Rough集理论在不完备信息系统中的扩充

Pawlak教授所提出的经典Rough集理论主要是针对完备信息系统的，利用了不可分辨关系这种等价关系来对对象进行了近拟和下近似分类，对于不完备信息系统的处理，需要对经典Rough集理论进行扩充，主要是对不可分辨关系进行扩充，目前已经有了基于容差关系，相似关系和量化容差关系等的扩充Rough集理论，但是，这些扩充也还存在一些局限性，将提出一种基于限制容差关系的扩充Rough集模型，并比较分析这些扩充Rough集模型之间的性能。  

基于项目评分预测的协同过滤推荐算法

推荐系统是电子商务系统中最重要的技术之一.随着电子商务系统用户数目和商品数目的日益增加,在整个商品空间上用户评分数据极端稀疏,传统的相似性度量方法均存在各自的弊端,导致推荐系统的推荐质量急剧下降.针对用户评分数据极端稀疏情况下传统相似性度量方法的不足,提出了一种基于项目评分预测的协同过滤推荐算法,根据项目之间的相似性初步预测用户对未评分项目的评分,在此基础上,采用一种新颖的相似性度量方法计算目标用户的最近邻居.实验结果表明,该算法可以有效地解决用户评分数据极端稀疏情况下传统相似性度量方法存在的问题,显著地提高推荐系统的推荐质量.  

基于本体论和词汇语义相似度的Web服务发现

Web服务的大量涌现对服务发现提出了挑战，UDDI上基于关键词和简单分类的服务发现机制已经不能很好满足需要．该文在分析现有相关研究的基础上，提出了基于本体论和词汇语义相似度的Web服务发现方法．通过构建Web服务本体，给出一个明晰的Web服务发现的研究对象，指出可对Web服务进行的几种相似度计算，并对其中的词汇语义相似度计算进行详细讨论．文中具体给出两种词汇语义相似度计算方法，其中第一种方法计算词汇语义相似度基于词语间距离度量，第二种方法计算词汇语义相似度则建立在义原相似度基础上．引入本体论和词汇语义相似度，为Web服务相似度计算、Web服务发现提供了一种有效可行的方法．  

Vague集之间的相似度量

分析了Chen给出的一种度量Vague集(值)之间相似程度的度量方法,指出了这种相似度量方法所存在的缺陷.在此基础上,给出了一种新的相似度量方法.由于该方法具有较好的性质,更具合理性,因而是一种较为理想的检测Vague集(值)之间相似程度的度量方法.  

基于领域本体的Web服务动态组合

随着Web环境下服务数量的快速增长，如何自动地根据服务请求，进行服务的动态组合成为一个迫切需要解决的问题，该文提出了一种基于领域本体的服务动态组合方法，该方法利用领域本体及其推理能力，生成一个优化的服务组合图，然后基于该图给出了一个高效的服务组合算法．与已有的方法相比，该文的方法综合考虑了服务语义、服务组合的质量和服务组合的效率等因素，可以自动地根据服务请求实现服务的动态组合．同时保证了服务组合的效率和质量．  

个性化推荐算法设计

协同过滤技术（collaborative filtering）目前被成功地应用于个性化推荐系统中，但随着系统规模的扩大，它的效能逐渐降低，提出了一种高效的个性化推荐算法，它包括维数简化和项集相似性计算两个过程，这种算法在提高精确性的基础上减少了计算耗费，可以较好地解决应用协同过滤技术的推荐系统所存在的稀疏性，扩展性等问题，快速产生精确的个性化推荐结果。  

基于颜色-空间特征的图像检索

虽然基于颜色直方图特征的图像检索方法简单、高效,但却丢失了颜色的空间分布信息.提出了一种基于颜色-空间特征的图像检索方法.该方法将图像内容看成由若干对象组成的集合,首先利用图像分割得到主要对象,然后根据对象的颜色、位置和形状特征计算图像间内容的相似度,再进行检索.实验结果表明,当图像中有明显的物体时,该方法与颜色直方图相比,能够更加准确和高效地查找出用户所需内容的图像,明显地提高了检索精度.  

基于相似度加权推荐的P2P环境下的信任模型

在诸如文件共享等无中心的Peer-to-Peer网络中,对等节点具有匿名性和高度自治的特点,并且由于缺乏对与之交互的节点的可信程度的知识,节点需应对交互过程中可能出现的威胁.提出了一种基于节点评分行为相似度加权推荐的peer-to-peer环境下的全局信任模型(简称SWRTrust),用于量化和评估节点的可信程度,给出了模型的数学表述和分布式实现方法.已有的全局信任模型建立在信任值高的节点其推荐也更可信这个假设基础上,SWRTrust对该假设的合理性提出了质疑.分析及仿真实验结果表明,SWRTrust较已有模型适用于遏制更广泛类型的恶意节点攻击,在迭代的收敛速度和网络中的成功下载率等性能指标上有较大提高.  

基于模式挖掘的用户行为异常检测

行为模式通常反映了用户的身份和习惯，该文阐述了针对Telnet会话中用户执行的shell命令，利用数据挖掘中的关联分析和序列挖掘技术对用户行为进行模式挖掘的方法，分析了传统的相关函数法在应用于序列模式比较时的不足，提出了基于递归式相关函数的模式比较算法，根据用户历史行为模式和当前行模式的比较相似度来检测用户行为中的异常，最后给出了相应的实验结果。