按需动态组织的知件库系统

“知件”是一个由中科院陆汝钤教授提出的将知识模块化的全新概念。基于知件概念提出并构建了一个按需动态组织的知件库系统。该知件库系统支持对知件的获取、表示、存储和管理。与全局知识库相比,这种知识的组织和管理方式有效地减少了知识管理和演化的代价。进一步地,知件库系统通过运用特定的知件关联算法,支持知件的检索、知件之间关联结构的动态配置和相关知件之间关联关系的展示,从而满足不同应用场景下的个性化知识需求。     

基于模糊控制的H.264宏块层码率控制算法

针对H.264码率控制模型的不足,提出了一种新的宏块层的码率控制算法.该算法首先利用帧的时空间相关性对宏块的MAD值进行预测,然后引入了智能控制中的模糊控制方法来对码率输出进行控制,使得码率控制不再依赖于以往的各种统计模型.由于省去模型参数的更新,算法的计算复杂度有一定程度的降低.实验结果表明:与JM8.6原算法比较,该算法能在提高码率控制精度的同时,提高图像的恢复质量.     

中国产业结构变动的能源消费影响——基于灰色关联理论和面板数据计量分析

本文在利用经济增长的产业分解模型分析对经济增长贡献的基础上,以中国近20年来的数据为样本,采用灰色关联分析法分析产业结构和能源消费的关联效应,并利用面板数据计量模型进一步分析1995年以来产业内部各行业的能源消费特征,总结出:第二产业对能源消费总量的影响最大,灰关联度高达0.905,产业结构地位不断提升,对GDP增长的贡献稳步上升,中国经济的增长主要依靠能源高消耗的第二产业来拉动;一、三产业和能源消费的关联性也较高,但一产的经济贡献呈下降趋势,三产稳步不前,对经济增长的贡献有限;在产业内部,工业是能源消费能力最强的行业,行业影响因子最高。     

基于属性关联的数据库推理控制

数据库推理控制问题是数据库安全研究的重要组成部分．采用属性统一的描述敏感信息，通过属性间的关联关系刻画了对敏感信息进行推理的一般过程．研究了推理通道的检测方法和两阶段的推理控制策略．提出了一种通用的基于属性关联的有效和完备的推理控制方法．并给出了相应算法．     

基于耦合的建筑节能综合评价模型的建立

如今,随着我国经济飞速发展,能源短缺问题日益凸显,而我国正处于建设高峰期,建筑能耗占我国能耗量的近30%。本文通过构造建筑节能评价指标体系,建立了基于耦合的灰色关联度和层次分析法的决策模型,并通过典型建筑案例进行实证,对建筑节能进行综合评分,得出最优化的设计方案,为选择高效节能建筑提供了行而有效的方法。本研究为决策者准确地评估节能效果,选择优秀的节能建筑提供了有力的理论依据。     

基于概念格的语义相关度计算

为了提高检索信息的相关度和检索效率,基于形式概念分析的理论,提出了一种利用概念格来计算词汇之间语义相关度的计算方法,并将其应用到信息检索当中.实验结果表明,基于概念格的语义相关度计算方法是有效的,且该方法在信息检索系统的语义理解方面能起到很好的支持作用.     

气象要素对水面蒸发量影响程度的灰色关联分析

根据新疆玛纳斯县气象站1996年至2003年小型蒸发皿蒸发量及相关常规气象观测资料,利用灰色关联度分析法分析了各气象要素对水面蒸发的影响程度,结果表明各气象要素对小型蒸发皿月平均水面蒸发量的影响程度从大到小的排列顺序均为气温、降水量、风速、日照时数。希望从气象因素的角度出发,为灌区内大中型平原水库的优化调度提供理论参考。     

印刷品色彩质量评价体系结构及算法

建立了3个层次的色彩质量评价体系,第1层次是对各墨区的各颜色分别进行评价;第2层次是对各墨区的色彩质量进行综合评价;第3层次是对整幅画面的色彩质量进行评价.对各个层次的评价算法进行了研究,其中第1层次的评价采用模糊层次综合评判法,建立了2级递阶层次结构,用灰关联分析法确定各因素间的相对重要程度,然后用层次分析法确定各因素的权重,最后用最大隶属度法确定评价结果;第2层次的评价采用加权算术平均法和模糊综合评判法;第3层次的评价采用加权算术平均法.算例表明,该评价体系结构及算法能对印刷色彩质量进行客观而准确的评价.     

信息检索中的聚类分析技术

信息检索/搜索引擎技术的快速发展使得信息的查全率有较大提高,而查准率以及人们获取信息的效率改善却不明显。文本聚类和多文档关键词的自动生成技术将有助于解决这一问题。其基本思想是对检索到的部分文档进行聚类处理,并对每类文档自动生成关键词,从而帮助用户判断各个类别的文档和检索需求是否相关。该文提出文档相关度和类别相关度的概念,并利用词频信息以及知网(HOWNET)中词的概念计算模型计算类别相关度,将其作为聚类合并的依据。信息获取的仿真实验表明文档检索效率有较大提高。     

Combined use of association rules mining and clustering methods to find relevant links between binary rare attributes in a large data set

A method to analyse links between binary attributes in a large sparse data set is proposed. Initially the variables are clustered to obtain homogeneous clusters of attributes. Association rules are then mined in each cluster. A graphical comparison of some rule relevancy indexes is presented. It is used to extract best rules depending on the application concerned. The proposed methodology is illustrated by an industrial application from the automotive industry with more than 80 000 vehicles each described by more than 3000 rare attributes.