基于ALCQ(D)的CBR事例表示及相似性度量

针对目前用于CBR事例表示的描述逻辑,如EL、ALC、ALCNR等缺少定性数量约束和有型域约束的问题,将具有定性数量约束和有型域构子的描述逻辑ALCQ(D)应用于CBR中。首先使用ALCQ(D)概念表示有定性数量约束、具体数据类型和数据值约束需求的CBR事例,并对之索引。研究两种主要的具体数据类型:数值类型和符号类型。然后定义ALCQ(D)范式来规范事例的索引表示,最后给出事例相似性度量方法。该度量方法先对事例索引的各个部分进行相似性度量,然后对度量结果进行加权求和得到最终相似性。实验结果表明,ALCQ(D)可以更准确地表示事例,事例相似性度量方法可以更贴切地度量事例的相似性,这对提高事例检索的速度和准确性以及提高CBR系统的效率具有重要意义。     

一种自动化软件设计改进方法

面向对象的软件设计改进是增强系统的可扩展性、使之适应可能的需求变化的一种有效手段.提出一种基于CBR(case based reasoning)和微体系结构反模式的设计改进方法.该方法形式化地定义了在微体系结构层中不灵活的设计结构和相应的重构方案的描述方法,研究了它们在事例库中的组织和索引机制.根据基于事例的推理技术的4R过程,提出了类图、顺序图、质量要素和语义约束的相似性度量方法,描述了在给定设计中识别反模式及其实例,并在此基础上,用高质量的设计方案进行替代的几种算法.以该方法为依据,进一步介绍了设计改进支撑系统--CBDIT(CBR based design improving tool)的体系结构的设计.     

分类学习算法的性能度量指标综述

在机器学习的分类问题研究中,对分类学习算法的正确评价是非常重要的.现实中,许多性能度量指标被从不同的角度提出,文中主要介绍了基于错误率的、基于混淆矩阵的和基于统计显著性检验的三大类性能度量指标,详细地讨论了分类学习算法各性能度量指标的提出背景、意义以及适用范围,分析了各种性能度量之间的差异,提出和分析了各方法中有待进一步研究的问题和方向.进一步,通过实验数据横向(每类度量中各方法之间的类内差异)和纵向(3类度量之间的类间差异)对照了各性能度量指标之间的差异,分析了各性能度量指标在分类算法选择上的一致性.     

AFDES中基于Case推理方法的研究

本文对“汽车故障诊断专家系统(AFDES)”中的基于Case推理方法进行了研究,介绍了不确定知识的事例表达、事例的存储和检索,提出了事例的相似度计算算法和基于事例推理算法。     

几种经典相似性度量的比较研究*

以图像匹配概率和匹配精度为准则,对几种经典的相似性度量进行了比较研究。得出绝对差(AD)与平均绝对差(MAD)算法等价;平方差(SD)、平均平方差(MSD)、积相关(Prod)与归一化积相关(Nprod)算法等价的结论。当图像信噪比较低时,Prod/Nprod/SD/MSD算法优于AD/MAD算法;否则,后者优于前者。相似性度量的比较研究可为实际应用中图像配准或景象匹配问题中相似性度量的选择提供重要的参考依据。     

基于马氏距离度量的局部线性嵌入算法

局部线性嵌入算法(LLE)中常用欧氏距离度量样本间相似度。而对于图像等高维数据,欧氏距离不能准确体现样本间的相似程度。文中提出基于马氏距离度量的局部线性嵌入算法(MLLE)。算法首先从现有样本中学习到一个马氏度量,然后在LLE算法的近邻选择、现有样本及新样本降维过程中用马氏度量作为相似性度量。将MLLE算法及其它典型的流形学习算法在ORL和USPS数据库上进行对比实验,结果表明MLLE算法具有良好的识别性能。     

快速仿射非局部均值图像去噪

针对仿射非局部均值(ANLM)算法对图像去噪过程中出现用时过长的问题,提出了一种快速仿射非 局部均值去噪(F-ANLM)算法。通过对算法的研究和用时分析得知,仿射变换和关于仿射不变相似性度量的计算这 2 个模块占时最多,因此从这 2 个部分入手提出优化策略。算法首先使用仿射协变结构张量其特征向量的夹角代替 尺寸不变特征变换(SIFT)算子的主方向,简化了仿射变换过程;然后将 ANLM 方法中的仿射不变相似性度量改写为 离散卷积的形式,使用快速傅里叶变换减少卷积的运算量,加速仿射协变特征区域之间相似性度量的计算。实验证 明,F-ANLM 方法简化了仿射变换和仿射不变相似性度量的计算,与原来 ANLM 算法相比,速度得到很大的提升。     

