模糊集方法在检索评价系统中的应用

评价一个信息检索系统的标准是该系统在多大程度上满足用户的能力。文中从传统的评价信息检索系统的两大标准———计算查全率和查准率的公式出发,结合实际情况,考虑检索结果相关性是一个模糊的概念,为了对这个模糊的概念以客观的度量,应用模糊集的方法对传统的查全率和查准率的公式进行了两种修改。一种修改是在每篇文档对总的查全率和查准率的影响相同时进行的,而第二种修改则是在每一类文档对总的查全率和查准率的影响相同时进行的。这两种修改是对传统的基于二值相关性的检索评价系统的有效扩充。     

模糊集方法在检索评价系统中的应用

评价一个信息检索系统的标准是该系统在多大程度上满足用户的能力。文中从传统的评价信息检索系统的两大标准——计算查全率和查准率的公式出发，结合实际情况，考虑检索结果相关性是一个模糊的概念，为了对这个模糊的概念以客观的度量，应用模糊集的方法对传统的查全率和查准率的公式进行了两种修改。一种修改是在每篇文档对总的查全率和查准率的影响相同时进行的，而第二种修改则是在每一类文档对总的查全率和查准率的影响相同时进行的。这两种修改是对传统的基于二值相关性的检索评价系统的有效扩充。     

通过混合多目标优化算法优化本体映射结果

提出采用混合多目标优化算法以解决优化三类不同的相似度度量技术(基于语法学的相似度度量,基于语言学的相似度度量和基于分类学的相似度度量)的映射结果集成的问题.比起传统的基于遗传算法的方法,本文提出的方法能够同时实现三个目标,即最大化映射的查全率recall、查准率precision和f-度量f-measure值,获取的本体映射结果能够避免对于查全率或是查准率的偏好.实验结果表明本文提出的方法是有效的.     

异常检测中查全率和查准率的控制

在使用支持向量机分类技术的异常检测系统中，提出控制查全率和查准率的方法，该方法采用遗传算法优化特征选择和训练模型，其中染色体由特征选择和训练模型组成，适应度是用ξα-estimate方法计算的查全率和查准率的组合，通过设置其中一个参数η达到控制查全率和查准率的目的，实验中采用异常检测标准数据分析该方法的使用效果，结果表明随着η增大，查全率也增大，而查准率却减小，使得用户可以通过设置η的值控制查全率和查准率。     

混合架构下ORACLE数据快速查找方法研究

为了提高对混合架构下ORACLE数据的挖掘和查找速度,提出一种基于频繁项目集关联规则挖掘的数据快速查找方法;构建ORACLE数据的内部关联属性映射关系模型,在异质网络混合构架模式下,采用Graph OLAP数据仓库模型进行数据库检索的关系维度表,提取表达ORACLE数据属性信息的特征参量,通过同态标签检索方法,实现对目标数据的快速查找定位;仿真结果表明,采用该方法进行ORACLE数据查找的查准率和查全率较高,计算速度较快,性能优于传统方法。     

结合颜色和空间信息的图像检索方法

本文采用了结合空间信息和图像颜色特征的颜色关联图方法。在特征度量时，依据所设计的评价试验，对四种距离度量方法进行了比较。将所选方法应用于西北大学可视化研究所开发的医学影像数据库系统中。实验表明，所述的图像检索方法具有较好的查全率与查准率。     

计算本体映射纯语义查准率和查全率的框架

要评价和比较不同的本体映射算法,就要用它们分别计算一组本体对之间的映射关系（其结果也叫做映射）,并与一组参考映射进行比较,因此需要一组标准来评价映射结果与参考映射的相近程度。已有的本体映射评价标准都有各自的局限性,而且它们都不是纯语义的。举例指出了过去评价标准的缺陷,之后在分布式描述逻辑的基础上,提出了一个计算本体映射纯语义查准率和查全率的框架,并证明了在该框架内实现的查准率和查全率都必然是纯语义的。     

基于云计算平台的政务大数据系统自动检索方法研究

传统检索方法查准率和查全率相对较差,导致自动检索精准度较低。为此,提出了基于云计算平台的政务大数据系统自动检索方法研究。在云计算平台下,利用CiteSpace软件对政务大数据系统中的关键词进行统计分析,获取相关资源。在电子政务联机模式下,揭示政务大数据系统中资源相关属性,在MapReduce挖掘模型支持下,进行政务大数据系统数据挖掘,实现政务大数据系统自动检索。实验验证分析,该方法检索查准率和查全率较高,具有高效检索效果。     

