基于条件随机场的评价对象缺省项识别

在电商网站评论文本中,评价对象和评价属性的缺省识别对文本情感分析具有重要地作用。针对电商网站评论文本中评价对象和评价属性缺省问题,该文提出了一种基于条件随机场的评价对象缺省项识别方法。首先利用情感词典识别观点句,将缺省项识别问题转换成序列标注问题,综合词法特征和依存句法特征,使用条件随机场模型进行训练,并在测试集上对待识别的观点句进行序列标注,通过标注结果判定缺省项的位置。实验结果表明,该方法具有较高的准确率和召回率,验证了该方法的有效性。     

基于模糊多属性决策的多维时序信用风险评价建模

针对属性权重完全未知且数据为多维时序的信用风险评价问题,提出基于多属性决策与模糊聚类相结合的混杂信用风险评价建模方法.该方法使用离差最大化方法和二次规划模型得出指标属性的综合权重,对受评样本在各时点上进行多属性决策得到决策评分,再通过决策评分矩阵进行模糊聚类,并对结果进行了有效性验证.最后通过实例验证,证明该方法具有可行性和有效性.     

图书馆网站分类评价方法研究——基于优势粗糙集理论的分析

图书馆网站评价对提高图书馆整体服务水平具有重要意义。科学、客观地评价图书馆网站,能有效促进其建设。将优势粗糙集理论应用于图书馆网站评价过程,通过对调研的图书馆网站数据进行分析,有效约简了评价体系的冗余属性,明确了各指标在网站建设中的重要性,通过偏好属性表导出偏好决策规则集,对网站进行分类与分级评价,力图减少主观评价的偏好影响,使评价过程更加科学,评价结果更加客观。     

基于AHM的模糊综合评价法在网络安全风险评估中的应用

本文利用属性层次模型（AHM）法计算评价对象的指标权重集,合理地量化了安全风险评估指标的权重,避免了主观权重而产生的不公平评价;模糊综合评价法针对实际问题中评估项的模糊性能够客观地评估对象及指标的不确定性,能够对安全风险作出全面准确的评估。利用属性层次模型法与模糊综合评价法相结合,可以有效处理专家意见不一致的情形,易于对所得到的评价结果进行分析解释,从而提出合理化建议,是提高信息网安全风险等级的一种行之有效的方法。     

主客观权重集成及扩展VIKOR的多属性群决策方法

针对评价信息、属性权重均为不同粒度语言短语的多属性群决策问题,提出一种基于主客观权重集成及扩展多准则协调优化解（VIKOR）的多属性群决策方法。由基本语言评价集实现对多粒度语言评价矩阵的一致化,基于同一粒度的语言决策矩阵计算群体对属性的评价偏差,基于群体评价意见的一致性原则得到属性客观权重,通过二元语义加权算术平均（T-WAA）算子得到属性主观权重,从而集成主、客观权重求得属性综合权重。集结转化后的单个评价矩阵得到群体评价矩阵及其导出矩阵,由扩展VIKOR方法,根据群效用值、个体遗憾值及综合评价值分别对方案进行排序,获得折衷方案。算例分析表明该方法的有效性与可行性。     

大学生综合素质的灰色模糊聚类评价模型

学生综合素质评价是高校学生管理人员承担的一项重要而复杂的工作.针对高校教育中大学生综合素质评价相对薄弱的问题,建立大学生综合素质评价指标体系,依据灰色系统理论,确定不同灰数,通过白化函数生成灰色聚类矩阵获取对象所属灰类的信息,最后结合模糊聚类方法,以聚类行向量作为原始数据构造了模糊相似矩阵,通过聚类分析得到了对象间的关联信息.数据分析表明,评价结果客观,合理地反映出学生综合素质的优劣,方法切实可行     

图书馆网站的综合评价方法研究

图书馆网站是现代化图书馆自我展示的窗口,如何科学合理的评价图书馆网站以提高其建设质量显得尤为重要.通过对图书馆网站的分析,建立了其评价指标体系,利用灰色统计的方法来确定模糊测评矩阵,并利用信息论中的熵技术来确定相应评价指标的权重,然后运用模糊方法对网站进行了综合评价,从而为提高图书馆网站建设质量提供了有益的理论参考.     

