基于缺失特征的高维多标签学习

多标签学习主要处理每个样本数据与多个类标签关联问题,实际应用却很难一次性全部取得完整特征信息.已有多标签学习方法解决缺失特征,但高维环境下特征缺失未能考虑,并且现有特征降维方法大多要么直接从单标签特征选择方法转变而来,要么无法充分利用标签信息,因此无法获得多个标签共享的最佳特征选择结果.基于此提出了一种高维环境下特征缺失多标签学习方法.首先,通过学习特征相关矩阵获得新的补全特征矩阵,与原有缺失特征矩阵相比更具完整特征信息.其次,引入信息理论方法提出一个通用全局优化框架,考虑特征相关性、标签相关性和特征冗余,实现高维多标签数据的特征降维.之后,为提高多标签分类的性能,通过假设如果两个特征强相关,则它们对应参数向量之间的相似性会更大,以此来约束系数矩阵上的特征相关性.此外通过约束标签输出的标签相关性,以捕获不同标签之间更充分的关系.大量实验表明,所提方法与其他先进多标签学习方法相比具有竞争力.     

医学数据挖掘中的数据预处理与Apriori算法改进

医学数据挖掘是提高医院信息管理水平,为疾病的诊断和治疗提供科学的、准确的决策的需要。分析了医疗数据的特点,并以慢肺阻疾病诊断的数据集为例,阐述了把医疗数据转换成事务数据格式的方法,描述了关联规则挖掘在医疗数据分析中应用所遇到的难题,针对这些难题给出了一些算法的改进措施,并用数据进行测试。结果表明,此算法优于原来算法,它可以减少产生的规则的数量,从而能快速发现有趣的医疗关联规则。     

在线商品评论有用性影响因素研究

网络商务发展中产生了大量无效甚至恶意的在线评论,给消费者阅读和参考带来一定负面影响。针对上述问题,提出了一种基于多元线性回归算法的在线评论有用性预测方法。该方法综合考虑了评论文本属性、评论者属性和店铺属性这三个影响因素,并构建一个预测在线评论有用性模型——RRS-L模型。在实际数据集上的实验表明：该模型具有较高的查准率与召回率,能有效过滤无用评论。     

一种基于Tri-training的数据流集成分类算法

数据流分类是数据挖掘领域的重要研究任务之一,已有的数据流分类算法大多是在有标记数据集上进行训练,而实际应用领域数据流中有标记的数据数量极少。为解决这一问题,可通过人工标注的方式获取标记数据,但人工标注昂贵且耗时。考虑到未标记数据的数量极大且隐含大量信息,因此在保证精度的前提下,为利用这些未标记数据的信息,本文提出了一种基于Tri-training的数据流集成分类算法。该算法采用滑动窗口机制将数据流分块,在前k块含有未标记数据和标记数据的数据集上使用Tri-training训练基分类器,通过迭代的加权投票方式不断更新分类器直到所有未标记数据都被打上标记,并利用k个Tri-training集成模型对第ｋ＋１块数据进行预测,丢弃分类错误率高的分类器并在当前数据块上重建新分类器从而更新当前模型。在10个UCI数据集上的实验结果表明：与经典算法相比,本文提出的算法在含80%未标记数据的数据流上的分类精度有显著提高。     

基于复杂网络方法的舆情热点挖掘

研究使用复杂网络理论和算法的网络舆情热点提取.网络舆情分析技术可以分为基于内容的分析方法和基于数据挖掘的分析方法,二者均是采用传统技术处理网络舆情,并未结合网络特性.针对上述问题,开拓了舆情分析的思路,提出采用网络化方法处理网络问题的思想,将舆情网络的页面视为节点,链接关系作为边,构建符合复杂网络特征的舆情传播网络.使用PageRank算法和Hits算法,可以挖掘出舆情网络中的重要节点,进而发现舆情热点.以维基百科数据为仿真数据集,采用新提出的方法,可以挖掘相关领域的热点条目.仿真结果表明,两种方法均可以完成网络舆情热点的发掘工作,从复杂网络的角度处理网络舆情热点挖掘问题是可行的.但PageRank方法侧重于链接节点的影响,Hits算法侧重考虑节点自身的核心程度,挖掘结果存在一定差异.将两种方法的挖掘结果相结合,结合领域特征,可以获取网络舆情热点.     