基于主色提取和主色集扩充的图像检索算法

提出一种基于主色提取和主色集扩充的图像检索算法。算法首先对图像进行主色特征提取,采用提出的改进主色集扩充方法分别对两图像进行主色集扩展,使其维数相同;然后,将经过主色提取得到的主色集从传统RGB颜色空间转换为具有良好视觉一致性HSV颜色空间;最后,采用Quadratic距离进行图像的相似性度量。实验证明算法易于实现、具有较好的时间复杂度及较高的查准率和查全率。     

基于深度特征分析的双线性图像相似度匹配算法

基于内容的图像检索一直面临"语义鸿沟"的难题,特征选择对语义学习结果有着直接的影响;而传统距离度量方法往往从单一角度进行相似性计算,不能很好地表示出图像之间的相似度。为了解决以上问题,提出基于深度特征分析的双线性图像相似度匹配的方法。首先,将图像数据集在卷积神经网络模型上进行微调训练,然后利用训练好的卷积神经网络对图像进行特征提取,获得全连接层输出的特征之后,通过双线性相似性度量方法得到图像间相似度的大小,通过对相似度的大小排序,返回最相似的图像实例。在Caltech101和Caltech256数据集上的对比实验显示,所提算法的平均查准率、TopK查准率和查全率均优于对比算法,验证了所提算法的有效性。     

Matlab的图形处理器并行计算及其在拓扑优化中的应用

针对传统并行计算方法实现结构拓扑优化快速计算的硬件成本高、程序开发效率低的问题,提出了一种基于Matlab和图形处理器(GPU)的双向渐进结构优化(BESO)方法的全流程并行计算策略。首先,探讨了Matlab编程环境中实现GPU并行计算的三种途径的优缺点和适用范围;其次,分别采用内置函数直接并行的方式实现了拓扑优化算法中向量和稠密矩阵的并行化计算,采用MEX函数调用CUSOLVER库的形式实现了稀疏格式有限元方程组的快速求解,采用并行线程执行(PTX)代码的方式实现了拓扑优化中单元敏度分析等优化决策的并行化计算。数值算例表明,基于Matlab直接开发GPU并行计算程序不仅编程效率高,而且还可以避免不同编程语言间的计算精度差异,最终使GPU并行程序可以在保持计算结果不变的前提下取得可观的加速比。     

基于Hadoop的贝叶斯过滤MapReduce模型

传统分布式大型邮件系统对海量邮件的过滤存在编程难、效率低、前期训练耗用资源大等缺点,为此,对传统贝叶斯过滤算法进行并行化改进,利用云计算MapReduce模型在海量数据处理方面的优势,设计一种基于Hadoop开源云架构的贝叶斯邮件过滤MapReduce模型,优化邮件的训练和过滤过程。实验结果表明,与传统分布式计算模型相比,该模型在召回率、查准率和精确率方面性能较好,同时可降低邮件过滤成本,提高系统执行效率。     

大规模空间矢量数据分布式存储与计算优化

针对海量空间矢量数据分布式存储与计算需求, 研究了基于四叉树格网编码建立要素索引的方法, 设计了HBase预分区优化策略, 提出了一种空间矢量数据分布式存储模型. 基于MapReduce计算框架, 构建了空间数据分布式计算与分析的优化流程. 最后, 针对空间叠加与统计场景, 采用一定规模的业务数据对所提的方法进行测试, 验证了设计方案的可行性和有效性.     

An efficient integrated approach for global sensitivity analysis of hydrological model parameters

Efficient sensitivity analysis, particularly for the global sensitivity analysis (GSA) to identify the most important or sensitive parameters, is crucial for understanding complex hydrological models, e.g., distributed hydrological models. In this paper, we propose an efficient integrated approach that integrates a qualitative screening method (the Morris method) with a quantitative analysis method based on the statistical emulator (variance-based method with the response surface method, named the RSMSobol' method) to reduce the computational burden of GSA for time-consuming models. Using the Huaihe River Basin of China as a case study, the proposed approach is used to analyze the parameter sensitivity of distributed time-variant gain model (DTVGM). First, the Morris screening method is used to qualitatively identify the parameter sensitivity. Subsequently, the statistical emulator using the multivariate adaptive regression spline (MARS) method is chosen as an appropriate surrogate model to quantify the sensitivity indices of the DTVGM. The results reveal that the soil moisture parameter WM is the most sensitive of all the responses of interest. The parameters Kaw and g₁ are relatively important for the water balance coefficient (WB) and Nash–Sutcliffe coefficient (NS), while the routing parameter RoughRss is very sensitive for the Nash–Sutcliffe coefficient (NS) and correlation coefficient (RC) response of interest. The results also demonstrate that the proposed approach is much faster than the brute-force approach and is an effective and efficient method due to its low CPU cost and adequate degree of accuracy.     