基于在线评价信息的属性权重确定及方案排序方法

近年来，数据体量较大的多属性在线评价信息在一些网站中大量涌现，并且在线评价信息往往呈现离散随机分布的形式，如何基于在线评价信息确定属性权重并进行方案排序，这是一个新的值得关注的研究问题。本文提出了一种基于在线评价信息的属性权重确定及方案排序方法，在方法中，首先将每个属性的在线评价信息描述为离散型概率分布函数形式，并构建加权累积分布函数决策矩阵；然后依据该矩阵，通过定义理想累积分布向量和每个方案与其向量的距离，构建确定属性权重的优化模型；进一步地，通过求解优化模型可得到每个属性的权重，在此基础上，通过计算每个方案的排序值可确定方案的排序结果。最后，基于汽车之家网站中的汽车产品在线评价信息，给出了本文提出方法的应用的实例分析。     

基于属性偏好学习的配电网综合评价方法

为了摆脱在传统地区配电网评价方法中对参评人员个人评价偏好的过度依赖,实现合理、精准的属性权重确定,提出了一种基于属性偏好学习的配电网多指标智能综合评价方法。依据属性测度理论,在置信度准则与评分准则下完成对配电网综合评价模型的构造。进而,提出数值绝对偏移率指标以实现对中间值指标的数据预处理。最后,应用随机权神经学习,通过对配电网历史训练样本进行有监督学习,计算得到指标属性偏好权重,并依据配电网综合评价模型以及计算所得属性偏好权重完成对配电网待测样本的智能综合评价。与传统的AHP、PSO-SVM以及RWN算法的对比仿真实验验证了该方法的精确性与稳定性,表明该方法实现了合理、客观的配电网综合评价,在地区配电网评价方面具有一定的应用价值。     

BP网络在网站评价中的应用

对网站的评价,一般从点击率入手进行分析,但未考虑虚假点击率。因此本文通过给出全新网站栏目评价指标体系,对网站栏目进行评价。首先通过3种方法对用户浏览网站的行为偏好进行评价,然后通过用 BP 神经网络对数据进行检验,并进行预测评价,最后得到一个合理可靠的评价结果。通过对结果进行分析,可以得出该方法在网站评价中可行性的结论。因此,运用神经网络对网站进行评价。对网站管理员进行网站管理具有很强的指导作用。     

基于粗集的信息融合系统评价指标体系优化研究与实现

测试评估系统在C3I信息融合的发展过程中起着极其重要的作用。讨论信息融合系统评估的一般理论和利用粗糙集理论的属性约简算法,对多传感器信息融合的跟踪评价指标集进行优化的方法,为建立一个适应多个领域的融合评价平台提供一个可行性方案,针对移动目标构建了航迹模拟系统的评价指标,并对其进行了优化,给出了一些用于定量评估的性能指标的定义和测试评估系统的构建方法及过程,并基于软总线结构进行了软件设计。通过实例分析,使得该评估指标体系的可靠性和实用性得到了验证。     

一种新的信息系统三角模糊自适应评价模型

目前的信息系统评价模型采用通用评价因子来评价不同领域中的系统,不能全面衡量不同信息系统的质量。提出了新的评价模型使用了动态制定不同领域的评价因子,同时提出了一种带有模糊评判调节因子的NTFAHP法,并对模糊综合评价方法进行了改进,将两者相结合,建立了适应现代信息系统的新评价算法。设计了该评价模型的原型系统,利用原型系统实施工程实例的可计算化评价,其实验结果的准确性、可靠性和稳定性有了明显改善和提高。     