融合Jensen-Shannon散度的推荐算法

为 充分利用所有评分,缓解数据稀疏性问题,将概率统计领域的Jensen-Shannon(JS)散度引入相似性度量中,提出了一种新的项目相似性度量算法。该 算法将项目的评分信息转化为评分值密度,并依据评分值的密度分布来计算项目相似性。同时,引入评分数量因子,进一步提升了基于JS的相似性度量方法的性能。最后,以基于JS的相似性度量方法为基础,设计了相应的协同过滤算法。在MovieLens数据集上的实验结果表明,所提算法在预测误差和推荐准确性方面均有良好的表现。因此,该算法在推荐系统中具有很好的应用潜力。     

基于ALCQ(D)的CBR事例修正算法研究

CBR(基于事例推理)是人工智能领域的一个分支,它克服了知识获取的瓶颈问题,事例修正是CBR的关键步骤。以ALC为代表的描述逻辑已被充分应用到CBR中,但目前在基于描述逻辑的CBR中还没有比较有效的算法来判断检索到的相似事例是否需要修正和如何进行修正。ALCQ(D)是在ALC的基础上引入定性数量约束Q和有型域D得到的。提出的算法用ALCQ(D)概念来描述CBR源事例和目标事例,先假定检索到的相似事例能够解决目标问题,即假定目标事例和相似事例同时满足知识库,但这样可能会与知识库产生冲突;接着使用冲突检测机制来查找相似事例概念描述中导致冲突的概念;最后使用概念替换规则在TBox本体库中检索该概念的最相似概念去替换它自己。研究表明,该算法具有界限性、可靠性和完备性。通过一个实例对其进行检验,结果表明,该算法可以准确修正检索到的相似事例,解决目标问题。     

对抗样本三元组约束的度量学习算法

针对已有三元组约束的度量学习算法大多利用先验知识构建约束,一定程度上制约了度量学习算法性能的问题,本文借鉴对抗训练中样本扰动的思想,在原始样本附近学习对抗样本以构造对抗三元组约束,基于对抗三元组和原始三元组约束构建了度量学习模型,提出了对抗样本三元组约束的度量学习算法(metric learning algorithm with adversarial sample triples constraints,ASTCML)。实验结果表明,提出的算法既克服了已有固定约束方法受先验知识影响大的问题,也提高了分类精度,说明区分更加难以区分的三元组约束能够提升算法的性能。     

基于混合互信息的医学图像配准

通常的互信息测度是基于Shannon熵的,对Renyi熵进行分析,根据某些参数下的Renyi熵可以消除局部极值、而Shannon熵对于局部极值具有很强吸引域的特点,提出一种使用Renyi熵和Shannon熵的混合互信息测度,将两种测度分别用于不同的搜索阶段,首先使用全局搜索算法寻找基于Renyi熵的归一化互信息测度的局部极值,再通过局部优化方法对当前的局部最优解进行局部寻优以找到全局最优解,在局部优化阶段使用基于Shannon熵的归一化互信息测度作为目标函数。实验表明,这种配准算法比单纯使用Shannon熵能够取得更准确的配准结果,而且求解速度得到提高。     

基于新的相似性度量的加权粗糙聚类算法

聚类是数据挖掘中重要的研究方向。本文针对现有的聚类算法中相似度量的缺陷,提出了一种新的相似性度量方法。在此基础上,将粗糙集理论中的区分能力引入到聚类算法中,用来度量属性的重要性,进而提出了一种能够处理符号型数据的新的加权粗糙聚类算法。通过对UCI数据的实验表明,本文算法对数据输入顺序不敏感,且不需要预先给定簇的数目,提高了聚类的质量。     

基于符号化聚合近似的时间序列相似性复合度量方法

基于关键点的符号化聚合近似(SAX)改进算法(KP_SAX)在SAX的基础上利用关键点对时间序列进行点距离度量,能更有效地计算时间序列的相似性,但对时间序列的模式信息体现不足,仍不能合理地度量时间序列的相似性。针对SAX与KP_SAX存在的缺陷,提出了一种基于SAX的时间序列相似性复合度量方法。综合了点距离和模式距离两种度量,先利用关键点将分段累积近似(PAA)法平均分段进一步细分成各个子分段;再用一个包含此两种距离信息的三元组表示每个子分段;最后利用定义的复合距离度量公式计算时间序列间的相似性,计算结果能更有效地反映时间序列间的差异。实验结果显示,改进方法的时间效率比KP_SAX算法仅降低了0.96%,而在时间序列区分度性能上优于KP_SAX算法和SAX算法。     

Matching-Pursuits Dissimilarity Measure for Shape-Based Comparison and Classification of High-Dimensional Data

