基于粒子群优化的数据分类算法

设计了一种基于粒子群优化的数据分类算法。新算法首先对数据样本预处理,利用粒子群优化算法通过训练数据进行分类规则的提取,根据提取得到的规则对数据进行分类识别。基于Bayes定理和随机状态转移过程对新算法的收敛性进行分析。通过对UCI数据集分类实验及遥感图像目标识别实验,验证了新算法是一种有效的分类方法。     

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。     

面向议题关联的双边多议题协商模型研究

在Agent双边协商过程中往往包含对多个议题的协商针对以往的基于议程、相似度、案例等协商方法中大部分都忽略了议题取值之间可能存在的依赖关系，提出一种面向议题关联的双边多议题协商模型首先模型结合了多议题顺序协商思想和局部接受协商策略；其次引入离线学习机制，对协商成功的历史记录进行分区离线学习，利用离线学习机制产生的议题关联规则与预测神经网络实现对关联议题可能接受取值的预测；最后模型提出一种基于关联预测值的分段时间协商策略实验结果表明，该模型在一定程度上提高了协商的总体效用值和效率.