A Fuzzy Hierarchical Classification System for Olfactory Signals

A fuzzy logic-based system to classify olfactory signals is presented. The odour samples are obtained from an electronic nose that contains conducting polymer sensors with partially overlapping sensitivities to odours. The sensor responses are represented by means of the coefficients of their Fast Fourier Transform (FFT). A feature reduction method is applied to reduce the feature space dimension. Then, an Unsupervised Fuzzy Divisive Hierarchical Clustering (UFDHC) method is used to establish the optimal number of clusters in the data set, as well as the optimal cluster structure. The output of UFDHC is a binary hierarchy of fuzzy classes that are adopted to build a supervised fuzzy hierarchical classifier. At each level of the hierarchy a separating hyperplane of the two corresponding fuzzy classes is determined. The hyperplane identifies two crisp decision regions, which will be refined at the next level of the hierarchy. In this way, we obtain a hierarchy of regions, which defines a crisp decision tree. Each region is, therefore, related to a specific expected output of the system. Two small-scale applications demonstrate the effectiveness and the good recognition performance of the proposed method.     

User profiles and fuzzy logic for web retrieval issues

 We present a study of the role of user profiles using fuzzy logic in web retrieval processes. Flexibility for user interaction and for adaptation in profile construction becomes an important issue. We focus our study on user profiles, including creation, modification, storage, clustering and interpretation. We also consider the role of fuzzy logic and other soft computing techniques to improve user profiles. Extended profiles contain additional information related to the user that can be used to personalize and customize the retrieval process as well as the web site. Web mining processes can be carried out by means of fuzzy clustering of these extended profiles and fuzzy rule construction. Fuzzy inference can be used in order to modify queries and extract knowledge from profiles with marketing purposes within a web framework. An architecture of a portal that could support web mining technology is also presented.     

基于用户模糊聚类的协同过滤推荐研究

传统的协同过滤算法没有考虑用户的自身信息对评分的影响,存在的数据稀疏性、扩展性差等弊端直接影响了推荐系统的推荐质量。对此提出了一种基于用户情景模糊聚类的协同过滤推荐算法。首先根据用户情景信息利用模糊聚类算法得到情景相似的用户群分类,然后在进行协同过滤前预先通过Slope One算法填充用户一项目评分矩阵,以有效改善数据稀疏性和实时性。实验结果表明,改进后的算法在推荐精度上有较大提高。     

一种Web用户访问路径的可能性模糊聚类算法

结合Web用户访问特点,针对Web用户访问路径聚类分析中普遍存在的对象类别不确定性现象进行了研究.结合模糊聚类和可能性聚类的特点,提出来一种新的用户访问路径的可能性模糊聚类算法.新方法通过定义相关的截集,自动地将对象分配到若干簇中,避免了人工干预,实现了交叉聚类的目的.新方法建立在leader聚类算法的框架上,只需要扫描数据集一遍使得算法效率大大提高.在标准数据集上的对比试验表明新算法不仅是有效的,而且效率较高.     

基于用户特征聚类联合情境特征的多维度应用推荐系统

随着移动设备的普及、同时大数据时代数据过载问题的日益严重,如何更准确地根据用户的兴趣及行为向用户推荐其可能感兴趣的应用软件成为亟待解决的问题.现有的推荐系统方法大多面临着推荐内容较为单一乏味等问题,且在推荐时没有将用户所处情境加以考虑,导致推荐效果欠佳.该文提出一种基于用户特征聚类联合情境特征的多维度应用推荐系统.经奇...     

一种新的Web用户行为模式挖掘算法的研究

从Web日志文件中挖掘出用户行为模式,是所有Web站点管理者的迫切需要,但由于web日志数据量大,存有大量的干扰和不完整的数据,导致无法准确的抽取出用户行为的模式。小环境无监督聚类算法适合挖掘具有噪音和不完整数据的大量数据集,但它是基于欧几里德空间的二维模型,数据表示不直观。我们对UNC进行改进,提出了具有层次结构的UNC(简称LUNC)。性能测试实验证明,该模型具有较好的整体性能。     

A Fuzzy Modelling Approach Using Hierarchical Neural Networks

A simple and effective fuzzy modelling approach is presented in this paper. A three-layer hierarchical clustering neural network is developed to build fuzzy rule-based models from numerical data. Differing from existing clustering-based methods, in this approach the structure identification of the fuzzy model is implemented on the basis of a class of sub-clusters created by a self-organising network instead of on raw data. By combined use of unsupervised and supervised learning, both structure identification and parameter optimisation of the fuzzy model can be carried out automatically. The simulation results show that the proposed method can provide good model structure for fuzzy modelling and has high computing efficiency.     

Web访问挖掘预处理的用户识别算法

Web访问挖掘是目前网上智能信息检索和电子商务的主要研究课题之一。该文主要对Web挖掘技术中的预处理过程进行了研究,着重分析了其中的用户识别方法,并给出了一个用户识别的通用算法。     

基于模糊聚类的分层强化学习算法

本文提出了一种新的分层强化学习Option自动生成算法,以Agent在学习初始阶段探测到的状态空间为输入,采用模糊逻辑神经元的网络进行聚类,在聚类后的各状态子集上通过经验回放学习产生内部策略集,生成Option,仿真实验结果表明了该算法的有效性。     

