多策略概念相似度计算方法LMSW

本体映射是语义集成的关键,国内外对本体映射进行了深入的研究。将机器学习的方法引入到组合概念相似度的权值计算中来,提出了基于Widrow-Hoff理论的权值确定算法LMSW。通过梯度下降法来搜索最佳拟合训练样例的权向量,从而计算出组合的概念相似度,最终实现组合多种概念相似度算法的本体映射。实验表明该算法比单独使用概念相似度计算方法在查全率、查准率上均有所提高。     

基于AHP的多策略映射与集成方法

针对目前本体映射中使用多策略计算概念间相似度和对相似度进行集成时存在的问题,对部分关键策略进行相应的改进,提出利用层次分析法对多策略计算出的相似度进行定量的权值分配。实验结果表明,该方法对多策略的改进是有效的,可较好地区分不同策略得出的相似度对映射结果的重要程度,提高本体映射的查准率。     

基于加权语义网和有效信息的个性化用户兴趣建模*

为了提高个性化用户兴趣建模的准确率,对用户建模过程进行了优化。在计算文档相似度时,综合考虑特征词的语义关系以及在文档中的分布情况,引入加权语义网,提高了文档相似度计算精度;在计算兴趣度权值时,引入有效信息的概念及量化方法,以解决用户兴趣类权值计算过于主观的问题,并提出具体权值算法,提高了权值计算的准确性。实验结果表明,改进的方法在用户兴趣聚类和兴趣类别权值计算的准确率上都较以往方法有较大提高。     

基于加权二部图匹配的中文段落相似度计算

为了改进传统以向量空间模型（VSM）为代表的基于词频统计的方法在中文段落相似度计算时存在的精度不高问题,在基于加权二部图匹配的思想上提出了一种计算中文段落之间相似度的方法。该方法将相似度计算分为段落和句子两个层次,将句子作为简单段落看待,也使用二部图匹配进行相似度计算。首先利用句子主干词汇提取算法来提取句子的主干词汇,将主干词汇作为二部图的顶点,把主干词汇之间的相似度作为二部图顶点之间的权值系数,进行句子相似度的计算。其次,将句子作为加权二部图的顶点,把句子之间的相似度作为二部图顶点之间的权值系数,进行段落之间的相似度计算。实验结果表明,该方法与VSM相比,由于它能准确识别同义词,自动匹配两个在段落中不同位置的相似词语,因而在准确度上有了很大的提高。     

基于MMW和ICER加权匹配的超声缺陷识别

提出了一种在不同缺陷类别判断时参数分配不同权值的加权匹配法,目的是在计算日标信号与某一具体类别缺陷信号之间的相似度时更具有针对性,从而避免冗余特征对缺陷识别带来不利影响.提出了一种ICER法确定加权算法中的权值,该方法考虑重构信号参数对缺陷识别的不同影响系数,并结合经验对权值进行分配.利用现场采集信号的测试结果表明,改进的Morlet小波能有效提高信号信噪比.采用ICER加权匹配法能有效提高缺陷类别识别的准确性.     

基于相似粗糙集的案例特征权值确定新方法

针对现有案例特征权值确定方法客观性差、算法复杂等问题，首先介绍和完善了基于传统粗糙集的权值确定方法．其次，针对基于传统粗糙集的方法会造成案例相似度测量误差从而影响案例推理的准确性的问题，将传统粗糙集的不可分辨关系推广为相似关系，提出了一种基于相似粗糙集的案例特征权值确定方法．给出了相似粗糙集的基本定义，以及利用该方法基于差别矩阵进行特征权值计算的两个定理．最后，用实例表明了方法的有效性．     

基于变系数词性空间权值定义的英文句子相似度算法研究

对短文本中词项按词性进行切分构建词性向量,将词性向量中词项进行归并构建词性空间,首次提出对词性空间的权值进行动态定义.词项在词性空间中映射权值通过词项词频信息和WordNet语义词典得到,短文本之间相似度运算转换为各词性空间相似度协同运算.将改进的文本相似度算法运用于微软研究院释义语料库上,实验结果表明,改进的文本相似度算法使得文本相似度计算的准确率和稳定性有了较大的提高.     

