用云解释空间数据挖掘的有关问题

空间数据挖掘正在兴起,该文分析了空间数据挖掘中从数据到知识、粒度和尺度等有关问题,构筑了空间数据挖掘金字塔,并利用云模型予以解释和表达。     

基于张力样条插值函数的土地数据挖掘

张力样条插值函数在给定区间上分段逼近真值。该文提出以张力样条插值函数挖掘土地知识。首先,分析了土地的均质地域、样点、价格等空间属性,总结了量化属性作用的规则。其次,把张力样条插值函数引入空间数据挖掘,给出了应用其发现知识的方法。最后,文章提出的方法被应用于南宁市的地价挖掘。     

基于栅格化信息网的高速网络安全防护技术

从高速网络安全监控设备与协议识别技术、高速网络入侵防御（IPS）技术和高速网络异常流量及行为检测技术等三方面重点阐述基于栅格化信息网的高速网络安全防护关键技术国内外同类技术的研究现状。指明高速骨干网络一体化安全监控设备系统结构、安全元数据分类、规范和描述技术、安全监控支撑技术、入侵防御技术、异常流量及行为检测技术的研究方向。     

社交媒体中的信息推荐

近年来社交媒体越来越流行,可以从中获得大量丰富多彩的信息的同时,也带来了严重的"信息过载"问题.推荐系统作为缓解信息过载最有效的方法之一,在社交媒体中的作用日趋重要.区别于传统的推荐方法,社交媒体中包含大量的用户产生内容,因此在社交媒体中,通过结合传统的个性化的推荐方法,集成各类新的数据、元数据和清晰的用户关系,产生了各种新的推荐技术.总结了社交推荐系统中的几个关键研究领域,包括基于社会化标注的推荐、组推荐和基于信任的推荐,之后介绍了在信息推荐中考虑时间因素时的情况,最后对社交媒体中信息推荐有待深入研究的难点和发展趋势进行了展望.     

按需智能问答系统Uniponse

现有的智能问答系统(IQAS,Intclligent Question-Answer System)局限于针对简单问题寻找最适合的答案,无法满足用户日益复杂的个性化问题要求。基于需求元描述框架RGPS,经过需求识别、需求分析和需求验证等手段,将用户的个性化问题转换为一种问答服务需求,然后通过动态挖掘Internet上软件服务所构成的服务管理库,并结合基于服务关系网络的流程服务组合思想,最终形成能够回答此类问题的智能问答服务。构建了面向交通领域的按需智能回答原型系统Uniponse,验证了上述方法的有效性和可行性。     

基于在线百科全书的群体兴趣及其关联性挖掘

针对协同过滤、基于内容过滤等个性化推荐方法所存在的用户隐私数据收集、冷启动等问题,提出一种群体兴趣及其关联性的挖掘方法,并应用于推荐领域.以维基百科作为数据源,获取用户社团及其编辑的词条,设计了以词条及其所属类别为基础的泛树结构生长策略,使用泛树结构表征用户社团所对应的兴趣点.结合用户社团的结构特征和兴趣点的语义特征给...     

基于云模型的进化算法

基于云模型在非规范知识的定性、定量表示及其相互转换过程中的优良特征,结合进化计算的基本思想,提出一种基于云模型的进化算法.该算法利用云模型对物种的遗传变异进化统一建模,能够自适应控制遗传变异的程度和搜索空间的范围,从而可以快速收敛到最优解,较好地避免了传统遗传算法易陷入局部最优解和选择压力过大造成的早熟收敛等问题.仿真结果表明:该算法具有精度高、收敛速度快等优点.云模型和进化计算思想的有效结合一方面拓宽了云模型的应用领域,也为进化计算的研究进行了新的探索和尝试.     

基于复杂网络社团划分的Web services聚类*

以单词为网络节点,由自然语言描述中单词的同现频率确定单词间的相关度并作为边的权值,构建自然语言描述集合的加权单词网络模型。利用Newman快速算法对加权单词网络模型进行社团划分,得到单词聚类结果;根据单词聚类结果与服务之间的映射关系实现服务聚类。实验结果与手工分类结果的对比表明,平均查准率达74.7%以上。     

一种网络化数据挖掘方法研究

传统数据挖掘方法一般挖掘和发现其中的广义知识、关联知识、分类知识和预测知识等。随着对WS小世界网络和BA无尺度网络等复杂网络性能研究的不断深入．复杂网络结构中本身蕴含的知识是一类新型的重要知识，文章研究了一种网络化数据挖掘（Networked Data Mining），将网络拓扑作为一种知识表示方式，将大规模实际数据对象及其关系抽象为网络拓扑的形式，采用复杂网络的理论和方法进行分析和挖掘，发现蕴涵在其中的、反映事物间联系规律的知识和信息。实验表明，该方法能够有效挖掘复杂网络拓扑中的骨干节点和社区结构。     

正态云模型的统计分析

分析了正态云模型中云滴和其确定度的概率分布，定义了正态云模型的期望曲线，最后分析了正态云模型随参数变化其形态变化的趋势和规律．上述统计分析有一定的理论和应用价值，将有助于正态云模型在更广和更深的层面上发展完善．