服务于定向信息推荐的模糊聚类协同推荐算法

面对金融领域信息量扣用户数量的不断增加,现有的金融信息推荐算法不能很好地满足金融用户的信息需求,推荐结果的及时性和准确性有待进一步提高。在分析现有协同推荐算法的基础上,本文提出了金融信息模糊聚类协同推荐算法,将模糊聚类和协同推荐算法相结合,以用户一项目评价矩阵为研究基础,对有相似信息需求兴趣的用户进行模糊聚类,用户组群的兴趣爱好代表并预测个人的兴趣爱好,能为用户提供和发现新的信息资源,很好地满足金融用户信息需求的多兴趣性和时效性。最后对提出的算法进行实验,实验结果表明了算法具有良好的推荐效果。     

一种基于属性的模糊聚类算法及其应用研究

运用模糊集理论,对基于属性的模糊聚类从概念、原理、算法等方面做了深入的论述,最后给出了一个应用实例,实践证明该算法是有效的。     

基于FLaAT的模糊用户偏爱浏览模式的增量挖掘

挖掘用户偏爱的浏览模式就是从Web日志中发现多数用户偏爱的浏览路径.网页上的浏览时间被转换成一个模糊语言变量来体现网页上浏览时间的特征,最后从建立的包含所有用户浏览信息的FLaAT(Frequent Link and Access Tree)中挖掘增量式带有模糊语言变量的用户偏爱浏览模式.     

Web模糊聚类方法及其应用

本文提出了Web模糊聚类的概念,给出了Web模糊聚美的过程模型WFCM并进行了详细阐述,沦述了Web模糊聚类在Web访问信息挖掘中,尤其是在Web用户聚类和Web页面聚类方面的应用．最后用实例证明了在Web页面聚类中使用Web模糊聚类的可行性。     

基于用户任务级的Web日志聚类

利用改进的用户描述计算公式和启发式聚类方法 ,进行基于用户任务级的 Web日志聚类 ,产生簇用户访问模式 ,进行有效的推荐和个性化服务 .结果表明 ,算法具有较好的聚类质量和较高的性能 .它可以成功地应用到 Web日志挖掘中 .     

Hierarchical Clustering Algorithms for Document Datasets

Fast and high-quality document clustering algorithms play an important role in providing intuitive navigation and browsing mechanisms by organizing large amounts of information into a small number of meaningful clusters. In particular, clustering algorithms that build meaningful hierarchies out of large document collections are ideal tools for their interactive visualization and exploration as they provide data-views that are consistent, predictable, and at different levels of granularity. This paper focuses on document clustering algorithms that build such hierarchical solutions and (i) presents a comprehensive study of partitional and agglomerative algorithms that use different criterion functions and merging schemes, and (ii) presents a new class of clustering algorithms called constrained agglomerative algorithms, which combine features from both partitional and agglomerative approaches that allows them to reduce the early-stage errors made by agglomerative methods and hence improve the quality of clustering solutions. The experimental evaluation shows that, contrary to the common belief, partitional algorithms always lead to better solutions than agglomerative algorithms; making them ideal for clustering large document collections due to not only their relatively low computational requirements, but also higher clustering quality. Furthermore, the constrained agglomerative methods consistently lead to better solutions than agglomerative methods alone and for many cases they outperform partitional methods, as well.     

基于距离度量的关系数据库系统用户行为轮廓的挖掘

现有的入侵检测系统大多是面向主机操作系统或网络数据包的,应用层的入侵检测例如针对数据库管理系统的入侵检测系统还非常少见。挖掘系统审计记录构造用户的行为轮廓,是异常检测的常见方法。但是传统的数据挖掘算法并没有考虑任何领域知识,为此引入了距离度量的概念,充分考虑数据库这一特殊应用,在挖掘算法中融入DBMS的数据结构特性和用户行为的语义特性,扩展了Apriori算法,挖掘出的频繁项集可以更精确地描述用户的行为模式。     

可理解模糊分类系统的分层演化学习

针对模糊系统的可理解性要求,结合微粒群算法和遗传算法各自的演化特点,采用两阶段学习策略,对模糊分类系统进行分层演化。首先利用微粒群算法优化各输入变量的语言值数目及对应的模糊集参数,形成候选规则集,再应用遗传算法选择规则,得到可理解的和精确的模糊分类系统。该方法几乎无需先验知识,可直接从实值数据获取模糊分类系统,应用典型分类问题为例说明其有效性。     

一种新的Web用户群体和URL聚类算法的研究

提出一个基于Web日志的web用户群体和站点URL聚类算法．使用用户浏览行为描述和用户浏览时间离散化方法建立了Web站点的用户事务矩阵,并在此基础上对Web用户群体和站点URL进行聚类．由于在聚类过程中同时考虑了用户对URL的浏览时间和访问次数,使算法的精度和效率都大大提高．同时,该算法能较好地处理类间重叠问题,使算法具有较好的实用性．最后对算法的有效性和可伸缩性进行了研究．     

模糊聚类在Web信息检索中的应用研究

如何从大量信息中快速、有效地进行Web信息检索已经成为一项重要的研究课题，但是传统的搜索引擎所提供的搜索结果仅仅按照与查询的相关性从高到低排成一个有序列表，不具备层次性，用户使用起来并不方便，该文基于Web资源中词语的不分明性即模糊性，提出采用模糊聚类的方法自动组织搜索引擎的结果来解决这个问题。     

通过数据库创建动态菜单实现用户权限管理

设计了一个通用的用户权限管理程序,通过读取数据库动态生成菜单。首先要在数据库中设置好权限表、菜单分配表和用户表。根据登录用户,读取数据库,自动创建对应的用户菜单。便于实现创建新菜单和添加新用户。