奇异性数据的分类检索方法研究与仿真北大核心CSCD

对奇异性数据进行分类,可以提升检索的精度并改善用户需求。在对奇异性数据的进行分类检索时,当检索对象为海量数据时,需要对海量数据进行自动标定和划分,并对数据特征进行检测,获取数据特征集,并从中提取奇异性语义向量空间,完成奇异性数据的分类检索,而传统算法只能根据人工标定方法进行分类检索,当针对海量数据时,只能粗略的进行标定分类,分类检索时会漏掉很多奇异性特征,无法实现准确的分类检索。提出采用奇异值分解的奇异性数据分类检索方法,对海量数据进行划分,并对数据特征进行挖掘,获取数据特征集,引入奇异值分解方法提取数据特征集的奇异性数据向量空间,利用奇异值分解方法,逐级进行奇异性数据特征的相似度匹配,实现奇异性数据的分类检索。仿真结果表明,所提方法的奇异性数据匹配检索效果良好,并具有稳定的检索性能。     

群智能方法在遥感信息提取中的应用分析

遥感数据作为重要的空间数据源,在众多领域发挥着不可或缺的作用。遥感信息获取技术的不断发展与遥感数据应用领域的不断扩展,促进了遥感信息提取方法的不断进步。随着人工智能算法不断被提出及成功应用,遥感信息提取领域也在逐步引入智能算法实现高效的信息提取。在对遥感信息提取方法的研究进展进行深入分析的基础上,剖析了群智能方法应用于遥感信息提取领域的潜力与优势。并应用微粒群优化方法进行遥感数据的分类,实现了微粒群优化方法应用于遥感数据分类的技术流程,取得了很好的实验结果。因此,群智能方法能够为遥感信息提取领域提供一种新的有效智能处理方法。     

基于维基百科网络技术的概念语义网络构建

利用维基百科备份数据库自动构建领域概念语义网络,为领域信息智能检索提供技术基础。对维基百科备份数据库进行下载、分析、筛选处理后,以网络技术学科为研究领域,利用维基百科数据库中的条目数据,设计算法,提取网络技术领域的所有概念;通过维基百科备份数据库中的分类、链接、重定向数据,提取该领域概念之间的同义及上下级关系,最终汇总形成网络技术领域概念语义网络。      

模糊失真图像无参考质量评价综述EI北大核心CSCD

图像的模糊问题影响人们对信息的感知、获取及图像的后续处理.无参考模糊图像质量评价是该问题的主要研究方向之一.本文分析了近20年来无参考模糊图像质量评价相关技术的发展.首先,本文结合主要数据集对图像模糊失真进行分类说明;其次,对主要的无参考模糊图像质量评价方法进行分类介绍与详细分析;随后,介绍了用来比较无参考模糊图像质量评价方法性能优劣的主要评价指标;接着,选择典型数据集及评价指标,并采用常见的无参考模糊图像质量评价方法进行性能比较;最后,对无参考模糊图像质量评价的相关技术及发展趋势进行总结与展望.     

基于形状方向能量的图像检索①

基于形状特征的检索技术是图像检索的研究热点之一,提出一种基于图像形状方向能量的检索方法一一先对图像进行一些基本的处理：去噪、边缘获取、细化边缘、调整角度,然后根据图像8个方向的能量累积,归一化处理,得到八个方向的能量累积数据。最后简述了图像智能检索系统的设计,应用该智能检索系统,给出了一些图片的基于方向能量检索方法的检索效果。     

基于多传感器融合的智能电动轮椅模糊测距控制

传统电动轮椅在复杂的外界环境及技术误差下,避障方法存在着误判率高,检测精准度低的问题。为了提高智能轮椅自动避障的安全性,设计基于多传感器融合技术,对智能轮椅实现模糊测距控制的智能控制器。能够根据电动轮椅配置的传感器数量和类型,可靠获取障碍物与轮椅之间的数据信息,并利用多传感器信息融合技术,分析预测障碍物相关的具体信息数据。在给定值的基础上,计算需要的多种控制变量,并进行模糊量化处理。根据模糊控制规则,在智能轮椅与障碍物模糊语言描述之间的关系下进行模糊决策,非模糊化处理,确保智能轮椅运行更加安全、稳定。     

项目风险混合智能预警模型及其应用研究

针对高风险项目样本数据十分缺乏的问题,提出一种基于距离评判和支持向量数据描述的项目风险混合智能预警模型。通过对各传统风险评价指标进行距离评判,并根据评判因子的大小选取敏感指标作为支持向量数据描述的输入,实现对不同风险状态的自动识别。高技术项目投资风险预警实例表明,该方法可以有效提取敏感特征指标,降低数据维数,提高单值分类方法在项目风险智能预警中的准确性和可靠性。     

