一种基于BP神经网络的实体匹配方法*

提出一种基于BP神经网络的二步检查法实体匹配新算法,将基于学习的思想引入到异构数据库实体匹配领域中,避开了传统方法计算属性权重的问题。实验结果显示,该算法很有效,能明显提高实体匹配的查准率,有较强的环境动态适应性,可以实现实体匹配的自动化。     

基于属性信息熵的实体匹配方法研究

如何找出异构数据库间相同的实体,特别是当现实生活中的同一实体在不同的应用环境中用不同的标识符表示时,如何根据已知描述实体的相同属性的信息,进行实体匹配,解决实体异构问题,是实现数据库间互操作至关重要的因素。针对该问题,文章给出了一种基于属性信息熵的实体匹配方法。具体数据的实验结果显示该方法是很有效的。     

数值预测算法比较研究

为了找出不同数据类型适用的数值预测方法,提出了基于模型树、神经网络、回归方程及SMOReg四种常见的数值预测算法在多个具有不同数据类型的数据集上比较研究。通过实验结果表明M5P算法在混合数据类型表现较好;线性回归方程在数据量较少且数据因果之间能形成函数关系时有较好的表现;神经网络在数据量大且属性为整型的数据集表现较好; SMOReg在纯Real或Categorical的数据集有较好的表现。     

异构数据库环境下语义集成过程的并行计算方法研究

区分相同属性是异构数据库环境下语义集成中的一个重要环节，主要的方法是用特征描述属性来评估属性之间的相似性。虽然这种方法具有较高自动化和易于实现的特点，但它将花费更多的时间来比较所有的属性且不能在语义集成中实现并行计算。本文提出了一种基于数据类型的方法来实现异构数据环境下相同属性的确定，这种方法具有在描述比较时间的同时实现语义集成的并行计算的特点。实验结果表明我们的方法能提高系统性能并且不降低查准率和查全率。     

一种适用于混合型分类数据的聚类算法

传统的K-modes算法采用简单的属性匹配方式计算同一属性下不同属性值的距离，并且计算样本距离时令所有属性权重相等。在此基础上，综合考虑有序型分类数据中属性值的顺序关系、无序型分类数据中不同属性值之间的相似性以及各属性之间的关系等，提出一种更加适用于混合型分类数据的改进聚类算法，该算法对无序型分类数据和有序型分类数据采用不同的距离度量，并且用平均熵赋予相应的权重。实验结果表明，改进算法在人工数据集和真实数据集上均有比K-modes算法及其改进算法更好的聚类效果。     

基于交互信息的数据集特征结构研究

机器学习分类领域提出大量的分类算法,如何为数据集找到合适的分类算法成为研究的重要内容之一.文献[8]提出一种新的数据集离散化方法用来刻画数据集的特征,且在推荐方法方面取得较好的结果.本文在此基础上利用交互信息理论刻画数据集的属性与属性及属性与类标签之间协作关系,提出基于二变量和基于三变量的交互信息特征结构.通过12种分类算法在UCI数据库中的98个数据集上的性能实验,结果表明与文献[8]的方法相比,两种方法都能明显提高推荐方法的精度和命中率,且对于适应性较差的数据集,基于三变量的交互信息方法更为有效.     

神经网络图象匹配算法训练样本粗集求解

为了快速地进行神网络图象匹配求解,提出了一种基于粗集理论的神经网络图象匹配训练样本选择算法,即利用知识约简对神经网络图象匹配训练样本决策表进行属性约简,从而剔除了其中冗余的匹配信息.实验结果表明,该算法不仅能有效简化训练样本,以降低神经网络图象匹配系统的复杂性,还能减少神经网络图象匹配算法的训练时间.     

使用wire-marshal属性控制列集过程

大多数程序员定义COM接口时，一般使用IDL已描述的数据类型．但在一些环境下必须定义一些数据类型，而IDL不知道如何处理这些数据类型，那么IDL就不知道如何列散和散集这些数据类型．即使知道也不是最优化的处理。IDL提供了一个方法，使开发人员能手工列集自定义的数据类型。这种方法就是在IDL文件中使用wire-marshal属性，它能生成需要开发人员实现的列集方法，这些方法可以在截取层被调用。     

基于不同权重的多标签分类器准确性评估方法

分类问题是数据挖掘领域的研究热点之一。多标签分类器可以将数据对象预测为多个类别,训练集中属性相同但对应类标签不同的对象的数目是不平衡的,而现有的评估算法并未能区分其代价。提出了一种基于不同权重的准确性评估方法EMOWDIF,根据多标签数据对象属于相同属性不同类别的数目之间的比值计算相应的权重,对分类器模型给予不同程度的奖惩,从而区分不同分类器的性能。方法用编程实现,并对多标签数据集的分类结果进行评估。实验结果表明该方法能有效评估分类器。     

融合节点描述属性信息的网络表示学习算法

为融合节点描述信息提升网络表示学习质量，针对社会网络中节点描述属性信息存在的语义信息分散和不完备性问题，提出一种融合节点描述属性的网络表示（NPA-NRL）学习算法。首先，对属性信息进行独热编码，并引入随机扰动的数据集增强策略解决属性信息不完备问题；然后，将属性编码和结构编码拼接作为深度神经网络输入，实现两方面信息的相互补充制约；最后，设计了基于网络同质性的属性相似性度量函数和基于SkipGram模型的结构相似性度量函数，通过联合训练实现融合语义信息挖掘。在GPLUS、OKLAHOMA和UNC三个真实网络数据集上的实验结果表明，和经典的DeepWalk、TADW（Text-Associated DeepWalk）、UPP-SNE（User Profile Preserving Social Network Embedding）和SNE（Social Network Embedding）算法相比，NPA-NRL算法的链路预测AUC（Area Under Curve of ROC）值平均提升2.75%，节点分类F1值平均提升7.10%。     