In this paper, a new matching pursuits dissimilarity measure (MPDM) is presented that compares two signals using the information provided by their matching pursuits (MP) approximations, without requiring any prior domain knowledge. MPDM is a flexible and differentiable measure that can be used to perform shape-based comparisons and fuzzy clustering of very high-dimensional, possibly compressed, data. A novel prototype based classification algorithm, which is termed the computer aided minimization procedure (CAMP), is also proposed. The CAMP algorithm uses the MPDM with the competitive agglomeration (CA) fuzzy clustering algorithm to build reliable shape based prototypes for classification. MP is a well known sparse signal approximation technique, which is commonly used for video and image coding. The dictionary and coefficient information produced by MP has previously been used to define features to build discrimination and prototype based classifiers. However, existing MP based classification applications are quite problem domain specific, thus making their generalization to other problems quite difficult. The proposed CAMP algorithm is the first MP based classification system that requires no assumptions about the problem domain and builds a bridge between the MP and fuzzy clustering algorithms. Experimental results also show that the CAMP algorithm is more resilient to outliers in test data than the multilayer perceptron (MLP) and support-vector-machine (SVM) classifiers, as well as prototype-based classifiers using the Euclidean distance as their dissimilarity measure.     

飞行冲突的判定模型及其在冲突避免中的应用

在军、民用飞机的飞行中，保证飞机间的安全间隔始终是确保飞行安全需要首先考虑的问题。该文以现行的飞行间隔规定为基础，以星基导航设备的使用为前提，构建了飞行冲突的判定模型——一个由保护区，警戒区组成的双层保护区域；并在对飞机之间的水平间隔和垂直间隔分别计算的基础上，实现了飞行冲突的检测算法。飞行冲突的检测算法可以提供详细的信息：何时不存在冲突；何时存在冲突；何时冲突已经发生；何时不存在冲突但存在警告，而不仅仅是给出一个判断结果。最后以该模型和算法为基础，应用遗传算法解决飞行冲突，取得了良好的效果。     

Managing information measures for hesitant fuzzy linguistic term sets and their applications in designing clustering algorithms

Recently, the Hesitant Fuzzy Linguistic Term Sets (HFLTSs) have been widely used to address cognitive complex linguistic information because of its advantage in representing vagueness and hesitation in qualitative decision-making process. Information measures, including distance measure, similarity measure, entropy measure, inclusion measure and correlation measure, are used to characterize the relationships between linguistic elements. Many decision-making theories are based on information measures. Up to now, distance, similarity, entropy and correlation measures have been proposed by scholars but there is no paper focuses on inclusion measure. This paper dedicates to filling this gap and the inclusion measure between HFLTSs are proposed. We discuss the relationships among distance, similarity, inclusion and entropy measures of HFLTSs. Given that clustering algorithm is an important application of information measures but there are few papers related to clustering algorithm based on information measures in the environment of HFLTS, in this paper, we propose two clustering algorithms based on correlation measure and distance measure, respectively. After that, a case study concerning water resource bearing capacity is illustrated to verify the applicability of the proposed clustering algorithms.     

OSH碰撞检测的改进算法

Tescher提出的OSH碰撞检测算法,因算法的有效性被应用在需要提供空间映射对的各种场合。但算法仅仅通过求解重心坐标的权值来判断是否侵入,而无法测试侵入深度和求解接触法线,造成算法对于形成合理碰撞响应有一定限制。针对这一问题,提出使用SDM方法求解侵入参数,加入惩罚力提供变形体碰撞响应,结合约束力保证距离面积体积的守恒,从而形成有效的OSH碰撞检测环境。     

基于多agent技术的协同诊断策略研究

针对已有诊断系统的知识可重用性差、问题求解能力不足的缺点,研究了基于多agent技术的多专家协同诊断系统,给出了系统的体系结构。采用模糊积分方法进行多专家诊断的结论融合,为了寻找最优的模糊密度值,提出了利用遗传算法进行模糊密度值优化,提高基于模糊积分方法的多专家诊断结论融合精度。针对所提出的算法,结合工程实际数据进行了分析,结果表明了该方法的有效性。     

基于优势关系的启发式属性约简算法

根据优势原理,提出一种具有明确粗糙集理论含义的指标——优势度,用于度量序目标信息系统的协调程度。在证明优势度粒化单调性的基础上,给出属性集重要性度量函数,提出一种基于优势度的序目标信息系统启发式约简算法。该算法与经典粗糙集理论约简有相同的理论基础,易于理解。应用结果表明,该算法适用于优势关系下目标信息系统的知识发现。     

一种听觉掩蔽效应和维纳滤波的语音增强算法

将非平稳噪声估计算法以及基于听觉掩蔽效应得到的噪声被掩蔽概率应用于维纳滤波语音增强中,提出了一种听觉掩蔽效应和维纳滤波的语音增强方法。几种噪声背景下对语音增强的客观测试表明,提出的算法相比较于传统的维纳滤波语音增强算法而言不但可以提高语音信噪比,而且可以明显减少语音失真。