基于聚类的类别模糊邮件过滤方法

目前各种基于规则的分类方法在电子邮件过滤中起到了良好的效果,在邮件过滤器的训练中,训练集中会存在部分邮件具有邮件类别模糊的现象,如何将训练集中的此类类别界限模糊的邮件提取出来将会对邮件的分类效果有明显提高的作用。提出一种基于聚类的过滤方法,根据界限模糊邮件数据之间的共性特征,对邮件训练集进行聚类。实验表明,与单纯的进行基于规则的分类算法相比,这种方法在各项评价指标上具有优越性。     

VBA技术对电子信息自动归档率影响建模研究

为了提高电子信息自动归档能力,提出基于VBA技术的电子信息自动归档率影响建模方法。构建电子信息自动归档的网格聚类模型,进行电子信息自动归档的分类模型设计,提取电子信息自动归档的属性特征集,根据电子信息的语义相关性属性进行自动分类,采用联合相关性检测方法进行电子信息归档的统计分析,构建电子信息自动归档的大数据分类识别模型,实现电子信息自动归档的模糊聚类处理,对提取的电子信息归档大数据的关联特征集进行分类融合,实现电子信息归档率优化,实现电子信息自动归档率影响建模优化。仿真结果得知,采用该方法进行电子信息自动归档的分类性较好,查全查准率较高,提高了电子信息的自动归档和管理能力。     

在线聚类算法用于基于内容的镜头检索

视频数据具有一定的隐舍层次性,因此在对视频进行镜头分割后,可以利用模糊聚类算法依据相似度提取关键帧和关键镜头,对视频内容进行抽象概括,并以此时镜头进行检索.本文用非监督学习方法中的在线聚类算法自动提取镜头的关键帧,以相似方法对关键帧进行聚类以自动提取关键镜头,并对分类结果进行自我调整.将上述方法实现并用于镜头检索,获得了良好的检索结果,并减少了经验对聚类的影响,而且较好地表示了视频内容的层次性.     

基于用户行为挖掘的融合社交网络推荐模型

采用大数据处理技术和并行计算方法进行融合社交网络的用户行为特征的挖掘,实现社交网络智能推荐,提出一种基于用户行为挖掘的融合社交网络推荐模型。采用关联规则分布模型进行融合社交网络的用户行为特征检测,提取融合社交网络的用户行为的本体信息和关联规则项,构建社交网络的联合推荐的模糊决策模型,计算融合社交网络用户行为的联合信息熵特征值,采用模糊C均值聚类方法对提取的特征量进行分类识别,根据分类识别结果实现用户行为挖掘和融合社交网络的自适应推荐。仿真结果表明,采用该方法进行融合社交网络的用户行为特征挖掘的查准率较高,推荐的置信度水平较高。     

基于模糊相关的Web文档分类方法

面对Internet上不断增长的巨大信息量,如何使用户获得有趣的和有用的信息已成为信息检索急需解决的问题。由于Web文档往往具有不确定的特征,使得利用模糊集合理论对信息检索过程的不确定性建立模型成为可能。文章提出了一种基于模糊相关技术的Web文档分类方法,实验结果表明,该方法比基于向量空间模型的Web分类方法有较高的分类精度。     

基于模糊高斯基函数神经网络的遥感图像分类

针对遥感图像分类的特点,提出了一种基于模糊高斯基函数神经网络的遥感图像分类器。该分类器将模糊技术与神经网络相结合,采用神经网络来实现模糊推理,利用神经网络的学习能力来达到调整模糊隶属函数和模型规则的目的,从而使系统具备了自适应的特性,实验结果表明,这种基于模糊高斯基孙数神经网络的分类器经过训练后,可应用于遥感图像的分类,其分类精度明显高于传统的最大似然分类法。     

APT-Dt-KC: advanced persistent threat detection based on kill-chain model

Advanced persistent threat attacks are considered as a serious risk to almost any infrastructure since attackers are constantly changing and evolving their advanced techniques and methods. It is difficult to use traditional defense for detecting the advanced persistent threat attacks and protect network information. The detection of advanced persistent threat attack is usually mixed with many other attacks. Therefore, it is necessary to have a solution that is safe from error and failure in detecting them. In this paper, an intelligent approach is proposed called “APT-Dt-KC” to analyze, identify, and prevent cyber-attacks using the cyber-kill chain model and matching its fuzzy characteristics with the advanced persistent threat attack. In APT-Dt-KC, Pearson correlation test is used to reduce the amount of processing data, and then, a hybrid intrusion detection method is proposed using Bayesian classification algorithm and fuzzy analytical hierarchy process. The experimental results show that APT-Dt-KC has a false positive rate and false negative rate 1.9% and 3.6% less than the existing approach, respectively. The accuracy and detection rate of APT-Dt-KC has reached 98% with an average improvement of 5% over the existing approach.