基于Stein-Weiss函数的彩色掌纹特征识别算法

针对目前掌纹识别算法中对彩色掌纹图像的识别研究不多,提出一种新的基于Stein-Weiss函数解析性质的BP神经网络彩色掌纹图像的识别算法。首先为彩色掌纹图像中的每个像素点构建一个Stein-Weiss函数,再根据Stein-Weiss函数的解析性,计算出相应像素的十六个特征值,将这些特征值输入到BP神经网络的输入层,通过BP神经网络的自学习能力对这些数据进行分类学习;然后通过BP神经网络的泛化能力来获取掌纹边缘线;最后对掌纹边缘线提取成对几何特征建立特征库,通过成对几何直方图相交算法进行掌纹识别。实验结果表明,相对于以往的灰度掌纹图像识别算法,该算法能够更快地提取出更精细的掌纹线,识别率更高,并且对于旋转和噪声的干扰具有较强的鲁棒性。     

基于遗传神经网络的图像分割

提出一种基于遗传神经网络的图像分割方法.该方法利用遗传算法对BP神经网络的权值和阈值进行优化,设计出误差最小的神经网络,然后用神经网络算法迭代实现图像的分割.通过实验证明:该方法与传统的图像分割方法相比,具有更好的图像分割效果;与BP神经网络相比,训练速度得到很大的提高.     

基于改进神经网络的火车票号识别算法研究

为提高火车票识别精度和效率,将图像处理技术和BP神经网络结合,提出了一种基于图像处理和BP神经网络的火车票号识别算法.首先,通过图像预处理、目标区域的定位、二值化、倾斜校正和字符分割,提取火车票的身份证号码特征信息,建立特征信息库;之后,将特征信息库作为BP神经网络的输入,数字和字符类别作为BP神经网络的输出,建立BP神经网络的火车票号识别模型.研究结果表明,与模板匹配和SVM相比,提出的方法可以有效提高火车票号的识别精度和效率,识别精度高达97.7％,从而为火车票号识别提供新的方法.     

BP神经网络预测控制算法研究及其应用

神经网络控制算法是近年来的研究热点,其中的BP神经网络控制算法是最常用的控制算法,它是前馈网络中的核心部分,可以无限逼近任意非线性,实现数据压缩。本文运用BP神经网络控制算法,借助Matlab神经网络工具箱函数,编写程序,首先做了一个非线性函数的逼近,其次重点运用BP神经网络实现图像压缩,通过试验比较,选择合适的训练函数,设定最小误差和最大训练步数,实现图像压缩,并计算了图像的信噪比及峰值信噪比,比较了不同压缩比下图像质量,最后分析了BP神经网络的局限性。     

基于神经网络的滚动轴承故障快速检测方法

为了实现滚动轴承故障的快速检测,提出了一种基于神经网络和轴承振动信号时域指标的滚动轴承故障检测方法。采用振动信号的偏态、峭度、峰值和裕度作为BP神经网络的输入,用BP算法对网络进行了训练。实验结果表明,利用该方法可以有效实现滚动轴承故障的快速检测。     

基于BP神经网络的天然与非天然地震识别

基于BP神经网络算法,选择山东地区天然与非天然地震事件为研究对象,选取P波初动方向、P波初动振幅与S波最大振幅比以及P波最大振幅与S波最大振幅比作为神经网络输入元,构建合理的网络模型,搜集大量的地震样本数据进行训练,实现对山东地区天然与非天然地震事件的识别。震例预测结果显示,P波初动方向和振幅比可以作为识别天然地震和非天然地震主要依据,BP神经网络方法具有对地震事件类型识别的可行性。     

基于熵权VIKOR的安全虚拟网络映射算法

近年来,虚拟网络映射技术作为网络虚拟化的关键技术,成为学术界与工业界研究的重点之一。针对安全虚拟网络映射中因节点安全感知不全面、匹配不合理导致的映射性能较低问题,文章提出了一种基于熵权折衷排序法(VIKOR)的安全虚拟网络映射算法。该算法首先将安全虚拟网络映射问题构建为混合整数线性规划模型,设计了节点安全优先度指标,实现了虚拟网络节点与底层网络节点安全联合感知;其次在映射过程中综合考虑节点资源属性、拓扑属性和安全属性,采用熵权VIKOR进行节点排序;最后按照节点排序结果依次进行映射,其中链路映射采用k最短路径算法。仿真结果表明,在满足节点各项约束的前提下,文章算法提高了虚拟网络映射成功率和收益开销比。     

基于用户签到的跨社交网络用户匹配

跨社交网络用户匹配技术可以融合多平台用户数据,从而实现更多元的应用,现有基于签到的社交网络用户匹配研究,忽略了多源社交网络签到数据的失衡性,导致算法在真实数据集下匹配精度下降的问题。针对此问题,提出一种基于用户签到的跨社交网络用户匹配方法。通过网格聚类算法对用户签到数据进行粗粒度化和过滤,选择出潜在相关性强的签到数据;从这些签到数据中提取时空特征,计算出不同属性相似度;通过优化多属性相似度的权重分配,综合计算用户匹配分。在多组数据集上的实验结果表明,所提出方法在签到数据失衡情况下的有效性。     

基于神经网络的边缘强度互相关匹配可信度分析

匹配可信度是分析图象匹配质量的主要指标,针对归一化边缘强度互相关匹配算法,研究了基于神经网络的匹配可信度判别方法,即以参考图与若干实时图的匹配实验结果作为训练用样本数据,然后利用ＢＰ网络进行训练,再将训练后的网络用于匹配可信度的判别。通过实际卫片与航片图象对的匹配实验,证实了该方法的有效性。