粗糙集在残缺数据样本中的应用

数据样本集是人工智能发展需要的主要要素,所以要求提供的数据样本集,应该是全面的、有效的集合。当所提供的数据样本集残缺不全,会影响人工智能的有效应用。针对此问题,论文提出一种基于粗糙集理论的数据样本集补全方法,能科学的、正确的、有效的补全数据样本集,为提高人工智能的决策推理,铺平了道路。     

数据样本集残缺的粗集解决法

数据样本集是人工智能发展需要的主要要素,所以要求提供的数据样本集,应该是全面的、有效的集合。当所提供的数据样本集残缺不全时,会影响人工智能的有效应用。针对此问题,文章提出了一种基于粗集理论的数据样本集补全方法,能科学的、正确的、有效的补全数据样本集,为提高人工智能的决策推理,铺平了道路。     

基于改进的K近缺失数据补全

针对化工过程中的数据样本缺失的问题,本文基于改进的K近邻算法对样本数据缺失值补全的方法进行了研究,阐述了K近邻补全算法的基本思路,并针对K近邻补全算法在缺失数据的K个最近邻的选择上可能存在的偏好,提出了一种改进的数据补全算法,有效的解决了K近邻补全算法在近邻选取上的偏向性。根据K近邻补全算法选取的K个近邻数据与缺失数据之间的距离,对K个近邻作加权,使得补全的数据更趋合理。仿真实验证明:改进的K近邻补全算法可以对样本的缺失部分进行更加有效的补全,从而扩展了软测量建模可用的样本数量。     

基于高频小波损失的生成对抗人脸补全方法研究

基于生成对抗网络架构设计一种新的人脸补全模型。在生成网络中使用空洞卷积以增加特征图的感受野,提升网络性能;针对生成补全图像模糊,提出基于小波分解的损失函数设计方法,将图像转换到小波空间,提取高频信息作为l_1小波损失,有效提升人脸图像补全的质量。对VGGFace2人脸数据集下半部分人脸进行遮挡,作为训练数据集,以LFW数据集遮挡,进行人脸补全测试结果分析。实验结果表明,所设计算法的网络补全后的人脸结构相似性(SSIM)达到0.803 4,峰值信噪比(PSNR)达到20.946 7,有效提升了人脸补全的效果。     

基于生成式对抗网络和正类无标签学习的知识图谱补全算法

随着知识图谱的应用越来越广泛，绝大多数真实世界的知识图谱通常具有不完备性，限制了知识图谱的实际应用效果。因此，知识图谱补全成为了知识图谱领域的热点。然而，现有方法大多集中在评分函数的设计上，少部分研究关注了负样本抽样策略。在改善负样本抽样的知识图谱补全算法的研究中，基于生成式对抗网络的方法取得了不错的进展。然而，现有研究并没有关注到负样本存在假阴性标签的问题，即生成的负样本中可能包含真实的事实。为了缓解假阴性标签问题，提出了一种基于生成式对抗网络和正类无标签学习的知识图谱补全算法。该方法利用生成式对抗网络生成无标签样本，并使用正类无标签学习缓解假阴性标签问题。在基准数据集上进行的大量实验证明了所提算法的有效性与准确性。     

不完整张量上基于流形学习和张量分解的特征提取

针对不完整张量数据的特征提取问题，传统的“两步走”方法，即先张量补全再特征提取，难以避免无关特征增大填补误差，进而影响特征提取的效果；而近年提出的TDVM方法尽管可以同时进行张量补全和特征提取，但由于没有考虑数据的局部结构特点，特征提取效果仍不理想.因此，本文提出一个基于流形学习和张量分解的不完整张量特征提取方法：MLTD.首先，利用“部分距离法”和非负对称矩阵分解得到完整的样本相似矩阵，进而得到样本近邻图；然后，根据近邻图建立基于流形学习和张量分解的特征提取模型，主要思想是将方差最大化和局部保持投影策略融入张量分解中.该方法可以直接从不完整张量中提取有效特征，同时保留数据的局部结构特点.本文在4个图像数据集上与5种较新的方法进行对比.实验结果表明，新提出的方法在张量补全和利用所提取的特征进行分类时性能上都有显著的优越性.     

