结果发现:该方法有效地解决了传统KNN算法在人才需求文本分类方法中稳定性差和分类精度低的问题。     

基于模糊c均值聚类的社团结构探测新方法

通过对社团结构定义的研究,提出了一种基于模糊c均值聚类算法的网络社团探测新方法.利用网络节点间的最短路径长度、Person相关系数方法及平方法构造了节点间的相关度等价矩阵,从而将社团发现问题转换成节点的聚类问题.在此基础上,应用模糊c均值聚类算法以及网络划分形式对应的模块度来确定最优的社团结构,最后利用Zachary空手道俱乐部网络和Dolphin网络这两个经典模型验证了该算法的可行性.     

基于多核粒化的模糊粗糙计算模型

传统的单核粒化粗糙集模型没有考虑不同粒化关系的相互影响。为解决这一问题,提出了基于多核粒化的模糊粗糙计算模型。以一族核关系构成的多粒度空间为研究对象,将乐观和悲观粗糙集模型拓展到多核空间,定义了基于S-T算子的多核下、上近似算子。给出了基于多核粒化粗糙逼近的属性选择算法。实验结果验证了不同核粒化关系之间"求同存异"和"求同排异"的相互作用。     

基于模糊偏序关系的软件测试评价方法

讨论了模糊理论在软件测试质量评价方面的可行性;提出了软件测试质量评价指标体系的概念和软件测试质量评价方法,即基于模糊偏序关系的评价方法;对该方法的优缺点及适用条件进行了分析;通过实例计算验证了该方法在评价软件测试质量方面的有效性。     

基于协同过滤的高校图书个性化推荐算法研究

针对高校图书推荐存在数据稀疏性和推荐结果质量不高的问题,提出了一种基于协同过滤的高校图书推荐算法.该算法利用图书分类号代替具体图书,应用改进的布尔型相似度计算方法,根据学院分组计算用户相似度,解决了数据稀疏性问题,提高了算法效率.通过定义课程计划、用户兴趣域和流行图书的影响力,建立了图书类别的评价模型.根据类别评价确定各类别推荐数量,提高了推荐结果的质量和多样性.实验结果表明,算法能够有效识别用户感兴趣的图书类别,并且图书推荐质量更好.     

基于MT-TF模型的个人隐私定价问题研究

大数据时代带给人们方便的同时,也因为信息泄露问题,引起了人们对于自身隐私数据信息的重视.本文基于市场时效性和三角模糊数提出运用隐私信息定价模型MT-TF量化个人隐私信息.MT-TF模型从时间成本、财产损失和精神损失三个方面确定隐私信息初始价值,应用信息新度函数确定隐私信息的时效性价值,利用基于均衡理论的市场方法准确量化...     

入侵检测中基于序列模式的告警关联分析

提出一种基于序列模式的告警关联分析模型,实现对攻击告警的分析。该模型预处理部分利用网络拓扑信息和告警属性相似度隶属函数对原始告警进行过滤和融合;在WINEPI算法的基础上,考虑告警数据库增长的情况,提出一种告警的增量式序列模式挖掘算法,用于关联规则发现;在线关联模块匹配规则库形成攻击场景图,并预测未知攻击事件。使用2000 DARPA攻击数据集测试表明,该模型能够明显改善入侵检测系统的性能,验证了模型和算法的有效性。     

基于区间模糊DEMATEL和TOPSIS法的产品方案评价

针对目前产品方案评价方法存在的不足,提出一种基于区间模糊理论的多属性决策模型,该模型结合DEMATEL 法和TOPSIS算法,采用区间模糊理论表达信息的不确定性：由DEMATEL方法对产品方案评价系统中的评价指标进行 量化分析,对指标集进行因果分类、重要度排序和权重分配;在TOPSIS框架下构建区间模糊矩阵,计算其正、负理想解和 接近度,根据接近度对产品备选方案进行比较,并进行了实例分析。结果表明,该评价方法和理论具有一定的实用性和 可行性。     

基于GA+PR的项目管理成熟度持续改进模型

在分析经典项目管理成熟度持续改进问题的基础上,建立了资源约束条件下项目管理成熟度持续改进模型,基于模糊理论提出了正向贴近度和负向贴近度概念,用以对战略均衡匹配性进行度量。同时,应用可能性理论对所建模型进行了确定性转换,并采用基于路径再连接算法思想改进的遗传算法(GA+PR)对模型求解,获得了较好的求解效果。仿真结果具有实践指导意义。     

融合多信息的个性化推荐模型

为了解决协同过滤推荐系统的数据稀疏与冷启动问题,通常利用辅助信息来提高推荐系统的整体性能。当前大多数社交媒体网站和电子商务系统都允许用户发表文本评论,以及对项目(如商户、电影、商品等)进行评分。为了更加有效地融合多种数据信息,解决数据稀疏的问题,提高推荐算法的准确性,构建了一个基于用户-项目历史交互数据源融合知识图谱的模型,提出了基于用户-项目历史评论的深度学习算法,将2种算法动态融合,利用随机梯度下降方法进行模型求解,为用户提供更精准的个性化推荐服务。实验结果表明:相比于已有典型推荐算法,所提模型取得更好的推荐效果,并且可以有效地解决数据稀疏带来的推荐准确性降低的问题。     

基于Aglet-Struts框架的EAI在供应链智能管理系统中的实现

在Aglet-Struts框架的基础上,提出一种在信息上和业务上都灵活开放的信息集成体系结构,构建了一个基于AgletStruts框架的EAI供应链智能模型以实现数据集成,完成了基于Aglet-Struts框架的EAI供应链智能管理系统模型体系架构的搭建,对模型模块进行详细分析,形成比较完善的供应链智能管理系统于企业。     

基于自动机模型数据关联性能评估算法

提出了一种基于自动机理论的性能评估方法,通过在有限自动机模型中增加描述观测的时间序列,来扩展其对数据关联过程的表达能力;使用时序有限自动机模型来描述关联处理算法的模型;使用带时间属性的字符串表示目标航迹。对数据关联的时序有限自动机模型进行一致性和可达性分析,并在此基础上给出了性能评估算法。实验结果证明该方法可以有效地评价关联算法的性能。     

多目标模糊优化潮流模型及其基于神经网络的算法

提出了一种计算交流潮流的多目标模糊优化模型。模型中,同时考虑了发电费用最少及网损最小等多重目标。针对该模型,还提出了一种基于神经网络模型的新算法。该算法分别采用神经网络模型进行模糊集隶属函数的表达及优化问题的求解,从而将模糊优化同神经网络有机地结合起来。通过算例对所提模型及算法进行了验证。