一种概念获取算法CAP及其应用

本文提出以实例空间中状态出现的概率大小作为启发式信息,以提供的正例集为依据进行分类的概念获取算法CAP.该算法是一种二叉树的分类方法,输出的分类规则是一个谓词演算表达式.CAP算法既适用于给定概念的正例集,也适用于仅提供正例集的情况,并能根据用户对精度的不同要求得到不同精度的分类规则.本文还给出CAP算法应用实例,并和著名的ID3算法进行了比较,CAP可用于一个自动知识获取系统.     

一种混合型多概念获取算法HMCAP及其应用

本文提出了一处混合型多概念获取算法的ＨＭＣＡＰ,它将符号学习ＣＡＰ算法的主要和ＢＰ神经网络有机结合,以状态在实例空间出现的概率为启发信息,以提供的混合实例集为分类依据,并具有增量学习能力。ＨＭＣＡＰ所依据的实例集既可具有离散属性又可有连续属性,并且能根据用户的要求得晃同精度的结合ＢＰ网的二叉多分类判定树。     

混合型学习系统HMCAP的设计与实现

本文介绍混合型学习系统ＨＭＣＡＰ的设计与实现，该系统将符号学习ＣＡＰ算法的主要思想和ＢＰ神经网络有机结合，以状态在实例空间出现的概念为启发信息，以提供的混合实例集为分类依据，根据用户的要求得到不同精度的结合ＢＰ网的二叉多分类判定树，并具有增量学习能力。本文还给出ＨＭＣＡＰ的实现技术与应用实例。     

基于遗传算法的本体概念分类规则学习算法

为了更好地界定本体中的概念，提出一种基于遗传算法（Genetic Algorithm，GA）的本体概念分类规则的学习方法．从已有的本体库中获取实例作为训练样本，通过该算法寻找一组与数据样本集一致的规则．以一组规则集作为遗传算法的个体，即优化的目标，同时考虑到规则集的覆盖性、一致性、简洁性和多样性4个方面建立适应值函数，优化得到一组能够分类概念的规则集合．进而这组规则集可用于指导和丰富本体知识，例如当本体中引入新的实例时，可以通过此概念分类规则集确定实例所属的概念．对已有本体学习后的实验结果表明该算法收敛性很好，而且能获得较好的规则集．     

HMCAP的新实现方法及其应用

ＨＭＣＡＰ是一种混合型多概念获取算法，它将基于概率论的符号学习与ＢＰ神经网络学习相结合，能从隶属于某个概述集的实例集中归纳出满足用户精度要求的以混合型判定树表示的概念描述，并具且有增量学习能力，本文给出了该算法的一种新的实现方法及其应用。     

基于可变精度粗糙集理论的规则获取算法

为了在处理噪声数据时获得更可靠的分类规则,提出了一种粗糙规则挖掘算法.通过粗糙规则集的不确定量度,在变精度粗糙集理论下近似约简分析的基础上,引入了信息熵,建立了变精度意义下的决策表的度量方式.利用离散粒子群算法,提出一种基于粒子群优化的粗糙集知识的近似约简算法,导出了粗糙规则集.经过实例分析说明,这种算法不但具有一定的噪声容忍度,而且该算法得到的规则具有较高的正确度和覆盖度,从而保证分类的准确性.     

基于隐私保护的分类挖掘

基于隐私保护的分类挖掘是近年来数据挖掘领域的热点之一，如何对原始真实数据进行变换，然后在变换后的数据集上构造判定树是研究的重点．基于转移概率矩阵提出了一个新颖的基于隐私保护的分类挖掘算法，可以适用于非字符型数据（布尔类型、分类类型和数字类型）和非均匀分布的原始数据，可以变换标签属性．实验表明该算法在变换后的数据集上构造的分类树具有较高的精度．     

混合型多概念获取系统的设计与实现

本文主要描述了一个增量式混合型多概念获取系统ＨＭＣＡＳ，它提出了一个基于概率论的符号学习与神经网络学习相结合的学习算法，能从隶属于某个概念集的实例集中归纳出满足用户精度要求的，以浊合型判定树表示的概念描述。在ＨＭＣＡＳ中，符号学习与神经网络学习具有结合紧密的转换灵活等特点，具有较高的学习效率和较强的归纳能力以及增量学习能力。ＨＭＣＡＳ的神经网络学习可选择ＢＰ网络或ＦＴＡＲＴ网络，其推理机制提供了混     

层次化粒子群优化算法及其在分类规则提取中的应用

介绍层次化粒子群优化算法，采用自下而上的方式在层次结构中移动粒子．将此算法应用到分类问题，用于Iris数据集的分类规则提取，并与标准的粒子群优化（Particle Swarm Optimizer，PSO）算法相比较，结果表明提取规则的精度得到提高．     

基于相关系数加权朴素信念分类模型

针对目前大多数分类器简单抛弃缺失数据的问题,基于朴素信念分类提出了一种有缺失值实例的加权保守推理规则的分类算法.以数据集特征属性与决策属性之间的相关系数作为权值,根据有缺失值实例加权保守推理规则对有非随机缺失属性的待分类实例所有可能的类别进行选择.实验结果表明,提出的基于有缺失值实例的加权保守推理规则分类算法有效地提高了分类性能,是一种有效的缺失数据集分类算法.     

