具有连续属性的不完备信息系统Rough集扩展

在模糊相似关系的基础上,针对具有连续属性的不完备信息系统提出了Rough集的扩展模型;利用模糊区间数来表示不完备信息表中缺失的连续属性值,并根据属性值的概率分布情况计算模糊区间数的可能度,在模糊关系的基础上给出了不完备信息表的上近似和下近似的定义;利用基于欧氏距离的贴近度法计算模糊相似度,构造相似矩阵,实现了对论域的划分;给出决策规则的约简和表示方法,应用实例说明了所提出的Rough集模型及规则的实用性。     

可分解4-循环系的嵌入

设RC4S（v,λ）为一个v阶且指数为λ的可分解4-循环系．任一个RC4S（v,λ）都可以嵌入到一个RC4S（u,λ）之中的充分与必要条件为u≡v≡0（mod 4）,λ≡（mod 2）且u≥2v。     

辅以纹理特征的植被分类方法研究

纹理是遥感影像处理和计算机视觉领域中的重要研究内容,在植被遥感中有着非常广泛的应用前景。本文主要讨论在面向对象,多尺度分割的基础上,分别基于光谱信息和纹理特征的最邻近分类法提取南京某新开发区的植被信息。研究结果表明,与传统的基于光谱信息和基于象元特征的分类法相比,辅以纹理特征的最邻近分类法的总体精度分别提高了6.36%和1.16%。     

时空数据库中反向最近邻查询的方法研究

随着无线通讯及连续移动对象寻轨技术的高速发展,迫切需要提出解决大量移动对象查询的有效方法。本文提出了一个解决连续移动点反向最近邻查询的算法,同时也提出了解决连续移动点的最近邻查询算法。     

基于元路径异构网络嵌入的姓名实体消歧方法

为了解决大型学术数据库中重名作者的歧义消解问题,提出了基于元路径异构网络嵌入的姓名实体消歧模型。使用大型在线学术搜索系统DBLP上的公开数据集,首先抽取学术出版物的作者信息、标题和会议期刊名称等特征属性,再利用word2vec模型工具生成的特征属性词嵌入输入到GRU网络中进行训练,构造出一个PHNet矩阵网络进行随机游走操作,从而捕捉不同类型节点之间的关系,最后进行相似节点的划分,完成姓名消歧工作。实验结果显示,新方法的精确度为0.865,召回率为0.792,F_1值为0.815。基于元路径的异构网络嵌入模型的精确度、召回率等指标都优于对比模型。因此,所提出的模型在提高大型学术数据库的消歧精准度方面具有良好的应用前景。     

基于双向长短期记忆网络和标签嵌入的文本分类模型

提出了一种基于双向长短期记忆网络和标签嵌入的文本分类模型。首先利用BERT模型提取句子特征,然后通过BiLSTM和注意力机制得到融合重要上、下文信息的文本表示,最后将标签和词在联合空间学习,利用标签与词之间的兼容性得分对标签和句子表示加权,实现标签信息的双重嵌入,分类器根据给定标签信息对句子进行分类。在5个权威数据集上的实验表明,该方法能有效地提高文本分类性能,具有更好的实用性。     

异质阈值决策规则下的复杂网络扩散

基于异质阈值模型和平均场理论刻画了社会网络扩散,分析了邻居效应、阈值分布和网络度分布对扩散的影响。结果表明:邻居效应或阈值分布均值的减小将加速扩散及增大均衡状态值,阈值分布方差的减小将减缓初始扩散,且满足一定条件下,将加速扩散收尾过程;邻居效应较弱时,度分布异质性的增加将加速初始扩散,反之亦然;邻居效应和阈值分布满足一定条件时,扩散初始速度将呈现出超指数增长;邻居效应、阈值分布或度分布的变化均可使扩散均衡状态值发生跳跃式增长。     

基于k近邻和最小二乘支持向量机的Android恶意行为识别

针对单一k近邻算法(KNN)和最小二乘支持向量机(LSSVM)存在的缺陷, 提出一种基于KNN LSSVM的Android恶意行为识别模型. 先采集Android用户行为样本, 并提取相应特征组成特征向量; 再将训练集输入LSSVM中进行学习, 计算测试样本与最优分类平面间的距离, 如果该距离小于阈值, 则直接采用LSSVM恶意行为识别, 否则采用KNN算法进行恶意行为识别; 最后采用仿真实验测试KNN LSSVM的性能. 实验结果表明, 相对于单一KNN算法和LSSVM, KNN LSSVM提高了Android恶意行为的识别正确率,可以满足Android[KG*6]恶意行为的在线识别要求.     

基于Voronoi图的明代长城军事防御聚落空间分布

基于明代长城军事防御聚落生成Voronoi图,采用变异系数、最邻近点指数以及GIS的密度制图和地理统计分析等方法,从宏观和微观层面,分析军事防御聚落的空间分布特征,证实其存在明确和复杂的层次结构,并进一步分析地理环境和战略地位对空间布局的影响.     

基于K近邻的支持向量机多模型建模

单一的支持向量机在建模时存在一定的局限性,对于复杂的实际数据,不能很好地提取其中的信息,导致模型泛化性能较差,为此提出基于K近邻的组合支持向量机方法。该方法首先采用简单距离分类方法对经过主元分析的样本数据进行分类,并采用K近邻算法得到支持向量机子模型的组合参数,进而建立起基于支持向量机的多模型。将该方法应用于双酚A生产过程中质量指标的软测量建模,仿真结果表明基于K近邻方法的支持向量机多模型建模可以有效提高模型的泛化性能,并验证了该算法的可行性和有效性。