基于大规模语料库的汉语词义相似度计算方法

词义相似度的计算是自然语言处理领域的关键问题之一,它在信息检索中的查询扩展、机器翻译中的模块识别,以及句法分析、词义消歧等任务中都发挥着重要的作用。该文研究了基于大规模语料库的汉语词义相似度计算方法,系统地比较分析了上下文特征权值的选择、向量相似度计算方法、基于窗口和基于依存关系的表征形式、新闻语体和网络语体的差异。实验结果表明,在网络语言语料上,基于窗口选取上下文特征,用互信息PMI来计算权值,采用cosine来计算相似度,取得了最好的词义相似度结果。     

基于动态权值的关联数据语义相似度算法研究

语义相似度计算对关联数据的信息检索有重要作用,直接影响数据的语义挖掘效果。实例的属性信息是关联数据语义相似度计算的一个重要因素。针对传统的关联数据语义相似度算法未考虑属性的重要性和取值类型导致计算精度较低的问题,提出基于动态权值的关联数据语义相似度计算方法,即根据待匹配的数据集中属性不同取值的数量、属性值的分布以及属性的有效性3个因素动态计算属性的权值,然后依据属性取值类型选用匹配相似度算法,最后结合属性的动态权值对概念进行实例的相似度计算。实验表明,基于动态权值的相似度计算方法与传统方法相比,实例相似度的计算精度得到了一定的提高。     

基于属性加权的检测机构相似度计算模型及实现

为了解决检测机构这一特殊对象之间的相似度计算问题,提出一种基于属性加权的相似度计算方法。通过层次分析法计算检测机构属性的权重,计算各个对应属性间的相似度,加权求和得到两家检测机构之间的相似度。该计算实例表明方法的有效性。     

Allocating the fixed cost based on data envelopment analysis in view of the Shapley value

This paper considers fixed cost allocation in view of cooperative game theory and proposes an approach based on data envelopment analysis while incorporating the perspectives of coalition efficiency and the Shapley value. To do this, we first build two models to evaluate coalition efficiencies before and after cost allocation, and we prove that all coalitions can be efficient after fixed cost allocation. Then, following the premise that each coalition makes itself efficient without reducing the efficiencies of other decision-making units' preallocation efficiency, we propose a model that determines the acceptable range of each coalition's allocated fixed cost. Furthermore, a model is constructed to determine the final cost allocation based on three principles: efficiency, monotonicity, and similarity. Moreover, the Shapley value is employed to obtain the cost allocated to each decision-making unit (DMU). The proposed approach considers the relationships among DMUs across their forming coalitions to determine their interaction types and then generates a fixed cost allocation result that possesses the features of the Shapley value. This process makes the fixed cost allocation more acceptable. Finally, a simple numerical example and an empirical case are provided to illustrate the calculation process of the proposed approach and compare our approach with the traditional methods.     

脑激活任务区分度的分析及应用研究

大脑在执行不同类型任务时激活模式各不相同,变化很大,各个脑区的变化程度也不同。据此,提出任务区分度计算这一全新的方法。用相似性度量对任务态功能磁共振成像（functional Magnetic Resonance Imaging,fMRI）分析,衡量大脑在执行不同条件时各个脑区激活模式的区分程度,揭示大脑各个区域对任务的表征能力。实验对正常人和狂躁症患者记忆提取任务的fMRI数据进行分析,使用皮尔逊相关分析、余弦相似度分析和欧几里德距离计算3种常用的相似性度量方法,并计算各个脑区的任务区分度。结果表明区分度较高的脑区参与记忆、注意和视觉信息等功能,表明了该方法的准确性和科学性。狂躁症患者在负责记忆和注意等脑区的任务区分度较正常人低,表明患者脑功能受损。此外,研究还发现基于皮尔逊相关分析的区分度计算表现较好。通过与SVM方法的对比证明了该方法在区分不同任务的激活模式时的优越性。综上,基于相似性度量的脑激活任务区分度的方法能够适用于任务态fMRI分析及其相应的脑功能分析。     

案例推理变权值引擎模型及权值计算方法

在案例推理（CBR）案例检索匹配中,不同案例通常由不同的特征构成。而传统的CBR引擎模型大多采用固定权值模式,导致系统在匹配精度方面的性能很低。为了解决这一问题,提出一种CBR变权值引擎模型,在其特征权值计算模块引入人机互动机制,基于群决策法计算主观权值,提出依据专家个体和群体决策差异的主观权值调整方法;基于相似粗糙集法计算客观权值。最后设计了一种综合权值调整算法,通过计算主观权值和客观权值间的距离,判断两者的偏离程度,从而推导出权值调整系数,得到最终的权值调整结果。通过网络攻击案例进行的算例分析和仿真实验验证了上述方法的正确性和优越性。     

Large group decision-making based on interval rough integrated cloud model

Since different uncertainties exist in the large group decision-making (LGDM) process, such as randomness, diversity and fuzziness, a single method may be insufficient to address LGDM. Hence, this paper proposes a hybrid model that a new similarity calculation method for cloud model, the netting clustering and interval rough integrated cloud (IRIC) are combined to solve LGDM in uncertain linguistic environment. First, a new similarity method for cloud model is presented, based on which a netting clustering method is provided. The similarity calculation method has higher differentiation degree and has overcome some shortcomings of previous ones. Second, two hybrid-weighting methods are utilized respectively to calculate expert weights and attribute weights for making the decision-making process more credible and scientific. Finally, the IRIC method is applied to LGDM for dealing with the randomness and uncertainty. In addition, an example is offered to demonstrate the application of the proposed approach. According to a time-consuming test, the proposed method is more suitable to address LGDM in the big data environment.     

