一个基于信念网络的微博推荐模型

针对现有微博推荐方法或模型不便组合证据的不足,提出一种微博推荐新方法.将信念网络用于微博推荐,构建一个基本信念网络推荐模型,并在基本模型中融合用户交互微博证据,提出一个微博推荐扩展模型.模型中的节点表示微博、用户和兴趣特征词,有向弧表示节点之间的关系,通过计算用户与微博的覆盖程度来得到用户与待评估微博的相关度.在微博数据集上的实验结果表明:扩展模型较基本模型在F值上至少提高了约4.9%;与已有的推荐方法相比,新模型在组合证据提高推荐性能方面更有效.     

一个基于同义词证据扩展的信念网络检索模型

归并不同证据资源扩展用于信息检索的信念网络是当前一个重要的研究方向。以同义词为证据扩展基本信念网络模型,得到一个扩展的信念网络检索模型。实验证明,扩展模型的检索性能优于基本模型。     

集值信息系统中的粗糙集扩展模型

通过分析研究现有集值信息系统上定义的两种关系(相容关系和优势关系),在集值信息系统中引入相容度和包含度的概念,定义了基于相容度α的相容关系和基于包含度β的优势关系,提出了基于这两种关系的粗糙集扩展模型,并分析比较了该模型与现有模型之间的关系.通过对相容度和包含度的调节和控制,可以将现有集值信息系统中定义的两种关系有效地统一起来.最后,通过对一个具体实例的分析,进一步解释和说明了这些关系之间的联系.     

基于证据间距离和不确定性度量的证据组合方法

针对Dempster组合公式无法组合冲突证据的问题,提出了一种证据组合的权重分配方法.该方法充分考虑证据间的关系和证据本身的特性,用证据间距离度量证据间的不一致程度,用证据的不确定度来度量证据本身的不确定性;在此基础上扩展了文献[7]提出的权重确定准则,认为证据组合规则既要考虑使组合后证据与各源证据间的距离和尽量小,也要注重降低组合后证据本身的不确定性.最后根据新的准则给出了权重因子的确定算法和证据组合方法.算例表明,该方法改进了文献[7]权重分配方法的结果,且使权重分配更加灵活.     

贝叶斯网络在信息检索中的应用

贝叶斯网络是当今人工智能领域用于处理不确定性问题的主要方法之一,在过去十几年中已经以各种方式应用于信息检索领域.本文以信念网络模型为基础,介绍了该理论在信息检索中应用的基本方法,探讨了利用贝叶斯网络组合不同证据进行信息检索问题,最后分析了今后的研究热点.     

信度函数在复杂网络节点重要性评价中的应用

针对复杂网络中重要节点的识别问题,提出了一种基于信度函数复杂网络中识别节点重要度的方法;回顾了信度函数、复杂网络相关理论知识及节点重要度相关算法,建立了基于信度函数的节点重要度识别模型;通过建立辨识框架,把节点相关属性转换为信度函数,利用证据理论组合规则进行融合,得到节点的综合属性信度函数值并将其转换为单一数值,进而提到节点的排序结果;实例分析表明,所建立模型有效克服了相关单一节点重要度算法的局限性问题,具有合理性与有效性,可进一步推广。     

基于Markov网络的信息检索扩展模型

为了解决信息检索性能较差的问题,查询扩展将索引项之间的关系以及文档之间的相似度引入到检索中,这个过程可以通过构造知识网络来进行.Markov网络是一种有效的知识关联图形表示方法,可以从实例数据训练获得.本研究提出并实现了基于Markov网络的信息检索扩展模型,通过对文档集的学习,构造了关于索引项和文档的Markov网络,将有利于检索的信息加入到检索中.实验表明,基于Markov网络的信息检索扩展模型优于BM25模型.     

基于多准则的组合预测模型权重研究及其应用

针对传统组合预测模型大多是通过建立单一准则方程进行优化,而没有更好地考虑各单一模型之间互支持信息带来的不确定性问题,建立基于多准则的组合预测模型权重确定算法。首先,通过建立区间数模型构建样本区间距离并进行相关折算归一化生成样本的基本概率分布BPA(basic probability assignment),作为单一预测模型的初级权重;然后,通过对D-S证据理论进行改进,建立证据可信度、证据精度和证据自冲突系数3个准则分别用于评价单一模型自身精度及其之间互相支持信息,通过对3个准则排序得到综合排序值作为单一模型初级权重的权重调整系数;最后,综合多时刻数据归一化后确定单一模型的最终权重用于组合预测。研究结果表明:经过权重调整后的组合预测精度得到显著提高,且经过调整系数R调整后的不变权组合预测模型最优。     

(α,β)-模糊向量子空间

利用模糊点和模糊集的邻属关系,给出了(α,β)-模糊向量子空间的定义,根据α,β的不同组合得到16种(α,β)-模糊向量子空间,并给出了它们之间的关系;讨论了(α,β)-模糊向量子空间与模糊集截集的相关定理;重点讨论了(∈,∈)-模糊向量子空间、(∈,∈∨q)-模糊向量子空间和(∈∧q,∈)-模糊向量子空间,并给出了相关定理.     

基于均匀分布区间数的排序方法

区间数在工程与管理评价中具有很好的应用价值,区间数排序是评价过程中必然遇到的问题. 通过对区间数可能度概念及其计算模型的分析与比较,在用区间数内的一个随机变量大于或等于另外一个区间数内的一个随机变量的概率来构建可能度计算模型时,文章揭示了均匀分布区间数a1≥a2的可能度大于等于0.5等价于对应区间数的中值α1≥α2的性质,证明了中值排序与优序数排序的等价性.     

