基于云模型间贴近度的相似度量法

在分析模糊理论与云理论的基础上,提出两种新的基于同类概念云模型间贴近度的定义与计算算法,并与其他相似的贴近度进行了比较分析。实验结果表明,所提出的算法形式简单,在算法精度和算法消耗上有明显优化,特别在云滴极少的情况下仍能保持良好的精度效果。将该方法应用于真实电影评价数据的分类中,具有较好的可行性和有效性。     

基于相似云与复合因素度量的个性化推荐算法

针对相似计算中评分数据的稀疏性、属性严格匹配与单因素度量的偶然性导致的近邻不准问题,提出基于相似云与复合因素度量的个性化推荐算法。该算法定义按类的项目评分云来预填充评分,提出融合类别、评分均值、评分频度、访问频度等多因素度量的项目兴趣度向量,通过云模型计算项目相似度,以按类预测其评分,并基于新的加权平均方法计算其最终评分值。实验结果表明,所提算法产生的近邻更准,推荐质量更高。     

基于区间的云相似度比较算法的研究

事物的不确定现象包括模糊性和随机性.云模型通过对二者的结合,建立起定性定量的互换模型.相似云及其度量算法的提出使得云模型具有一定的理论价值和实际意义.然而由于云本身的特性,使得算法的计算精度不高、计算消耗较大.因此提出基于区间的云相似度比较算法,对原云相似性算法进行改进.实验证明,该算法在计算精度以及计算消耗上都有较大的优化.     

多粒度云模型的相似性度量

当前存在的云模型相似性度量仅局限于单粒度空间,缺乏多粒度云模型的相似性度量的相关研究.因此,文中首先证明知识距离框架的相关性质,并建立知识距离与信息度量、信息粒度之间的联系,在分层递阶粒结构上得到如下结论:同一粒结构中粒空间的粒度差异正相关于知识距离,通过知识距离可将随粒度连续变化的粒空间映射到一维坐标上.最后,在知识距离框架的基础上提出云模型相似性度量方法.实验验证上述结论在云模型粒空间上成立.     

Vague集的相似度量

Vague集的相似性度量对于知识表达、模式识别等人工智能研究具有重要意义。Chen给出的关于Vague集的相似性度量体现出注重确定Vague集中总体肯定度相似的思想,但相似度量的公式存在度量上的不足,也蕴含了在Vague集的不可知部分接支持度和反对度各占一半的概率计算,这样既不客观也不合理。为此,提出了一种改进的相似度量。     

基于云模型的可信软件可靠性度量模型

针对可信软件可靠性定性评估问题,将云模型理论与GB/T16260中软件可靠性度量指标相结合,提出了一种基于云模型的软件可靠性度量模型.模型根据可靠性度量指标提取样本信息,通过云发生器生成云模型,运用合并云算法将多个属性云合并为一个综合云模型,使用带权重的欧氏距离云决策算法确定综合云模型的可靠性等级.通过某安全关键软件验证,该模型能够更加客观、真实地反映软件的可靠性.     

基于云模型重叠度的相似性度量

云模型相似性是用来度量同类概念不同语言值的多个云之间关联程度的方法,相似云及其度量分析方法的提出是对云模型理论的扩展。针对目前相似性度量方法中时间复杂度过高和结果不稳定等不足,提出了一种基于云模型重叠度的相似性度量算法。首先,根据云模型期望、熵、超熵三个数字特征,定义两个云模型的位置关系和逻辑关系;其次,利用两个云的位置和形状特性,计算得到它们间的重叠度;最后,结合云模型重叠度与相似度的关系,将云模型的相似性度量转化为相应重叠部分的定量化描述。通过对时间序列分类实例的应用,验证了该算法在保证结果稳定度和正确率的前提下,与目前时间消耗较低的云模型相似度计算方法(LICM)相比,计算复杂度降低了50%,表明该算法具有可行性和有效性。     

Vague集及其相似度量

相似度量是Vague集研究中的一个重要内容,具有重要的理论和工程实际意义。本文首先讨论了Vague集的两种扩张原理,并结合Vague集自身的特点及其典型的背景知识,提出了两种Vague集的相似度量方法,同时分析了它们的性质。本文的结果对Vague的研究和工程应用有一定意义。     

一种云模型相似性度量方法北大核心CSCD

针对现有方法存在的区分度不高、运行时间代价过高等问题,提出一种云模型相似性度量方法。首先采用云模型的扩展模型三角云模型作为研究对象,将三角云模型看作对称三角模糊数,根据EW-型距离公式引入指数贴近度概念,并用其表征云模型的距离相似度;然后通过云模型云滴的方差,计算出云模型的形状相似度;最后将云模型的距离与形状相似度综合起来,共同衡量两云模型的相似度。从仿真实验可以看出,该方法有较高的区分度;对Synthetic control chart data数据集进行的分类实验表明,该方法具有较好的分类精度及较小的运行时间代价。     

多边形表示的相似度量

本文提出了多边形的三角形划分、三角形弱划分、保角划分的概念和基于这些划分的多边形相似度量的新方法，该方法具有旋转、变换、放大、缩小不变性。给出了利用此方法实现图象数据相似检索的方法和实例。     

基于云模型的连续属性整体离散化方法

连续属性离散化是数据分析中重要的预处理过程,本文提出了一种基于云模型,融合相似云度量思想的连续属性整体离散化方法。它首先对例子集合在各个连续属性上的取值进行统一数量级别处理,选出分区基准属性,然后使用正态云模型对每个连续属性进行离散化.最后加以实验验证,指出该方法有一定的理论价值和实际意义.     