     

基于分类的协同过滤图书推荐系统应用研究

随着社会的发展,图书馆图书的总量呈数量级增长,人们面对大量的图书和文献资料变得无从选择,而传统的 图书检索技术并不能向读者提供主动式、个性化的检索结果。推荐系统是一种智能化系统,它把用户对目标对象的选择、评价 等大量信息通过特定的算法进行处理,根据处理结果形成推荐列表向用户进行推荐,以此提供决策参考。文章将就基于分类 的协同过滤图书推荐系统展开研究和探讨。     

供电服务督检现场检查仪优化设计研究

针对传统供电服务督检现场检查仪优化方法缺少对数据的分类融合处理,导致方法准确性较差的问题,提出基于大数据信息融合和物联网组网节点的供电服务督检现场检查仪优化设计,采用传感器融合识别方法,实现供电服务督检现场检查仪的大数据采集,通过对采集大数据的关联规则特征挖掘和信息识别,提取检查信息的关联特征量,采用物联网技术实现信息的分类检测和信息融合处理,基于嵌入式的物联网组网技术设计供电服务督检现场检查系统,结合模糊控制方法,实现供电服务督检现场检查仪优化设计,提高供电服务督检现场检查的自动化水平。仿真测试结果表明,采用该方法能有效检测到电压或电流谐波含量,检测有效性为97.65%,证明所提方法供电服务督检现场检查的智能性较好,能够应用在供电服务督检现场检查仪中,更好地实现供电服务督检现场检查仪的优化。     

一种高精度高光谱图像分类方案设计

为了有效改善高光谱图像数据分类的精确度,减少对大数目数据集的依赖,在原型空间特征提取方法的基础上,提出一种基于加权模糊C均值算法改进型原型空间特征提取方案。该方案通过加权模糊C均值算法对每个特征施加不同的权重,从而保证提取后的特征含有较高的有效信息量,从而达到减少训练数据集而不降低分类所需信息量的效果。实验结果表明,与业内公认的原型空间提取算法相比,该方案在相对较小的数据集下,其性能仍具有较为理想的稳定性,且具有相对较高的分类精度。     

基于决策树算法的医疗大数据填补及分类仿真

从大数据的基本特点和医疗大数据研究现状出发,分析处理过程中存在的问题,提出在决策树算法下的医疗大数据填补及分类方法。分析医疗数据的关联规则,采用关联分析(Apriori)算法和频繁模式树(Frequent Pattern Growth,FP-Growth)算法挖掘数据。以挖掘数据为基础填补其中的缺失数据,按照医疗数据特点搭建决策树,并运用ID3和C4.5决策树算法,实现医疗大数据的分类,得出数据分类结果。由仿真得出,与传统方法相比,填补量提高了50%,分类精度提高了11.40%、14.80%,无论从数据的填补方面还是分类方法,上述方法均有较高的应用价值,为医疗大数据体系的构建开辟了新的思路。     

一种基于模糊关联分类的遥感图像分类方法

遥感图像分类是遥感领域的研究热点之一.提出了一种基于自适应区间划分的模糊关联遥感图像分类方法(fuzzy associative remote sensing classification,FARSC).算法根据遥感图像分类的特点,利用模糊C均值聚类算法自适应地建立连续型属性模糊区间,使用新的剪枝策略对项集进行筛选从而避免生成无用规则,采用一种新的规则重要性度量方法对多模糊分类规则进行融合,从而有效地提高分类效率和精确度.在UCI数据和遥感图像上所作实验结果表明,算法具有较高的分类精度以及对样本数量变化的不敏感性,对于解决遥感图像分类问题,FARSC算法具有较高的实用性,是一种有效的遥感图像分类方法.     

Mining fuzzy association rules for classification problems

The effective development of data mining techniques for the discovery of knowledge from training samples for classification problems in industrial engineering is necessary in applications, such as group technology. This paper proposes a learning algorithm, which can be viewed as a knowledge acquisition tool, to effectively discover fuzzy association rules for classification problems. The consequence part of each rule is one class label. The proposed learning algorithm consists of two phases: one to generate large fuzzy grids from training samples by fuzzy partitioning in each attribute, and the other to generate fuzzy association rules for classification problems by large fuzzy grids. The proposed learning algorithm is implemented by scanning training samples stored in a database only once and applying a sequence of Boolean operations to generate fuzzy grids and fuzzy rules; therefore, it can be easily extended to discover other types of fuzzy association rules. The simulation results from the iris data demonstrate that the proposed learning algorithm can effectively derive fuzzy association rules for classification problems.