为不完全领域理论补充知识的学习方法CE

本文给出了一个补充解释的学习ＣＥ，是解释学习和归纳学习两种方法的结合，试图解决完全的领域理论补充知识的问题。     

基于解释学习中的不完善理论问题

不完善的领域理论包括不完全理论、不正确理论、不一致理论和难以操纵的理论 ,它们限制了基于解释学习系统的学习能力。提出了相应的改进方法 ,包括部分解释方法、过失测定和改进、实验以及近似理论 ,最后提出了集成学习方法解决一个领域理论中包含多种不完善性的问题     

基于分解策略处理多分类不均衡问题的方法

针对多分类不均衡问题,提出了一种新的基于一对一（one-versus-one,OVO）分解策略的方法。首先基于OVO分解策略将多分类不均衡问题分解成多个二值分类问题;再利用处理不均衡二值分类问题的算法建立二值分类器;接着利用SMOTE过抽样技术处理原始数据集;然后采用基于距离相对竞争力加权方法处理冗余分类器;最后通过加权投票法获得输出结果。在KEEL不均衡数据集上的大量实验结果表明,所提算法比其他经典方法具有显著的优势。     

基于领域特征提纯的多领域文本分类

文本分类是自然语言处理领域中一项基本任务,但目前的文本分类任务往往是领域独立的,且需要丰富的标注数据。该文通过利用不同领域的数据蕴含的相似信息,在一定程度上缓解标签训练数据不足的问题。该文提出了一种多任务学习模型来解决跨领域文本分类任务,通过每个领域的私有编码器和所有领域的共享编码器来分别提取私有特征和共享特征,从而利用不同层面的领域知识来表示文本,并帮助文本分类。另外,该文还利用正交投影将共享特征和领域私有特征进一步异化,从而强化共享特征的纯度,同时使用门控机制将共享特征和私有特征进行重组融合。我们在两个常用的多领域文本分类数据集(Amazon和FDU-MTL)上对所提模型进行了验证。实验结果表明,该模型在Amazon和FDU-MTL数据集上的平均分类准确率分别达到了86.04%和89.2%,较之前多个基线模型有明显提升。     

领域模型的描述与处理

上期文章中．我们已经讨论了模型语言与传统计算机编程语言的在表现力上的差别．同时对领域模型的描述本质作了比较详细的阐述．本文的下半部分将重点讨论领域模型的处理．并通过一个实例来告诉您．领域模型技术到底是什么。     

各种不精确理论的Rough集解释

长期以来,含糊(Vagueness)概念一直是被哲学家和逻辑学家十分重视的研究内容。特别是近些年,它也成为AI领域中的热门课题。含糊概念的思想出自于谓词逻辑的创始人G.Frege的所谓边界线观点,他认为如果个体域上的一些元素既不能在某集合上被分类,也不能在该集合的补集上被分类,则把这些元素归结为边界线区域。Rough集哲学原理是基于知识具有粒状结构的假设,而这种知识颗粒性(granularity)     

一种改进的领域本体分类算法

本体学习技术的研究目前还处于探索阶段。研究了知识生产领域中本体学习技术的应用,提出了本体学习中领域本体的分类算法。本算法同时考虑了概念之间的语义相似度与结构相关度,并以"分类量化值"作为领域本体的分类标准。实验证明,本算法较之其它相关算法更为有效。     

应用于不平衡多分类问题的损失平衡函数

传统分类算法一般要求数据集类别分布平衡,然而在实际情况中往往面临的是不平衡的类别分布。目前存在的数据层面和模型层面算法试图从不同角度解决该问题,但面临着参数选择以及重复采样产生的额外计算等问题。针对此问题,提出了一种在小批量内样本损失自适应均衡化的方法。该算法采用了一种动态学习损失函数的方式,根据小批量内样本标签信息调整各样本损失权重,从而实现在小批量内各类别样本总损失的平衡性。通过在caltech101和ILSVRC2014数据集上的实验表明,该算法能够有效地减少计算成本并提高分类精度,且一定程度上避免了过采样方法所带来的模型过拟合风险。     

