基于模糊彩色Petri网的知识表示与获取研究

针对一些复杂专家控制系统的知识不确定性及知识规则数量多的特点,在模糊Petri网和彩色Petri网的基础上,给出了一种基于模糊彩色Petri网（FCPN）的知识表示和知识获取方法。该方法充分利用其图形化的特点将模糊规则库中的不同变量用不同的色彩来区分,每一种色彩用一种标识符号来表示,因此可构成一个更为简明的FCPN图。将其用于列车专家控制系统的不确定性知识的表示及获取,结果表明,基于模糊彩色Petri网的知识表示和获取方法对大型、复杂的专家控制系统是非常有效的。     

基于模糊Petri网络的分布式知识表示方法

从模糊产生式系统出发，引入模糊Ｐｅｔｒｉ络（ＦＰＮ）的定义，进而给出了模糊产生式规则的各类型的ＦＰＮ表示模型，在此基础上提出了一种基于ＦＰＮ的交互式推理方法。该方法为模糊知识的表示提供了一种有效方法。     

基于模糊Petri网络的分布式知识表示方法

从模糊产生式系统出发，引入模糊Ｐｅｔｒｉ网络（ＦＰＮ）的定义，进而给出了模糊产生式规则的各类型的ＦＰＮ表示模型．在此基础上提出了一种基于ＦＰＮ的交互式推理方法．该方法为模糊知识的表示提供了一种有效方法．     

基于规则Petri网知识的表达与提纯

本提出一种新型Petri网－规则Petri网RPN－Rule Petri Net)，对产生式知识系统进行有效的表达和提纯，并给出了对知识的冗余、矛盾等问题进行了分析、检测和消除的方法。     

基于关联规则的课程信息推荐应用研究

网络教学系统中的课程资源丰富而繁多,借助数据挖掘技术,可以对这些资源进行有效挖掘,以期达到更充分、合理的使用.借助关联规则数据挖据方法,构建课程信息推荐模型,研究网络教学系统中的课程关联,为学生网络学习提供课程信息推荐.     

基于模糊Petri网的动态知识表示与推理方法

针对专家系统知识库中的知识具有模糊特性以及知识库需要频繁更新的特点,设计了一种基于模糊Petri网的动态知识表示与推理方法。该方法利用实际环境中的数据,通过学习来调整知识模型的权值、阈值和确信度等参数,从而实现知识库的动态实时更新。此方法同时结合了产生式知识表示方式和神经网络知识表示方式的优点:知识模型结构清晰,参数意义明确;具有学习和并行推理能力。仿真实验结果表明,经过训练调整后的知识模型具有更高的准确度。     

基于模糊Petri网的误用入侵检测方法

提出了基于模糊Petri网的误用入侵检测方法,并将类似于神经网络的学习引入模糊Petri网,以调整攻击知识模型参数. 理论分析表明,基于模糊Petri网的误用入侵检测系统具有更高的推理效率,能从环境中动态学习调整知识模型的相关参数,如阈值、权值、确信度. 仿真结果表明,在大多数情况下,学习调整后的知识模型能够提高误用检测系统的检测率.     

基于模糊逻辑的产生式规则拓展

在CAPP系统中,工艺知识通常采用产生式规则来表达.由于工艺知识具有模糊性和不确定性,而传统的产生式规则又难以表示和处理这类带有模糊性和不确定性的工艺知识,所以必须使用一些模糊的语言来描述这些知识并以此来进行推理.针对这一问题,提出了一个基于模糊逻辑的产生式规则模型,给出了模糊规则的产生式规则表达式以及模糊规则中各命题之间的逻辑关系,同时也指出了模糊规则的模糊匹配方式.     

一种基于模糊C均值聚类的模糊规则提取方法

提出了一种基于模糊C均值聚类的模糊规则提取方法，给出了模糊系统的模糊规则库，基于此规则库，构造了一种新颖的分类算法，利用IRIS数据进行了测试，仿真结果表明，分类效果好，由此说明所提出的模糊规则生成方法有效。     

个性化旅游景点推荐中考虑约束的关联规则挖掘算法

在约束子集定义的基础上,提出面向旅游景点推荐的约束关联规则挖掘算法,将最为耗时的目标项集搜索限定在约束子集中,降低了数据集搜索的规模. 同时通过约束条件提升了最终规则生成的针对性,避免大量无趣规则的生成,使得挖掘算法效率更高、挖掘结果更符合用户需求. 最后在望路者文化旅游服务数据集中开展了示范应用研究,验证了所提出的算法可为旅游景点推荐提供更为合理的信息.     