基于实例加权方法的概念漂移问题研究

数据流上的漂移概念发现已成为数据挖掘领域的研究热点之一。针对存在概念漂移的数据流分类问题,提出一种基于实例加权方法的数据流分类算法（EWAMDS）,根据基分类器在训练实例上的分类结果调整该实例的权值,以增强漂移实例在新分类器中的影响,同时引入动态的权值修改因子以提高算法的适应性。实验结果表明,动态地调整实例的权值时算法的适应性更强;与weighted-bagging相比,EWAMDS的时间开销显著降低、分类正确率显著提高。     

AML:一种面向需求的多Agent建模语言

定义一种多Agent系统建模语言AML.该语言基于议会制的多Agent协同构架,融合多种先进方法,采用目标分解的方式从需求获取、系统分析到最后的系统设计,共涉及8种模型:用例模型、目标模型、组织模型、角色模型(任务模型)、交互模型、本体模型、Agent类模型(包括Agent结构模型)、系统配置模型.该语言还给出构造不同模型的工作流,以及不同模型之间相互关联的方式.为了和UML保持一致,AML采用与UML一致的符号系统,对于需要扩展的部分,制定专门的符号来表示.为了验证AML的可行性,在开发一个AML的支撑环境AML-Tools的同时,使用该语言描述一个实例--智能仓库系统的设计和实现.     

一种基于段落词频统计的论文抄袭判定算法

解决论文抄袭的判定问题不但可以减轻审稿人员的工作负担,而且对于提高学术论文质量、净化学术领域、防止学术腐败都有很重要的意义.从抄袭的定义和法律规定出发,在分析比较国内外主要的论文抄袭判定方法基础上,提出存在的问题和改进策略,然后给出一种基于段落词频统计的论文抄袭判定算法.此算法不但可以检测出抄袭者成段抄袭的情况,而且可以检测出段落中语句顺序改变、段落内容压缩和扩充的情况,若疑似抄袭还可以将抄袭论文和被抄袭论文的相似内容输出,方便用户进一步审查.     

基于贝叶斯网络的频繁模式兴趣度计算及剪枝

采用贝叶斯网络表示领域知识,提出一种基于领域知识的频繁项集和频繁属性集的兴趣度计算和剪枝方法 BN-EJTR,其目的在于发现与当前领域知识不一致的知识,以解决频繁模式挖掘所面临的有趣性和冗余问题.针对兴趣度计算过程中批量推理的需求,BN-EJTR提供了一种基于扩展邻接树消元的贝叶斯网络推理算法,用于计算大量项集在贝叶斯网络中的支持度;同时,BN-EJTR提供了一种基于兴趣度阈值和拓扑有趣性的剪枝算法.实验结果表明,与同类方法相比,方法 BN-EJTR具有良好的时间性能,而且剪枝效果明显;分析发现,经过剪枝后的频繁属性集和频繁项集相对于领域知识符合有趣性要求.     

一种基于混合集成方法的数据流概念漂移检测方法

近年来,数据流分类问题研究受到了普遍关注,而漂移检测是其中一个重要的研究问题。已有的分类模型有单一集成模型和混合模型,其漂移检测机制多基于理想的分布假设。单一模型集成可能导致分类误差扩大,噪音环境下分类效果受到了一定影响,而混合集成模型多存在分类精度和时间性能难以两者兼顾的问题。为此,基于简单的WE集成框架,构建了基于决策树和bayes混合模型的集成分类方法 WE-DTB,并利用典型的概念漂移检测机制Hoeffding Bounds和μ检验来进行数据流环境下概念漂移的检测和分类。大量实验表明,WE-DTB能够有效检测概念漂移且具有较好的分类精度及时空性能。