数据场在信息表征中的应用

思维、想象和知识发现过程,实际上是在不同粒度上认识数据、概念和图像,是发现状态空间在不同抽象层次上的知识表现,是从高维数据和图像空间降维的过程,也就是丢舍不太重要的特征数据,留下主成分后的发现状态空间的知识表现．并认为数域空间中的每个数据点通过某种作用力而相互影响形成数据场．此外,阐述了数据场的主要思想并从数据场在图像数据挖掘中的应用出发,试着对形象思维的信息表征作了一些有益的尝试．     

脑认知的形式化——从研发机器驾驶脑谈开去

 脑科学是人工智能和生命科学的交叉,要使脑认知形式化而为人们所理解,有两条途径:神经学方法和物理学方法。一名从事脑科学研究的学者,本身需要横跨不同学科,成为几个领域的专家。     

面向场景的协同过滤推荐算法

推荐系统是电子商务系统中最重要的技术之一。用户相似性度量方法是影响推荐算法准确率高低的关键因素,针对传统相似性度量方法存在的不足,利用云模型在定性知识表示以及定性、定量知识转换时的桥梁作用,提出一种在知识层面比较用户相似度的方法,克服了传统基于向量的相似度比较方法严格匹配对象属性的不足。进而以该方法为核心,提出一种面向场景的协同过滤推荐算法,该算法能够充分利用项目的分类信息,避免了传统算法把用户的整体打分作为单个向量的弊端。实验结果表明,算法可以在用户评分数据极端稀疏的情况下,仍能取得较高的推荐质量。     

基于云模型的关联规则挖掘方法

目前对关联规则的研究主要集中在对布尔型属性关联规则的挖掘,本文引入基于云模型进行数据量型属性关联规则的挖掘的方法,并定义云关联规则“如果Ｘ是Ａ则Ｙ是Ｂ”,其中、Ａ、Ｂ分别是属性Ｘ和Ｙ中由云模型描述的概念。利用这种方法得到的关联规则更容易让人理解,也克服了传统划分边界过硬的问题,在此基础上,定义了在挖掘云关联规则中支持率、可 和相关性的计算公式,并阐明了它的一般性,即传统的硬划分及经典的布尔型属性关     

人工智能在奔跑 教育的机遇与挑战——在“北京联合大学智能机器人产学研合作与人才培养创新发展研讨会暨机器人学院成立大会”上的报告

人工智能的发展改变了人类的认知方式和生活方式,人工智能延伸了人类的体力和脑力,将会让人类更加有尊严、更加优雅、更加智慧地生活.人工智能给人类带来的影响将远远超过计算机、互联网在过去几十年对世界的改变,也为教育带来了前所未有的机遇和挑战.北京联合大学在全国率先成立机器人学院,突破传统教学的边界,采取科学任务带动创新人才培养的模式,致力于培养面向先进机器人、智能汽车及无人系统等领域的高素质、应用型专门人才.     

社会标注系统幂律特性分析

为全面了解社会标注行为,帮助用户多样化、个性化地使用资源,首先归纳总结标签增长、标签使用与重用以及标签网络等方面的幂律特性。然后,分析幂律特性的形成原因,并使用拓扑势方法进行描述。最后,讨论幂律特性在标签可视化、自动标注、推荐系统和兴趣挖掘等方面的应用,并提出个性化推荐模型。幂律特性分析可以提高信息的个性化、完善社会标注系统的设计。     

一种基于密度分布函数聚类的属性离散化方法

连续属性离散化是数据分析预处理中的一项重要内容，针对有监督学习，提出了一种基于密度分布函数聚类的连续属性离散化方法。该方法利用了粗糙集中决策表的一致性水平的概念，通过计算基于聚类划分后决策表一致性水平的反馈信息，动态地调整聚类参数—影响因子，直到决策表的一致性水平达到原始水平为止。由于同时考虑所有属性的离散化效果，可使离散化的结果更为合理。为了验证该方法的可行性，文中利用实际数据进行了试验。     

采用功能替代技术的C~2系统的可靠性评估

根据Ｃ２系统建设的需要，定义了可靠性代用模型，推导出它的可靠度和可用度计算公式。通过与现有可靠性基本模型进行量化比较，得出代用模型用于系统的可靠性设计和评估既能降低系统建设成本，又能提高系统的可靠性。     

全球信息网格发展和体系结构分析

全球信息网格(GIG)是传感器网、通信网和武器平台网的综合集成,是美军网络中心战和夺取信息优势的基础设施.描述了GIG的概念,分析了GIG的发展历程、体系结构、积极意义以及存在的问题,表明GIG将成为系统中的系统,以解决各类信息系统的集成和互操作问题.