一种基于协同作用网络的特征模块搜索算法

如何利用数据挖掘领域的特征选择技术,从高维复杂的组学数据中提取关键特征一直是研究重点。对此,针对组学数据特征间存在的复杂关联关系进行研究,提出了基于协同作用网络的特征模块搜索算法。该算法利用交互增益值构建协同作用网络,通过衡量候选节点与当前特征模块连接的紧密程度,同时结合节点自身分类性能实现模块搜索,确定重要特征。在十个数据集上对该算法的性能进行了测试分析,在分类准确率、灵敏度、特异性三项指标上该算法与对比算法相比均有优势,这表明其所确定的网络模块性能更优。     

车辆安全跟驰模式预测的形式化建模方法

由于传统车辆跟驰建模预测方法无法遍历车辆所有可能的系统输入与运行状态的不确定性, 因而不足以从理论上保证对周边车辆安全跟驰行为预测的完整性与可信性. 为此提出车辆安全跟驰模式预测的形式化建模方法. 该方法利用随机可达集的遍历表现特征实现对周边车辆行为预测的不确定性表述, 并通过马尔科夫链逼近可达集的方式表达系统行为状态变化的随机性, 从而完成对周边车辆跟驰行为状态变化的精确概率预估. 为了表达跟驰情形中车辆之间的行为关联影响以及提高在线计算效率, 离线构建了关联车辆在状态及控制输入之间的安全关联矩阵, 描述周边车辆的安全跟驰控制输入选择规律, 并综合相关车辆的当前状态信息, 达到对周边车辆安全跟驰行为的在线分析与预估. 数值验证不仅表明提出的建模方法完备地表述了周边车辆所有的安全跟驰行为及过程, 显著提高了预测的精确度, 也论证了该方法对车辆跟驰控制策略建模分析与安全验证的有效性.     

基于用户购买记录的改进协同过滤推荐

提出一种基于用户购买记录的改进协同过滤推荐.用户的购买记录在一定程度上反映用户的偏好和购买习惯,采用用户项目购买数量矩阵,使用改进的相似度计算用户之间的相似度,结合用户购买商品之间的关联关系,对目标用户的购买数量进行预测,实现基于用户的协同过滤推荐.实验结果表明,该算法降低了数据稀疏性,使推荐结果更加精确可靠.     

数据集的粒化树及其建模应用

通过对数据集的不同划分,得到了基于数据集的粒化树。结合关联元素的信息,建立了基于不同数据集粒化树之间的关联关系,确定了两种粒化树中的两条关联链,促成了它们经关联元素的相互联系。由于每一关联链中的粒从粗到细逐步变化,使得关联元素与粒度的逐步细化密切相关,这是粒计算数据处理模式的体现。相关的结论为人才供求问题的算法描述提供了数学模型,并通过实例予以展示。     

虚拟样机中模型库关联关系的研究

为了解决复杂产品虚拟样机模型库管理方法引起的虚拟样机间模型的可复用性低、共享性低、存储不方便等问题,提出了一种基于虚拟样机中模型库关联关系的管理方法.通过对虚拟样机协同开发过程分析,建立了基于功能级的元模型.通过研究元模型间的约束关系发现了关联关系层,并实现了基于关联关系的模型库管理系统,在一定程度上解决了以上提出的问题.     

一种基于分簇的传感器网络数据查询方法

基于传感器网络的特性,根据查询与簇头节点的数据关联关系,对簇头节点的通信能量消耗和查询响应时间进行了分析,提出了一个估算模型,给出了节省能量优先和查询响应时间优先的算法.性能分析表明,该方法提高了查询效率,降低了传感器网络的能量消耗.     

基于MRIO与SNA的中国水资源空间转移网络分析

基于2002年、2007年和2012年的多区域投入产出表的相关数据,利用多区域投入产出(MRIO)模型和社会网络分析法(SNA)分析了中国水资源流动网络的空间关联性和结构特征。结果表明:网络中的链接数量没有随水足迹贸易值的增加而增加,链接路径上的流量不断增加,网络的韧性不够,空间关联渠道有待拓展,存在一定的等级差异,稳定性需要加强;网络中一些省份链接的增加,会削弱其他省份的链接数目,这种可塑性特征有利于在全国范围内合理配置水资源;将网络划分为4个板块,板块间的溢出关系主要是以板块内部为主,且少数板块之间没有任何的溢出关系。     

基于半监督图聚类的项目主题模型构建方法

项目文档主题表征的好坏直接影响后续评审专家的推荐效果.为有效利用项目文档片段之间的关联关系进行项目主题分析,提出一种基于半监督图聚类的项目主题模型构建方法.该方法首先分析项目文档的结构特点,提取项目名称、项目关键字等能表征主题的结构信息,结合专家证据文档、专家主题关系网等能表征专家主题的外部资源,定义及提取项目文档片段之间的关联关系特征;然后,利用不同类型的关联关系计算项目文档片段之间的相关性,构建项目文档片段间的无向图模型;最后,利用已标记关联关系特征作为聚类的监督信息,采用半监督图聚类算法对项目文档片段进行聚类,从而实现项目主题的提取.项目主题提取对比实验结果验证了所提方法的有效性,项目文档结构化特征、专家证据文档以及专家主题关系网对项目主题模型的构建具有一定的指导作用.     

网络表格间的快照关系发现

近年来,互联网上涌现出大量结构化的表格数据,网络表格的价值不仅在于数据本身,还在于数据之间的关系。只有探测出表格之间潜在的关系,方能更好地利用这些结构化数据。因此提出发现网络表格间的快照关系,并给出发现快照关系的框架以及检测与给定表之间满足某种匹配关系的快照表的算法,快照表可用于优化查询以及在大数据环境下实时地返回部分查询结果。提出了基于实体和属性重合度的评分方法,并引入实体新鲜度的概念,使得算法在快照关系的发现过程中更多地关注能提供新鲜实体的表;与此同时,基于Bayes模型的表格内容增强算法能更加准确地判断属性列上值的一致性,从而提高快照关系发现的准确率。大量实验表明,该评分模型能发现高质量的快照表,且在快照的查询精度和召回率上表现出色。