物流配送路径优化问题求解的量子蚁群算法

物流配送路径优化是一类实用价值很高的NP完全难题,针对传统启发式优化算法搜索速度慢、易陷入局部最优解的缺点,提出了一种量子蚁群算法的物流配送路径优化方法（QACA）。在物流配送路径优化问题分析的基础上建立相应的数学模型,通过量子蚁群算法对其进行求解,对各路径上的信息素进行量子比特编码,采用量子旋转门及最优路径对信息素进行更新,对QACA的性能进行仿真测试。仿真结果表明,QACA具有较强的全局搜索能力和收敛速度,可以有效解决物流配送路径问题。     

考虑服务时效的物流服务供应链应急任务分配

针对应急情况下两级物流服务供应链任务分配问题,提出了考虑服务时效性的客户满意度模型方法。首先,考虑应急情况中订单任务量的随机性的情况,建立基于服务时效性的客户满意度模型;其次,构建最小化物流成本模型以保证物流服务供应链成本最优化;然后,引入线性加权法将包含最大化客户满意度与最小化服务成本双层规划多目标模型转化为单目标模型;最后,采用遗传算法（GA）求解模型,并针对权重作了灵敏度分析。算例研究表明,与上下层单目标分配结果的目标值0.0501和0.0825相比,综合函数模型得到了显著优化的目标值0.2716,说明所构建模型的任务分配方案能够更有效解决具有服务时效性客户满意度的物流服务供应链任务分配问题;由分析权重灵敏度可以看出,权重0.1< a< 0.5时的综合目标优化解相较于0.5< a< 0.9斜率变化程度显著,说明在应急任务分配时应根据服务能力参数理性选择两者的权重分配,这反映出了客户满意与物流成本悖反效应的存在。研究结果表明,考虑服务时效的任务分配模型能够有效解决应急情况下物流服务供应链任务分配问题。     

基于深度学习的分布式安全日志分析方法

为了提高日志分析是当前进行入侵检测和安全防御的重要手段。针对传统基于规则的分析方法中误报、漏报较高,应对海量日志分析效率过低的问题,该文章提出了一种基于深度学习的分布式安全日志分析方法,通过将深度学习算法与现有黑白名单、规则匹配以及统计策略等技术结合,进行日志分析,检测网络中的安全威胁。系统采用分布式的存储和计算平台,能够进行离线和实时两种日志分析模式,可以满足大多数场景下海量的日志数据分析需求。     

基于语义分割的异构多核平台大数据挖掘算法

为了提高异构多核平台大数据精准挖掘能力,提出一种基于语义分割的异构多核平台大数据精准挖掘方法。构建异构多核平台大数据的模糊信息检测模型,采用关联特征提取方法进行异构多核平台大数据的模糊指向性聚类分析。构建异构多核平台大数据的输出自相关特征匹配模型,结合语义特征提取方法进行异构多核平台大数据的特征提取和统计分析。建立异构多核平台大数据的语义动态特征分析模型,提取异构多核平台大数据的统计特征量。根据异构多核平台大数据的特征提取结果采用模糊C均值聚类方法进行大数据聚类,采用语义分割进行异构多核平台大数据挖掘过程中的自适应寻优,实现异构多核平台大数据的优化挖掘。仿真结果表明,采用该方法进行异构多核平台大数据挖掘的精度较高,特征分辨能力较好,可提高异构多核平台大数据的挖掘和检测能力。     

三维模型两点连通概率函数的快速计算

三维数字岩心模型的连通性分析中,两点连通概率函数是一个重要的统计参数。针对该函数由于计算复杂度过于庞大而造成计算时间过长的问题,提出了使用基于均匀分布的随机函数的空间随机采样法,缩小待计算数据集的规模,同时进行并行优化,达到缩短计算时间的目的。通过实验对比,结果表明,这种采样方法在平均相对误差较小的情况下,能够达到缩短计算时间数百倍,具有良好的稳定性。