基于邻域粗糙集组合度量的混合数据属性约简算法

属性约简是一种重要的数据挖掘方法。为了对混合型信息系统达到更好的属性约简性能,提出一种邻域组合度量的启发式属性约简算法。邻域依赖度是构造混合信息系统属性约简的常用方法,根据粒计算的视角,在混合信息系统中提出邻域知识粒度用于评估属性的粒化能力。将邻域依赖度与邻域知识粒度进行结合,提出混合信息系统下的邻域组合度量,并将该度量方法作为启发式函数,提出一种属性约简算法。实验分析表明,该算法比混合信息系统的其他相关属性约简算法具有更高的约简性能。     

基于MIX_FP树的粗糙集属性约减算法的研究与应用

粗糙集对于学习分析系统的属性约减模型有着重要的研究意义和使用价值。针对教育大数据高维度、不完备、增量性等现状,提出了基于不完备决策表的差别信息增量更新算法,并结合树形结构对差别信息的高效存储和粗糙集的核属性概念,设计构建了MIX_FP树,实现高维属性的有效约减。实验结果验证了该算法具有较好的运行效率和空间性能,为教育大数据的属性约减提供了有效的方法,同时为基于粗糙集理论的属性约减算法研究和及其在学习分析领域的应用提供了新的研究思路。     

基于粒化单调的不完备混合型数据增量式属性约简算法

增量式属性约简是一种针对动态数据集的新型属性约简方法。然而目前的增量式属性约简很少有对不完备混合型的信息系统进行研究。针对这类问题提出一种属性增加时的增量式属性约简算法。在不完备混合型信息系统下引入邻域容差关系。基于邻域容差关系的粒化单调性,提出信息系统属性增加时邻域容差条件熵的增量式更新方法,并提出了不完备混合型信息系统下的邻域容差条件熵增量式属性约简算法。实验分析表明了该算法的有效性。     

决策系统属性约简优化算法研究

属性约简是粗糙集理论研究的关键问题,针对求取决策系统所有约简的NP问题,基于差别矩阵提出一种决策系统属性约简优化算法.通过改进差别矩阵得到差别集,在获得核与约简候选信息基础上,以属性频度作为启发式信息,快速有效地求取决策系统的所有约简.分析表明了该算法的可行性与有效性.     

互信息的序决策信息系统属性约简研究

优势关系粗糙集理论是粗糙集理论有意义的推广,决策信息系统知识约简是粗糙集理论的核心内容之一.通过在协调序决策信息系统中引入条件熵、互信息概念,给出了基于条件熵、互信息的协调序决策信息系统属性约简算法,并通过学生评价决策信息系统验证了该算法的有效性,使协调序决策信息系统的属性约简得到了扩展.在不协调序决策信息系统中引入限定条件熵、限定互信息概念,并给出基于限定互信息的不协调序决策信息系统属性约简算法,为不协调序决策信息系统的属性约简的应用提供了可行的解决方法.     

基于模糊神经网络和D—S推理的智能特征信息融合研究

给出了一种新的分布式多传感器智能特征信息融合系统结构，利用模糊神经网络技术把环境信息和专家语言信息引入融合系统，提出了一种新的智能特征信息融合算法。     

基于模糊邻域粗糙集的启发式属性约简算法

属性约简是机器学习等领域中常用的数据预处理方法。在基于粗糙集理论的属性约简算法中,大多是根据单一的方法来度量属性重要度。为了从多角度对属性达到更为优越的评估效果,首先在已有的模糊邻域粗糙集模型中定义属性依赖度度量,然后根据粒计算理论中知识粒度的概念,在模糊邻域粗糙集模型下提出了模糊邻域粒度度量。由于属性依赖度和知识粒度代表了不同视角的属性评估方法,因此将这两种方法结合起来用于信息系统的属性重要度评估,最后给出一种启发式属性约简算法。实验结果表明,所提出的算法具有较好的属性约简性能。     

基于属性文法和语义网络的综合知识表示模型

本文提出了一个属性文法计算模型与语义网络表示模型相结合的综合知识表示模型.根据形式化的语义网络表示模型和属性文法的特点,该模型使用属性文法的符号建立了一些适合于语义网络表示模型的语法和语义规则模式,并且可通过扩充的属性文法的解释器来实现推理.