关于信息过滤模型的探讨

信息过滤技术已是当今信息技术研究的热点。该文主要是针对信息过滤模型的研究,介绍了布尔模型、向量空间模型和潜在语义索引三种信息过滤模型。并就其概念、方法和意义进行了分析和讨论。     

基于加权直觉模糊集合的聚类模型

针对已有基于直觉模糊集的聚类方法的局限性,提出了一种基于加权直觉模糊集合的聚类模型——WIFSCM。在该模型中,提出了特定特征空间下的等价样本和加权直觉模糊集合的概念;并推导出基于等价样本和加权直觉模糊集合的直觉模糊聚类算法的目标函数,利用该目标函数推导出直觉模糊聚类中心迭代算法和隶属度矩阵迭代算法;定义了基于加权直觉模糊集合的密度函数,确定了初始聚类中心,减少了迭代次数。通过灰度图像分割实验,证明了该模型的有效性,同时与普通直觉模糊集FCM聚类算法(IFCM)相比,聚类速度提高近百倍。     

基于本体论的信息过滤模型

信息过滤已成为当今信息技术研究的热点。主要介绍布尔模型、向量空间模型和概率模型,并分析它们各自的优点及存在的不足之处。在此基础上,提出一种新的信息过滤模型——基于本体论的信息过滤模型,阐述用户兴趣模板的构建步骤、用户相关反馈和更新算法,为基于本体的信息过滤技术提供了理论基础。     

一种基于直觉模糊理论的P2P动态信任模型

信任的动态性刻画和信任信息的聚合能力是信任模型需要考虑的重要问题,然而现有信任模型存在难以描述节点行为的动态变化特性、忽略信任的模糊特征和上下文环境影响等问题。为此,提出一种基于直觉模糊集合理论的动态信任模型DIFTrust,通过兴趣域划分机制刻画节点信任关系存在的上下文环境,基于直觉模糊集合理论刻画信任的模糊特性,以及利用时间窗口机制和自适应权重向量刻画信任的动态衰减特性,解决具有直觉模糊特征的节点动态信任关系的描述问题。实验结果表明,该模型能够有效描述节点的信任特征,在防止恶意节点策略性行为改变等方面优于现有PeerTrust和DyTrust等模型。     

移动自组网中一种基于模糊集合的分层信任模型

移动自组网中,作为对基于密码体系的安全手段的重要补充,信任模型在解决内部攻击,识别恶意节点、自私节点,提高系统安全性、可靠性和公平性等方面有着显著优势。提出一种基于模糊集合的分层信任模型,模型采用模糊集合对信任关系进行建模,引入向量贴近度为推荐信任分配权重,并充分考虑分层（分簇）结构移动自组网的特点,强调了系统的可扩展性、动态适应性、鲁棒性和资源开销最小。     

模糊模型的结构辨识

一、问题的描述考虑MISO模糊系统y(t)=x_1(t)ox_2(t)o…ox_n(t)oR,(1)其中y(·)为输出模糊变量;x(·)为输入模糊变量;R为基于参考模糊集合的模糊关系;“o”为基于参考模糊集合的合成算子;n为输入模糊变量的个数.模糊模型的辨识就是确定各模糊变量x_i(·),y(·)在其论域上参考模糊集合的隶属函数(即结构)和模糊关系     

基于模糊聚类的DDoS攻击防御模型

在决策领域,模糊方法往往更加合理,同时能够提供更多的决策信息.针对常见的DDoS攻击,在分析DDoS攻击包特点的基础上,提出一种基于模糊模式识别的攻击防御模型,该模型建立两个模糊集,计算两个模糊集的模糊相似度,判断当前数据包是否正常,从而实现异常数据包的过滤.经实验证明,该方法能有效的过滤DDoS攻击包,同时具有较好的自适应性和自学习性.     

应用模糊集合理论与模型构造的决策支持系统

本文介绍一个应用模糊集合理论与模型构造的决策支持系统，着重论述了模糊决策支持系统基本理论，设计和实现方法。     

基于BP人工神经网络的信息过滤技术研究

首先介绍了信息过滤中向量空间模型的基本工作原理。针对目前信息过滤技术过滤精度低、速度慢的缺点,利用BP人工神经网络网络稳定、学习能力强的特点,重点研究了BP人工神经网络特征输入数据的取得、网络拓扑结构的选择、BP人工神经网络的训练过程、神经网络产生结果数据的处理方式,在此基础上提出了一种基于BP人工神经网络的信息过滤模型,实验证明,此模型过滤效率有了显著提高。     

基于区间值加权模糊推理的访问控制模型

普适计算已被国内外学术界和工业界公认为未来计算的主流模式,其安全问题是信息安全的一个基础问题。传统的访问控制模型从系统的角度出发保护资源,在进行权限的控制时没有考虑上下文信息等因素。为了满足普适计算环境下访问控制策略的动态自适应性以及上下文信息的模糊不确定性,应用模糊集合理论与模糊推理方法,提出一种基于区间值加权模糊推理的访问控制模型;给出加权模糊匹配函数公式与区间值加权模糊推理方法,实现访问控制策略与实际安全需求的一致性。     

信息过滤的模糊聚类模型

针对Internet信息过滤问题,运用模糊聚类方法建立了一个用于信息过滤的聚类模型。该模型不仅考虑了文档间的语义联系,而且,又对文档集进行了进一步的分类,增强了类内的耦和性,减少了类间的关联性。最后,给出了一个模糊聚类算法。     

