一种信息处理的灰集对分析方法

在集对分析(SPA)理论基础上,结合灰色数学思想,提出了一种处理不确定信息的集对分析灰理论方法(GSPA).该方法能有效地通过集对灰关联度描述不确定信息的同、异、反及信息灰度之间的联系变化,克服了单一的集对分析联系数和灰色数学关联度描述信息的缺陷和不足.给出了GSPA方法的相关定义、运算规则及集对分析灰联系度概念.最后,通过算例分析了该方法的计算过程、步骤及可行性和有效性.     

基于BoBGSAL-Net的文档级实体关系抽取方法

文档级实体关系抽取的主要任务是提取文档中实体之间的关系.相较于句内实体关系提取,文档级实体关系抽取需要对文档中多个句子进行推理.为了解决文档中不同实体之间的复杂信息交互问题,提出一个混合提及级图MMLG (Mixed Mention-Level Graph)策略,用于拟合文档中不同实体之间的复杂信息交互,提高模型对于文档级实体关系的感知能力.此外,为了应对实体关系中存在的关系重叠问题,构建了实体关系图ERG (Entity Relation Graph)模块,该模块融合了路径推理机制,主要针对实体间的多个关系路径进行推理学习,更准确地识别提及级节点实体及关系.通过将MMLG策略与ERG模块聚合到实体关系抽取模型中,构建BoBGSAL-Net (Based on Bipartite Graph Structure Aggregate Logic Network)模型,并在公开数据集DocRED和作者实验室构建的数据集AlSiaRED上开展实验,结果证明BoBGSAL-Net在文档级实体关系抽取任务中性能得到提升,其中BoBGSAL-Net+BERT模型在AlSiaRED数据集上的关系抽取...     

信息不确定条件下时间序列的关联分析法

针对不确定信息环境中无法直接计算序列关联度的问题,提出了区间数序列关联趋势分析法(RTASI法).首先利用区间数距离表示不确定信息的差别,经过时移和翻转转换对序列进行匹配后,通过区间数序列之间的距离计算序列关联度,最后应用集对分析法对序列间的关联趋势进行分类.RTASI法将关联度计算的范围推广到不确定信息环境下,并给出序列关联趋势的分类结果.实验结果表明,RTASI法的分类准确率较高,其虚警率和漏警率均低于C均值法和模拟退火法,运行时间分别比C均值法和模拟退火法减少了77%和63.4%.     

广义概率粗糙集模型中近似算子的研究

针对经典概率粗糙集模型的不足,将其论域推广到两个具有相容关系的论域上,借助集值映射分别定义了两种形式的广义概率(I)型和广义概率(II)型粗糙集近似算子,并讨论了相应的数学性质.最后,详细地分析了它们之间的关系.     

半动力系统中闭集的稳定性和极限集映射的连续性

研究了半动力系统中闭集的各种稳定性之间的关系和半动力系统中一类特殊的闭集即各种极限集的稳定性与相应极限集映射的半连续性之间的密切联系,给出了几个极限集映射上(下)半连续的充分或必要条件.     

连续偏序集及其Smyth幂的特征与浓度

推广连续domain的特征与浓度的概念到连续偏序集上,探讨了连续偏序集及其定向完备化和Smyth幂的特征、浓度.得到了几个关系定理:1)连续偏序集的特征(浓度)等于其上Scott拓扑的特征(浓度),但小于等于其上Lawson拓扑的特征(浓度);2)连续偏序集的浓度大于或等于它的定向完备化的浓度,而特征小于或等于它的定向完备化的特征;3)连续domain的浓度大于或等于它的Smyth幂domain的浓度.     

一种融合Wikipedia类图和主题特征的短文本检索方法

社交网络的快速发展催生出大量短文本数据.鉴于短文本具有长度短、信息量少、特征稀疏、语法不规则等特点,根据Wikipedia类图(Wikipedia Category Graph,WCG)中包含的结构信息,通过分析其中的主题特征,提出一种语义特征选择及关联度计算方法.以此为基础,通过计算用户查询与目标短文本之间的语义关联度,实现对短文本的检索和排序.最后通过在Twitter子集上的实验结果表明,融合Wikipedia类图和主题特征的短文本检索方法比现有一些检索方法在评估指标MAP,P@k及R-Prec上具有更好的效果.     

一种改进的增强组合特征判别性的典型相关分析

典型相关分析(CCA)是一种经典的多视角特征提取方法,可以从2个视角中查找特征集之间的线性相关关系.但CCA在做分类任务时具有多个缺点,一是CCA本身为无监督学习方法,做分类时没有利用样本的类信息,二是CCA仅考虑需要分类的目标数据,而忽略了与目标数据来自同一域的Universum数据的信息.因此人们提出增强组合特征判...     

乐观多粒度区间集粗糙集

Pawlak粗糙集基于单个粒空间(一个等价关系)建立了上、下近似来刻画目标概念,而乐观多粒度粗糙集则利用多个粒空间(一族等价关系)对目标概念进行近似描述,是Pawlak粗糙集的一种扩展.区间集通过上、下界给出了概念的外延范围.在区间集粗糙集的基础上,提出了乐观多粒度区间集粗糙集,研究了它们的性质,并进一步给出了单个和多个粒空间下几种区间集粗糙集和乐观多粒度区间集粗糙集之间的关系.     

基于概念格的求所有绝对属性约简的一个算法

根据概念格的Hasse图与粗糙集中属性集导出的不可分辨 (等价 )关系之间存在的对应关系 ,提出了一种基于概念格的计算信息表中所有绝对约简的算法 ,并通过理论分析和实例计算验证其正确性和有效性 .