基于TLP经验模型的本体学习算法

将TLP和本体回归算法相融合,提出基于TLP经验模型的本体相似度计算和本体映射算法。新算法继承了TCP的特点,使其具有无偏参数估计的特征。将新算法应用于GO本体和物理教育本体,通过实验结果表明新算法对特定的应用领域具有较高的效率。     

k-部排序算法的稳定性分析

研究在样本集中删除一个元素后k-部排序算法的稳定性。证明如果使用lγ作为排序亏损函数,那么算法在具有得分一致稳定的前提下也具有亏损一致稳定;并且如果对任意x,K(x,x)存在有限上界。那么通过最小化正则经验l-误差得到的排序算法具有良好的一致得分稳定。     

基于变换模型的本体相似度计算与本体映射(英文)

本体相似度计算是信息检索的重要研究课题并广泛应用于计算机科学的诸多领域.运用变换模型提出本体相似度计算和本体映射的新算法.通过排序学习函数,将本体图映射成实直线,将本体图中的顶点映射成对应实数.通过比较本体图中顶点所对应实数的差值来判断两个顶点的相似程度.两个实验显示,所提出的算法对计算本体相似度和建立本体映射是有效的.     

联结数与分数k-消去图

设G是一个图,若对于图G的任一边e,G-e都存在一个分数k-因子,则称G是一个分数k-消去图.证明了若k≥2,bind(G)≥k且δ(G)≥k+1,则G是分数k-消去图.     

σ_2(G)与分数k-消去图

设G是一个图,若对于图G的任一边e,G-e都存在一个分数k-因子,则称G是一个分数k-消去图.对于非完全图,证明当顶点数、最小度以及σ2(G)满足一定条件时G是分数k-消去图.并说明结论在一定意义上是最好的.     

基于图学习的本体概念相似度计算

根据边的类型、顶点深度、边的密度和强度以及边关联的两顶点的属性计算有向边的权重,通过图学习正则化模型得到优化函数.将本体结构图中每个顶点映射成一个实数,通过比较实数间的差值判断两概念的相似程度.实验表明该方法对于计算本体概念间的相对相似度是有效的.     

一类整数距离图的分数色数

利用整数距离图的结构特征,研究当m<2k时,G(Z,Dm,k,t)的分数色数(其中Dm,k,t={1,2,…,m}-{k,k+1,…,k+t}),并给出在k>t,m≥2k条件下G(Z,Dm,k,t)的分数色数,以及当k>t,m=2k+i,0≤i≤2t-1时,G(Z,Dm,k,t)的色数.     

一种改进的基于相似度的本体映射方法

本体映射是解决本体异构的通用方法.发现来自不同本体的元素间的关系的过程可以转化为它们之间的语义相似度的计算, 本文从名称、结构、实例、属性四个方面改进相似度计算方法,并给出融合的相似度计算公式,通过实验说明新相似度计算方法在实际应用中是有效的.