复杂情境下的核电系统可靠性

为提高复杂情境下的核电系统可靠性,保证核电系统安全运行,采用证据网络(evidence network,EN)对核电不确定信息问题进行分析、建模、推理和评估,有效地处理和表达专家语言变量,同时解决非布尔逻辑关系和多状态变量的问题,建立核电系统可靠性模型.提出一种将语言数据转换成基本信度指派函数的方法,对于在故障树映射到证据网络中存在的非布尔逻辑关系,建立一种新的条件信度表,解决复杂情境下的核电系统可靠性问题.研究结果表明,实验结果符合预期,建立的可靠性模型对研究核电系统可靠性有一定的借鉴作用.     

基于流形排序的电网截面数据检索

随着电力系统信息化的发展,电网数据具有数量大、类型多、维度高的特点。针对在数据检索时多维度查询效率不高,检索结果无法多维度整体匹配的问题,提出一种基于流形排序的电网截面数据检索方法;该方法将电网截面数据描述成多维向量空间中的对应点,创建加权图模型。通过考虑数据的整体近似流形结构来获得检索结果,使之与源查询之间具有较高的相关性;使用置信传播分配排序分数,提高了检索结果的准确性,有效避免相关性度量对高维数据查询处理的不足。     

基于局部冲突分配策略的证据理论组合规则

提出了一种基于局部冲突分配策略的组合规则，冲突主要分配给产生冲突的焦元，且分配给焦元的冲突大小取决干焦元的平均信度和证据的可信度。计算结果表明，新的组合规则不仅能够解决高度冲突证据的组合问题，而且能够从证据中提取更多的信息，使组合结果更为合理。     

基于Markov网络的结果重排技术

信息检索中通过网页链接信息提取文档内部关系进行搜索结果重排可以提升检索系统的性能。通过Markov网络来展现文档内部关系,该网络更直观地解释了文档间的语义相关性,利用这种文档内部语义关系计算文档重要性对检索结果进行重排。根据文档分布特征阐述了Markov文档网络的构造算法,讨论了Top-k及其相关文档的重要性评分算法,修正初始检索的文档评分。通过这种方式,既保持了文档图的查询相关性,又丰富了文档内部关系,扩大了重排序范围。实验表明,在多个标准文档集上基于Markov网络的结果重排技术对检索性能有较大的稳定提升。     

证据推理与检索数据网络安全获取

利用动态数学模型,首先给出了内-数据、外-数据与内-外数据概念,然后给出了证据推理与检索数据智能获取定理和网络数据空间与数据-证据关系定理,进而给出了检索数据的网络安全获取算法,最后给出了这些概念、理论结果的应用。     

模糊神经网络模型参考自适应控制

给出了一种基于模糊神经网络的模型参考自适应控制方案。首先,构造了一种运用递推预报误差（ＲＰＥ）算法的多层前向神经网络,并用其对被控对象建模,然后,又构造了一种模糊神经网络控制器（ＦＮＮＣ）。从而为一类难以建立精确数学模型的非线性被控对象提供了一种新的自适应控制方法,信息结果验证了其有效性。     

Using the Dempster-Shafer Theory of Evidence to Rank Documents

Multi-source information can be utilized collaboratively to improve the performance of information retrieval. To make full use of the document and collection information, this paper introduces a new information retrieval model that relies on the Dempster-Shafer theory of evidence. Each query-document pair is taken as a piece of evidence for the relevance between a document and a query. The evidence is combined using Dempster’s rule of combination, and the belief committed to the relevance is obtained. Retrieved documents are then ranked according to the belief committed to the relevance. Several basic probability assignments are also proposed. Extensive experiments over the Text REtrieval Conference (TREC) test collection ClueWeb09 show that the proposed model provides performance similar to that of the Vector Space Model (VSM). Under certain probability assignments, the proposed model outperforms the VSM by 63% in terms of mean average precision.     

参照零模型的双层网络结构相关性检测

 多层网络是近年来提出的新型复杂网络模型,在级联故障分析、信息传播、链路预测和网络同步等诸多领域均有广泛应用。多层网络的任意两层网络结构间往往存在关联性和耦合性,如何检测两层网络之间是否具有结构相关性并对其进行定量刻画是一个非常重要且亟待解决的问题。本文首先分3个层次总结并提出度量双层网络结构相关性的方法与统计量,其中第1层次是检测双层网络整体上的连接相关性,第2层次检测两层网络所有节点之间整体上的度度相关特性,第3层次是检测双层网络富节点之间的连接相关性。由于这3种相关性的计算和度量都依赖于网络统计量进行,而统计量的绝对数值往往没有意义,因此提出了以多种双层网络的零模型作为参照物,通过假设检验方法来量化双层网络之间的结构相关性,分析了这种结构相关性存在的内在机理。最后,使用一个实证双层网络--全球语言多层网络验证了本文研究范式的有效性。本文研究可检测出实证多层网络中任意两层之间复杂的耦合作用。     

基于模糊神经网络和证据理论的瓦斯突出评判策略

针对影响煤矿瓦斯突出因素的不确定性和复杂的非线性关系,不能够利用经典的数学理论建立精确的预测模型,将模糊神经网络和D-S证据理论有机结合,提出了基于模糊神经网络和D-S证据理论的煤矿瓦斯突出危险等级评判策略.首先对传感器采集的待评判采掘面参数进行预处理,使用模糊神经网络得出第一步的融合结果,并将其进行归一化处理,归一化函数作为基本概率赋值函数,然后将归一化之后的数值作为基本概率分配值,再用D-S证据理论进行第二次数据融合,作出最终评判.实验结果表明,该方法具有良好的适应性并能得到准确性较高的评判结果.