基于不平衡数据的中文情感分类

近些年来,情感分类在自然语言处理研究领域获得了显著的发展。然而,大部分已有的研究都假设参与分类的正类样本和负类样本一样多,而实际情况中正负类数据的分布往往是不平衡的。该文收集四个产品领域的中文评论文本,发现正类样本的数目远远多于负类样本。针对不平衡数据的中文情感分类,提出了一种基于欠采样和多分类算法的集成学习框架。在四个不同领域的实验结果表明,我们的方法能够显著提高分类性能,并明显优于目前主流的多种不平衡分类方法。     

一种基于多例多概念的EBL领域理认的修正方法

本文提出了一种基于多例多概念的ＥＢＬ领域理论修正完善的方法，通过精确地定位问题和修正，解决领域理论中出现的不正确和不完全问题，提高了理论修正的质量，具有较广的适用性。     

The Automated Refinement of a Requirements Domain Theory

The specification and management of requirements is widely considered to be one of the most important yet most problematic activities in software engineering. In some applications, such as in safety critical areas or knowledge-based systems, the construction of a requirements domain theory is regarded as an important part of this activity. Building and maintaining such a domain theory, however, requires a large investment and a range of powerful validation and maintenance tools. The area of theory refinement is concerned with the use of training data to automatically change an existing theory so that it better fits the data. Theory refinement techniques, however, have not been extensively used in applications because of the problems in scaling up their underlying algorithms.In our work we have applied theory refinement to assist in the problem of validation and maintenance of a requirements theory concerning separation standards in the North East Atlantic. In this paper we describe an implemented refinement algorithm, which processes a logic program automatically generated from the theory. We overcame the size and expressiveness problems typically encountered when applying theory refinement to a logic program of this kind by designing focused, composite refinement operators within the algorithm. These operators modify the auto-generated logic program by generalising or specialising clauses containing ordinal relations—that is relations which operate on totally ordered data.     

基于问题域与视点代理的需求工程研究

在当前需求工程中有关多视点的研究基础上,本文提出了视点代理的概念,给出了代理模板的基本结构,并在此基础上简要介绍了关于模型转换及一致性检查等问题。最后给出如何将视点代理和问题域相结合形成新的需求工程开发方法。     

基于领域本体面向问题的需求分析与领域建模

为了解决传统的以应用领域为目标、以问题解决方案为中心的需求分析方法造成的开发人员与需求人员以及客户三者之间的误解,需求分析不可再次使用进而导致系统开发效率低下,客户满意度低等问题,文中提出了基于本体面向问题进行需求分析的方法。阐述了基于本体面向问题进行需求分析的必要性、本体的相关概念和设计原则、本体的描述语言以及基于LAU建立领域本体的实例与需求分析过程,并论证了利用该方法可进一步提高需求分析的质量。     

压缩域多媒体数据处理技术研究

多媒体数据压缩技术是多媒体、网络通讯以及计算机等应用领域的一项关键技术。多媒体数据经过压缩后再进行存储或通过网络进行传输,这已经逐渐成为多媒体应用中的标准模式;同时,多媒体应用中所涉及到的各种媒体数据,如图象、视频和音频数据,往往需要进行各种灵活的操作与处理,因此,压缩域多媒体数据直接处理技术成为一项很有意义的研究领域。文中首先就压缩数据处理的基本概念进行讨论,然后集中分析了这一研究领域的重要研究     

基于Retinex理论的压缩域图像增强方法研究

针对现有压缩域图像增强算法在提高图像对比度时,存在不能很好地增强图像细节及保持色彩信息的局限性,提出一种新的基于Retinex理论的DCT压缩域图像增强算法.该算法以Retinex理论为基础,将DCT系数分为入射分量(DC系数)和反射分量(AC系数),通过对DC系数进行动态范围调整,对AC系数进行细节增强调整,并使用阈...     

ACUN理论一般合一化问题的合一化算法

ACUN理论是异或算子代数性质的刻画.基于联合理论合一化问题的优化分解算法和高斯消元法,本文给出了ACUN理论一般合一化问题的合一化算法     

基于领域本体面向问题的需求分析与领域建模

为了解决传统的以应用领域为目标、以问题解决方案为中心的需求分析方法造成的开发人员与需求人员以及客户三者之间的误解,需求分析不可再次使用进而导致系统开发效率低下,客户满意度低等问题,文中提出了基于本体面向问题进行需求分析的方法。阐述了基于本体面向问题进行需求分析的必要性、本体的相关概念和设计原则、本体的描述语言以及基于LAU建立领域本体的实例与需求分析过程,并论证了利用该方法可进一步提高需求分析的质量。