基于角色协同的在线社交网络好友推荐机制

在特定拓扑环境下,在线社交网络推荐机制的友好程度是决定推荐优劣的关键之一,其成功与否受制于关系结构与交互结构的共演化。基于此,以关系结构推动交互结构为演化前提,以“学者”交互为特定领域的在线社交网络“学者网”为应用背景,通过E-CARGO模型建模,采用角色协同方法,针对学者网用户拓扑中的水平好友关系与垂直等级关系设计并仿真了相关好友推荐机制。经实验问卷调查,分别约67.69%与86.16%的用户接受基于拓扑层次与推荐方向的好友推荐方式,相关推荐机制自然、友好,用户评价度较高。     

基于子结构逻辑的不确定性语义时态查询技术研究

为解决不确定性语义时态查询及其计算资源配置的优化问题,使用子结构逻辑对时态演算机制进行了完善并构建了查询中间件原型. 基于构造性逻辑语义,构建了中间件演算流程,将时态属性映射为类型语义,使针对时间属性的运算从句法演算中剥离,在保证表达能力的前提下,仅进行语义计算,加速并优化了查询演算流程.实验结果表明:该方法与中间件原型可行、高效,具有共性,为时态信息处理提供理论与技术支撑.     

SVM多分类器协同挖掘局域气象数据

为有效应对频发的局域气象灾害,急需深入研究局域环境下降雨量的气象数据挖掘技术,以提高降雨预测的准确率。提出了一个基于支持向量机的多组合器协同分析方法,构建了一个多组合器协同分析模型,通过用气象数据的实证性分析与实验,实验结果表明：该多组合器协同分析模型具有较高的预测准确性和分类稳定性。     

并发Lambek演算在时态查询中的语义转换

 为寻找时态逻辑的替代者,以公理化的方式对时态查询语言做句法和语义的分析,构建了并发的Lambek演算（L_CTQ）及其范畴语法用以作时态查询的句法分析。根据L_CTQ演算构造相应的L_CTQ标号自然演绎系统,从而提供句法演算到语义计算的转换方式,为时态查询语句的语义分析提供相关接口。     

支持向量机与哈夫曼树实现多分类的研究

提出了基于哈夫曼树的支持向量机多分类方法,该方法首先将1个多分类问题分解为多个2分类问题,针对每个2分类问题使用支持向量机2分类方法解决;然后根据相异度来决策分类的优先顺序,构建基于哈夫曼树的支持向量机多分类模型;最后使用勒卡斯开源数据集进行验证,并将它与传统的支持向量机多分类方法进行实验比较。实验结果表明:新的方法在分类速度和分类精度上较传统的支持向量机多分类方法优越。