扩展AUC模型下最优k-部排序函数的计算

本体作为一种结构化数据存储和表示模型已成为信息科学的核心研究内容之一.在扩展AUC模型的k-部排序本体算法的框架上,提出一种计算最优k-部排序函数的迭代算法.最后,将算法分别作用于GO本体和大学本体.实验表明：新算法对特定的应用领域具有较高的效率.     

基于链路预测算法分析虚假链接问题

链路预测与虚假链接是复杂网络的两大研究热点,目前为止,链路预测方法的研究已经非常成熟,而对于虚假链接的研究却仍旧没有得到太多的关注.根据链路预测与虚假链接的联系,用17种经典的链接预测算法,研究了这些算法在8个真实网络数据集中的识别虚假链接效果.实验结果表明,这些算法在识别虚假链接中的AUC值明显低于在链接预测中的AUC值;并且随着测试集比例的增加,在给定某个算法和数据集上,AUC值逐渐降低.     

改进支持向量机分类方法及其在原发性肝癌筛查中的应用

为了尽早检测出原发性肝癌患者,辅助医生进行医疗决策,提高患者临床疗效,提出一种基于临床常规检验指标的筛查方法。该方法使用支持向量机建模,采用差异进化算法进行参数优化,以接收者操作特征曲线下面积的值作为模型评价测度,将得到的最优模型用于检验数据识别,以判断该数据属于健康、良性病变还是原发性肝癌。此外,还根据临床需求绘制分类模型的性能指标曲线和阈值查找表,由用户选择阈值,使预测性能进一步提升。实验结果表明：与其他5种分类方法相比,该方法建立的模型具有更好的性能,其准确度可达0.94,Kappa系数可达0.90。研究结果可辅助医生进行原发性肝癌早期筛查,提高患者长期生存率。     

由AUC及ADU制取UO2的脱氟行为及机理

ＡＵＣ（三碳酸铀酰胺）及ＡＤＵ（重铀酸铵）在纯氢中进行分解及还原时，ＡＵＣ中的氟完全不能被脱去，而ＡＤＵ中的氟能被大部分脱去，但仍残留相当数量的氟不能被脱去，本文研究了ＡＵＣ及ＡＤＵ通过纯氢分解还原后制得的二氧化铀于５００－７００℃在５０％Ｈ２－５０％Ｈ２Ｏ气氛中的脱氟动力学，结果表明，脱氟动力学行为支持了Ｌｉｎｄｍａｎ提出的残留氟在二氧化铀中以固溶体形式存在的观点，动力学数据用拟均相模型中获得良     

基于结构平衡理论及LP算法的符号网络预测

符号网络分析逐渐成为一个越来越重要的研究主题,其中最为重要的是网络中的符号推断问题.了解到在社会网络中局部路径指标(LP)表现良好.用AUC评价指标进行了实验验证,LP指标同样适用于符号网络,并且给出它的平衡理论解释.实际数据分析的结果显示,较之传统计算符号网络链路预测算法,该方法更加简单,并且能得到较好的预测效果.     

实时语义图像分割模型研究

为了实现快速语义图像分割,提出一种简化整合模型.首先,对频域视觉注意模型PQFT的四元数图像虚部系数进行简化改进.然后,将改进PQFT模型的显著图与简化PCNN的内部活动项结合起来对显著目标区域进行粗略定位,并以提出的显著目标区域均值的3/2倍进行精细分割.最后,根据"尺寸变化与否"准则判断输出正确的语义图像分割结果.实验结果表明,提出的整合模型具有实时性,且取得的AUC值和F值较原PQFT模型分别提高了29.9%和44.2%.     

基于内存数据库的HLR/AUC系统的设计与实现

针对基于商用数据库的HLR/AUC系统在实时性和安全性方面的不足，提出引入内存数据库来解决该问题，并指出需要解决初始数据装入和数据一致性问题。同时设计并实现了一种基于内存数据库的高性能系统。     

AUC的不一致性分析

AUC(曲线下面积)作为分类器性能的评价指标,得到了广泛的应用.但其存在一定的缺陷.讨论AUC和总误差之间的关系,从而证明了AUC的不一致性.     

非平衡数据集Fisher线性判别模型

非平衡数据是指两类问题中正类样本与负类样本个数不相等,甚至相比悬殊.非平衡数据集会导致许多分类器的性能下降,这与分类器的构造原理有关.本文首先阐述了Fisher线性判别的分类机制,指出当两类样本的协方差矩阵不同时,样本不平衡会导致Fisher线性判别的性能下降.在此基础上,提出了一种加权Fisher线性判别(WFELD),以减小样本不平衡的影响.然后,从UCI中选择了8个非平衡数据集,并采用ROC曲线下面积作为评估指标进行比较,实验结果证明了WFLD模型的有效性.