基于模糊相关的Web文档分类方法

面对Internet上不断增长的巨大信息量,如何使用户获得有趣的和有用的信息已成为信息检索急需解决的问题。由于Web文档往往具有不确定的特征,使得利用模糊集合理论对信息检索过程的不确定性建立模型成为可能。文章提出了一种基于模糊相关技术的Web文档分类方法,实验结果表明,该方法比基于向量空间模型的Web分类方法有较高的分类精度。     

A fuzzy filter for the removal of random impulse noise in image sequences

In this paper a new fuzzy filter for the removal of random impulse noise in digital grayscale image sequences is presented. The filter consists of different noise detection and filtering steps, in which the fuzzy set theory is used. This noise detection is based both on spatial and on temporal information and has the aim to prevent the filtering of noise free image pixels. The filtering of the detected noisy pixels is finally performed in a motion compensated way. Experimental results show that our method outperforms other state-of-the-art filters in terms of the peak-signal-to-noise ratio as well as visual quality.     

基于Vague集的时态数据库

为了更加精确地表示模糊信息,数据库的模糊属性采用Vague集来表示.基于Vague集的数据库模型与现有模糊关系数据模型相比,有更强的模糊表达能力,数据库中的每一数据及元组均可分别从真、假隶属度及未知程度三个侧面予以体现.在Vague数据库模型的基础上进行了扩展,提出了基于Vague集的时态数据库,为进一步研究Vague时态数据库的数据模型、数据理论等相关问题打下了基础.     

基于遗传算法的文本过滤模型及收敛性分析

过滤模板的生成是网络信息过滤中一个至关重要的问题。针对模板生成中的非线性特征,借鉴遗传算法可以在全局范围内寻找最优解的特性,引入遗传算法解决文本信息过滤问题,并应用基于集合论的方法证明其理论可行性。在实际应用中,应用遗传算法生成模板进行了文本分类和文本过滤试验,并根据应用过程中存在的问题提出了遗传算子的自适应策略。理论证明以及实验结果都表明,该方法具有可行性,能够在信息过滤中取得较好的结果。     

Intuitionistic fuzzy rough set model based on conflict distance and applications

Due to the complexity and uncertainty of the objective world, as well as the limitation of human ability to understand, it is difficult for one to employ only a single type of uncertainty method to deal with the real-life problem of decision-making, especially problems involving conflicts. On the other hand, by incorporating the advantages of various theories of uncertainty, one is expected to develop a more powerful hybrid method for soft decision making and to solve such problems more effectively. In view of this, in this paper the thought and method of intuitionistic fuzzy set and rough set are used to construct a novel intuitionistic fuzzy rough set model. Corresponding to the fact that the decision-making information system of rough sets is of intuitionistic fuzzy information system, our method defines the conflict distance by using the idea of measuring intuitionistic fuzzy similarity so that it is introduced into the models of rough sets, leading to the development of our intuitionistic fuzzy rough set model. After that, we investigate the properties of the model, introduce a novel tool for conflict analysis based on our hybrid model, and employ this new tool to describe and resolve a real-life conflict problem.     

不完备模糊目标信息系统粗集模型与知识约简

在不完备信息系统和模糊目标信息系统的基础上,将不完备近似空间和模糊目标信息系统有机地结台起来,提出了不完备模糊目标信息系统的概念;同时还给出了不完备模糊目标信息系统的粗糙集模型,该模型是完备模糊目标信息系统和经典目标信息系统粗糙集模型的推广。还给出了系统知识约简的一些相关概念及其辨识矩阵的知识约简方法。     

基于Vague软集的模糊群决策方法研究

运用传统的模糊集进行模糊型群决策时存在一定的困难,而Vague软集是一种处理不确定信息的重要工具。为此,给出了一种加权的Vague软集间相似度定义,并运用Vague软集对备选方案进行评判;在此基础上运用正态云模型进行群体一致性评判,将基于Vague软集的模糊群决策方法应用于供应商选择问题中,结果表明,Vague软集能极大地提高模糊群决策的科学性和有效性。     

基于动态模糊理论的课堂教学质量评价模型

针对目前已有的课堂教学质量评价方法无法全面、公正的评价教师真正教学水平的现状,提出基于动态模糊理论的课堂教学质量评价模型。模型以宿迁学院课堂教学质量评价指标体系为例建立评价指标集,介绍动态模糊评价信息的获取途径,给出各评价因素动态模糊矩阵的建立过程和最终评价结果集的计算方法。最后通过三位教师课堂教学质量评价信息计算过程的实例,验证评价结果的科学性、准确性和全面性,并体现该模型的优势。     

融合局部和全局图像信息的活动轮廓模型

为了克服局部图像拟合模型对轮廓初始化敏感的不足,结合改进C-V模型,提出一种融合局部和全局图像信息的活动轮廓模型.首先由改进C-V模型的全局灰度拟合力和局部图像拟合模型的局部灰度拟合力的一个线性组合来构造水平集演化力,然后通过调整这2个拟合力的权重以提升该模型对轮廓初始化的灵活性,最后利用高斯滤波正则水平集函数法实现水平集函数的正则化.实验结果表明,对于一些真实和人造图像,文中模型显示了对轮廓初始化的鲁棒性,以及较好地处理灰度不均图像的能力.