基于模糊聚类的并行推荐算法

为提高传统协同过滤算法在个性化推荐系统中的大数据处理能力,研究了一种基于模糊聚类的并行推荐算法。在Hadoop平台下首先通过PCA降维和FCM聚类对用户物品评分矩阵进行预处理,采用皮尔逊相关系数计算用户间的相似度,通过得到的聚类簇集合构建最近邻集合,生成基本预测评分。最后实现算法的并行化处理并得到推荐结果。实验结果表明,与基于PCA降维的协同过滤和单机式传统协同过滤算法相比,该算法提高了推荐的准确性和实时性。     

基于关联规则的社交网络好友推荐算法简

提出了一种基于关联规则的社交网络好友推荐算法,在进行好友推荐时,考虑现实社交活动中“志趣相投”的好友常常会关注相同的人和事,网络社交中的好友也常常会关注相同的“人”和“事”,将“关注”看成一条交易记录,把关注的用户看成交易项,所有交易项的集合看成交易数据库,生成二阶候选项集,并按支持数降序排序,推荐前犖个用户作为好友。以新浪微博993950条用户关注数据及552600条微博关注数据作为实验的对象,实验结果表明,算法具有良好的性能,可实现较高的召回率与准确率。     

基于关联规则的网站个性化服务

从大量顾客在线购买历史记录中挖掘出有用的关联规则,是一种及时有效的向顾客推出个性化服务的重要技术.对网上书店的顾客在线购买行为进行挖掘分析,采用Apriori算法[1]找到其中的关联规则,采用支持度过滤方法获取频繁的顾客购买行为模式,提出根据用户的兴趣度和规则的置信度产生相应的推荐候选集,实现网上书店的个性化推荐服务.     

基于关联规则的网站个性化服务

从大量顾客在线购买历史记录中挖掘出有用的关联规则，是一种及时有效的向顾客推出个性化服务的重要技术．对网上书店的顾客在线购买行为进行挖掘分析，采用Apriori算法找到其中的关联规则，采用支持度过滤方法获取频繁的顾客购买行为模式，提出根据用户的兴趣度和规则的置信度产生相应的推荐候选集，实现网上书店的个性化推荐服务。     

基于多维ANFIS的T-S模糊控制规则聚类获取方法

T-S模糊模型与自适应神经模糊推理系统(ANFIS)的结合便于描述多输入系统模糊控制规则.为解决规则前件过多时传统ANFIS结构导致的维数灾难问题,同时进一步提高ANFIS对于复杂系统T-S规则在线获取速度,首先采用多维输入向量对ANFIS网络进行修正,在此基础上提出了T-S模糊控制规则聚类获取方法;其次,利用所提出的方法分别对倒立摆和二阶滞后系统进行了控制仿真,该方法同Mamdani规则自组织模糊控制的控制效果比较表明两者的最大超调量、振荡次数、过渡时间基本一致,上升时间要较Mamdani模糊控制器缩短3个采样周期,控制规则较Mamdani控制器减少了45条.     

基于Kohonen网络-粗集-模糊神经网络获取模糊规则的集成方法

基于单一知识发现方法的不足提出了一种基于Kohonen网络、Rough Sets和FNN获取模糊规则的集成方法.首先用Kohonen网络进行数据量化,然后运用粗集理论产生初始规则,并根据所得的规则建立模糊神经网络模型,从而生成较少的精炼规则.最后通过实例仿真分析,验证了该方法的有效性和实用性,同时为获取模糊规则提供了新的思路.     

一种基于AHP的智能电影推荐方法

电影网站提供了十分丰富的电影资源,然而用户必须花费大量时间搜索自己感兴趣的资源,如何帮助用户快速找到其想要的资源成为大型电影网站的重要需求。智能推荐技术的提出使满足这个需求成为可能。文中提出一种基于AHP(Analytic Hierarchy Process)层次分析法的智能电影推荐方法,综合考虑电影印象、故事、表演、导演、画面、音乐和类型等因素,通过用户对各因素两两比较、权重计算,生成个性化推荐列表。基于时光网的多个用户实证研究表明,结合AHP的智能电影推荐方法简单、有效,大部分推荐结果满足用户喜好。     

基于控制规则调整的自适应模糊控制器

工业对象大多是具有非线性、大时滞、高阶次的复杂对象,常规的控制方法往往难以适应这些对象的变化.文中提出了一种自适应模糊控制器,它能在控制过程中不断调整和修改控制规则,以适应对象和环境的变化.对控制方法与常规PID控制、Smith预估控制、基本模糊控制进行了仿真比较.仿真曲线表明,自适应模糊控制器的控制性能明显好于其它3种控制方法.     

基于模糊关联规则的高考数据分析

在对普通高考数据进行简要的分析之后,把模糊聚类与经典关联规则算法结合起来,提出了一种改进的关联规则算法并应用于普通高考数据分析中.实验取得了较好的结果,表明本方法是可行的     

Personalized movie recommendation method based on ensemble learning

Aiming at the personalized movie recommendation problem, a recommendation algorithm in-tegrating manifold learning and ensemble learning is studied. In this wor...