基于云计算的网络测量方法研究

随着网络技术的飞速发展,网络流量数据呈指数级增长,目前常用的集中式网络测量方法已经很难满足要求.论文提出一种基于云计算的网络测量系统,设计了基于数据报文的往返时延计算和Netflow流聚合的MapReduce算法,用于解决海量测量数据处理,实验结果表明该算法具有较好的正确性和可扩展性.     

云服务及信任度量方法研究

对云服务的概念做进一步的认知,并对衡量服务可信度的方法进行研究分类,有助于认识该领域存在的问题及其发展前景。文章主要介绍云服务信任问题的背景、研究现状,以及相关概念,并将信任度量方法做出分类,对一些典型的信任度量模型进行了分析。总结提出了目前技术探索以及实际应用中所存在的一些问题,并对未来的发展做出了展望。     

一种基于云模型的综合评判方法

概念的不确定性导致评判客体的评语具有模糊性和随机性，且这两种性质是相互关联的。利用云模型来反映综合评判过程．实现定性与定量之间的转化，使整个综合评判方法更具有说服力，使综合评判结果更贴近人们的思想。文章提出了一种基于云模型的综合评判方法．它能客观地总结出不同因素的评判集，与传统综合评判方法中不同因素具有相同评判集有着本质的区别．实验结果验证了该方法的可行性和有效性。     

面向云计算环境的能耗测量和管理方法

云计算引领了计算机科学的一场重大变革,但与此同时,也不可避免地带来了日益凸显的能源消耗问题,因此,云计算能耗管理成为近几年的研究热点.云计算系统的能耗测量和管理直接关系到云计算的可持续发展,能耗数据不仅关系到能耗模型的建立,而且也是检验云计算资源调度算法的基础.为此,在广泛研究现有能耗测量方法的基础上,归纳总结了当前云计算环境的4种能耗测量方法:基于软件或硬件的直接测量方法、基于能耗模型的估算方法、基于虚拟化技术的能耗测量方法、基于仿真的能耗评估方法,并分析和比较了它们的优势、缺陷和适用环境.在此基础上,指出了云计算能耗管理的未来重要研究趋势:智能主机电源模块、面向不同类型应用的能耗模型、混合任务负载的能耗模型、可动态管理的高效云仿真工具、动态异构分布式集群的能耗管理、面向大数据分析处理和任务调度的节能方法以及新能源供电环境下的节能规划,为云计算节能领域的研究指明了方向.     

基于云雾边缘高程特性的云雾分离检测算法研究

云雾本身具有的某种相似性造成它们分离检测的困难。国内外研究工作者基于云雾的色调特性差异和纹理特性差异进行了一定程度的云雾分离检测研究,但仍未能很好地解决该问题。在分析气象专家判别云雾属性所应用的图像的6个基本特征的基础上,本文首次基于云雾边缘高程特性差异进行云雾分离检测研究,并选取MODIS传感器数据作为实验数据。实验结果表明:该算法具有较强的稳定性和普适性,但算法中的特征检测指标及特征检测指标的适用性需进一步改进。     

一种基于多维云模型的多属性综合评价方法

基于多维云能够表述复杂模糊概念的特性,提出一种基于正态多维云模型的多属性综合评价方法。将“属性概化”的概念引入系统评价中,利用一维云模型对单个属性进行多级描述;在此基础上,针对各级评语建立其对应的多维评判云和描述系统整体属性的多维属性云,并通过比较两类云模型的相似程度得出评价结果。实验结果表明,该方法能够在单一价值分类的基础上实现多重价值分类和排序,同时能够较为直观地反映出各属性值对综合评价结果的影响。     

异构混合云服务下的多任务算力度量方法

异构网络中混合云服务下的任务数据量复杂程度较高、数据维度高,影响多任务算力度量的效率及完成率,提出了异构混合云服务下的多任务算力度量方法。分析异构混合云服务系统,获取多任务算力数据,依据获取结果从中提取多任务算力特征集。利用构建的度量模型对多任务算力特征进行标识及量化,通过对模型及特征的实例相似性计算,建立多任务算力度量矩阵,根据该矩阵实现多任务算力度量。实验结果表明：通过对该方法实施度量性能及度量效果对比测试,验证了该方法对任务算力度量的耗时短,多任务算力度量完成率较高。