一种基于局部近邻Slope One协同过滤推荐算法

经典的Slope One算法采用线性回归模型对目标项目进行预测评分,但在项目评分偏差表构建过程中产生了部分噪声数据,影响了算法的推荐性能。为了解决该问题,建立了一种基于局部近邻Slope One协同过滤推荐算法。算法计算了当前活跃用户针对不同推荐商品的近邻用户集,其邻居用户集根据目标项目的不同而动态变化;根据活跃用户关于不同目标项目的邻居用户数据来进一步优化项目之间的平均偏差,进而产生推荐。对比实验说明,该算法在MovieLens数据集上具有较高推荐精度。     

Continuous spatial assignment of moving users

Consider a set of servers and a set of users, where each server has a coverage region (i.e., an area of service) and a capacity (i.e., a maximum number of users it can serve). Our task is to assign every user to one server subject to the coverage and capacity constraints. To offer the highest quality of service, we wish to minimize the average distance between users and their assigned server. This is an instance of a well-studied problem in operations research, termed optimal assignment. Even though there exist several solutions for the static case (where user locations are fixed), there is currently no method for dynamic settings. In this paper, we consider the continuous assignment problem (CAP), where an optimal assignment must be constantly maintained between mobile users and a set of servers. The fact that the users are mobile necessitates real-time reassignment so that the quality of service remains high (i.e., their distance from their assigned servers is minimized). The large scale and the time-critical nature of targeted applications require fast CAP solutions. We propose an algorithm that utilizes the geometric characteristics of the problem and significantly accelerates the initial assignment computation and its subsequent maintenance. Our method applies to different cost functions (e.g., average squared distance) and to any Minkowski distance metric (e.g., Euclidean, L ₁ norm, etc.).     

对目标电磁特性进行计算的几何模型探讨

在对目标电磁特性进行计算时，需建立计算目标的几何模型，并按精度要求在计算机中存储。显示和处理。在与用户进行人机交互的情况下，按照用户提出的精度、效率和产生数据量的具体要求，计算并输出对目标模型的四边形表面剖分数据。本文主要论述建立计算目标的几何模型需解决的主要问题和常用方法。     

对目标电磁特性进行计算的几何模型探讨

在对目标电磁特性进行计算时,需建立计算目标的几何模型,并按精度要求在计算机中存储,显示和处理,在与用户进行人机交互的情况下,按照用户提出的精度、效率和产生数据量的具体要求,计算并输出对目标模型的四边形表面剖分数据。本文主要论述建立计算目标的几何模型需解决的主要问题和常用方法。     

协同过滤算法中的相似性度量方法研究

衡量用户的相似性是协同过滤算法的核心内容,用户间相似性的准确率对个性化推荐的结果会有显著影响。通过对用户-项目评分记录的分析,在比较pearson和jaccard相似性的基础上对相似性度量方法进行改进,并将该改进方法应用于MovieLens站点提供的数据集进行实证分析。实证研究表明,改进后的算法可以提高个性化推荐的准确性,并在一定程度上克服数据稀疏性对推荐质量的影响。     

融合用户评分和属性相似度的协同过滤推荐算法

为了提高协同过滤推荐系统的推荐效率和准确性,更好地向用户提供个性化的推荐服务,提出一种用户评分和属性相似度的推荐算法。首先分析当前协同过滤推荐研究的现状,设计评分相似度、兴趣倾向相似度、置信度等作为评分标准,使得用户相似度的计算更加准确、有区分度,然后根据用户属性来衡量用户之间的相似度,最后利用MovieLens数据集和Book-Crossing数据集做对比试验,对比精度、通用性和不同稀疏度及冷启动情况下的性能。实验结果表明,本文算法不仅提高了推荐精度,而且明显优于其它协同过滤推荐算法,具有更高的实际应用价值。     

A-BI+: A framework for Augmented Business Intelligence

Augmented reality allows users to superimpose digital information (typically, of operational type) upon real-world objects. The synergy of analytical frameworks and augmented reality opens the door to a new wave of situated analytics, in which users within a physical environment are provided with immersive analyses of local contextual data. In this paper, we propose an approach named A-BI⁺ (Augmented Business Intelligence) that, based on the sensed augmented context (provided by wearable and smart devices), proposes a set of relevant analytical queries to the user. This is done by relying on a mapping between the objects that can be recognized by the devices and the elements of the enterprise multidimensional cubes, and also by taking into account the queries preferred by users during previous interactions that occurred in similar contexts. A set of experimental tests evaluates the proposed approach in terms of efficiency, effectiveness, and user satisfaction.     

融合协同过滤的XGBoost推荐算法

在推荐系统中,针对用户的冷启动问题,提出一种融合协同过滤的XGBoost推荐算法。根据基于用户相似度的协同过滤推荐算法进行粗粒度召回,得到部分用户的召回集,使用XGBoost算法对召回集中的项目进行预测。对于存在冷启动问题的用户,直接使用XGBoost算法对候选集中的项目进行预测。该算法采用CCIR2018个性化推荐评测的在线评测数据集,并将推荐结果投放到知乎提供的线上平台进行评测。评测结果表明,该算法可以解决用户的冷启动问题,具有很高的执行效率,准确度高,在线上评测中取得显著的推荐效果。     

变精度粗糙集推广模型及其性质研究

数据挖掘的主要目标之一是进行有效分类,粗糙集的上下近似空间正是为了对信息系统进行分类。变精度粗糙集作为经典粗糙集的推广模型,目前研究仅局限于有限集。针对变精度粗糙集模型无法处理无限集合的问题,在变精度粗糙集和测度的理论基础上,提出了基于Lebesgue测度的变精度粗糙集模型。首先,引入Lebesgue测度的概念,构造了一种基于Lebesgue测度的变精度粗糙集模型,将变精度粗糙集理论推广到无限集;其次,定义了该模型的上、下近似空间;最后,证明了其相关性质。通过理论研究表明,该模型能有效处理无限集合问题,对变精度粗糙集的理论研究形成突破,也将极大的扩充其应用范围。