基于粗糙集定权的网络安全态势要素提取方法

针对当前网络安全机制存在的重复报警过多的问题,提出了一种基于属性相似度和粗糙集定权的网络安全态势要素提取方法.通过定义报警各属性相似度计算函数,得出各属性相似度;属性权重的确定采用粗糙集定权方法,通过对历史恶意行为数据进行学习得到,不依赖经验知识,提高了权重确定的客观性;对各属性相似度进行加权平均得到报警整体相似度,通过判断整体相似度是否超过预设阈值来实现报警聚合.最后,算例分析验证了该方法能有效减少重复报警.     

基于纹理指示图的非局域去噪改进算法

非局域均值算法（NLM）是一种有效的去噪算法,能够在去噪的同时充分保护图像纹理信息。但是在像素的平滑中,权重分配过度依赖像素块相似性,缺乏其他更有效信息的指导,另外原算法计算量过大也是制约其应用的一个瓶颈。提出了一种基于图像纹理指示图的NLM快速改进算法TNLM。该指示图利用二维DCT变换对图像每一个像素为中心的小块进行分析,获得全图像素的纹理重要性指示图,将该指示图引入到传统NLM算法以改进去噪效果。同时,也对算法进行加速优化,通过改进的积分图技术、快速傅里叶变换和块预选技术,提高了算法的速度。实验证明,该算法的处理效果和速度都优于传统算法。     

Fairness performance of dynamic weights in the ATM ABR service

Traditional schemes fail to achieve fair distribution of bandwidth among available bit rate connections. In this paper, a new scheme called Active Fairness is proposed which substantially improves fairness in bandwidth allocation. Contrary to one set of weights used in traditional schemes, Active Fairness maintains two sets of weights at each link. The first set is the same as that used in traditional schemes, which represents the relative bandwidth allocation desired out of the available bandwidth at the link. If these weights are used directly in bandwidth allocation, the actual proportion of the bandwidth utilized by an individual connection can deviate substantially due to factors such as the number of links traversed by the connection, its round-trip propagation delay, etc. In order to take into account these factors, another set of weights (dynamic in nature) is derived at each link, which is used in bandwidth allocation. Active Fairness achieves significant fairness improvement which is demonstrated through simulations involving bursty background traffic, network bottlenecks, dynamic VC mixes and different fairness definitions.     

基于概念特征的语义相似度计算方法

现有语义相似度计算方法没有充分利用本体中的语义信息,且计算方法复杂。为此,提出一种基于概念特征的语义相似度计算方法。根据概念在本体中的层次结构来确定特征集合,引入宽度影响因子,给每个特征赋予不同的权值,通过计算2个概念特征集合间的相似度得到概念的相似度,引入深度影响因子,将相似度公式表示成更直观的形式。实验结果表明,该方法计算简便,且比较接近人类主观的判断值。     

融合《知网》和搜索引擎的词汇语义相似度计算

针对当前《知网》的词语语义描述与人们对词汇的主观认知之间存在诸多不匹配的问题,在充分利用丰富的网络知识的背景下,提出了一种融合《知网》和搜索引擎的词汇语义相似度计算方法。首先,考虑了词语与词语义原之间的包含关系,利用改进的概念相似度计算方法得到初步的词语语义相似度结果;然后,利用基于搜索引擎的相关性双重检测算法和点互信息法得出进一步的语义相似度结果;最后,设计了拟合函数并利用批量梯度下降法学习权值参数,融合前两步的相似度计算结果。实验结果表明,与单纯的基于《知网》和基于搜索引擎的改进方法相比,融合方法的斯皮尔曼系数和皮尔逊系数均提升了5%,同时提升了具体词语义描述与人们对词汇的主观认知之间的匹配度,验证了将网络知识背景融入到概念相似度计算方法中能有效提高中文词汇语义相似度的计算性能。     

一种基于短文本相似度计算的知识子图融合方法

知识图谱作为语义网的数据支撑,被广泛应用于语义搜索、深度问答和在线教育等领域.知识融合是构建知识图谱的一个重要环节,将知识图中结构信息和语义信息进行融合是目前的研究热点.本文结合众包的方式,提出了一种基于短文本相似度计算的知识子图融合方法.该方法平衡各结点的结构连接和语义信息,通过学习融合权重,将高维向量转换为双邻接矩阵,得到具有高属性语义相似性的密集连接图.实验结果表明,本文提出的"群体智慧"方法能提升文本相似度计算的准确率,提高融合的质量.