基于多视角缺失补全算法的数据挖掘研究

针对数字化信息复杂度带来的海量多视角数据问题,并考虑到在大量的多视角数据的获取过程中,由于收集的难度、高额成本或设备故障等情况,往往会导致多视角数据出现视角缺失。提出了一种基于核回归的多视角数据缺失补全方法,采用离线核回归模型学习和在线多视角缺失数据补全构建了算法框架,通过引入高斯核核函数的方式,建立视角间的非线性回归模型,结合训练数据的线性组合来表示回归系数的最优解,以完成挖掘多视角数据间的互补相关性,有效实现缺失视角的补全。最后通过模拟三类数据集来验证基于多视角缺失补全算法的性能。     

结合多重嵌入表示的中文知识图谱补全

近年来，随着知识图谱相关技术的不断发展，各方面研究对知识图谱本身的需求也不断加强。然而现有的知识图谱无法完全覆盖整个真实世界，同时在知识正确性以及时效性等方面存在问题，这使得知识图谱补全越来越受到研究者的关注。在中文环境下，知识图谱补全任务又呈现出与英文图谱补全任务不同的特性。该文对中/英知识图谱补全任务进行了对比分析，将中文图谱中出现的错误进行了归类。根据该分析结果，该文提出将三元组中实体和关系嵌入表示、实体和关系描述文本嵌入表示结合的链接预测方法MER-Tuck,该方法利用外部的语义补充来加强矩阵分解模型的学习能力。为了验证该方法的有效性，该文为中文知识图谱补全任务构建了新数据集。在该数据集上将该文的方法与主流的链接预测方法进行比较，实验结果表明该文所提方法是有效的。     

面向混合数据的代价敏感三支决策边界域分类方法

针对现有三支决策模型的研究对象多为单一性数据的决策系统,对于混合数据边界域样本处理的研究相对较少,本文面向混合数据提出了基于核属性的代价敏感三支决策边界域分类方法。该方法基于正域约简计算混合邻域决策系统的核属性集,在此基础上计算混合邻域类,并利用三支决策规则分别将对象划分到各决策类的正域、边界域和负域;提出了一种基于代价敏感学习的三支决策边界域分类方法,并构造了误分类代价的计算方法,以此划分边界域中的对象。通过对UCI上的10个数据集进行实验对比与分析,进一步验证了本文方法,为处理边界域样本提供了一种可行有效的方法。     

嵌入Transformer结构的多尺度点云补全

目的 当前点云补全的深度学习算法多采用自编码器结构,然而编码器端常用的多层感知器（multilayer perceptron,MLP）网络往往只聚焦于点云整体形状,很难对物体的细节特征进行有效提取,使点云残缺结构的补全效果不佳。因此需要一种准确的点云局部特征提取算法,用于点云补全任务。方法 为解决该问题,本文提出了嵌入注意力模块的多尺度点云补全算法。网络整体采用编码器—解码器结构,通过编码器端的特征嵌入层和Transformer层提取并融合3种不同分辨率的残缺点云特征信息,将其输入到全连接网络的解码器中,输出逐级补全的缺失点云。最后在解码器端添加注意力鉴别器,借鉴生成对抗网络（generative adversarial networks,GAN）的思想,优化网络补全性能。结果 采用倒角距离（Chamfer distance,CD）作为评价标准,本文算法在2个数据集上与相关的4种方法进行了实验比较,在ShapeNet数据集上,相比于性能第2的PF-Net （point fractal network）模型,本文算法的类别平均CD值降低了3.73%;在ModelNet10数据集上,相比于PF-Net模型,本文算法的类别平均CD值降低了12.75%。不同算法的可视化补全效果图,验证了本文算法具有更精准的细节结构补全能力和面对类别中特殊样本的强泛化能力。结论 本文所提出的基于Transformer结构的多尺度点云补全算法,更好地提取了残缺点云的局部特征信息,使得点云补全的结果更加准确。     

对于粗糙集应用中数据不全的解决方法研究

该文针对在粗糙集理论的应用中,由于本身存在或者经过粗糙集理论处理后,所得到的数据不全、短缺的情况,为了发现新的规则,使整个规则系统完备,能够根据以往的数据给决策者提供全面的决策依据,提出了修正唐建国补全法。修正唐建国补全法弥补了唐建国补全法中事先未考虑数据规则的完整性和盲目地进行数据补全的不足,同时对于其决定规则的决策属性的概率计算进行了修改,从而使规则的决策属性的预测性有了明显的提高。     

人工智能技术在矿山智能化建设中的应用初探

介绍了人工智能技术的相关概念、发展概述及其在煤炭行业发展中的应用,指出目前人工智能技术在矿山应用只是点状结合和浅度结合,没有实现人工智能技术和矿山某个生产或管理系统层面的深度融合。概述了智能矿山的发展历程,指出智能矿山是人工智能技术、大数据技术、物联网技术和矿山实体的深度融合体,利用智能通信、智能控制和智能计算技术实现数字化矿山的计算、处理,构建数字孪生矿山,通过数字孪生矿山和物理矿山的智能交互演化,达到对煤矿安全、高效、绿色的生产控制。构建了将人工智能技术和矿山深度融合的包括设备层、智能层、应用层的智能矿山三层构架:应用层处于智能矿山的最高层,其中的数字孪生矿山子层相当于“数字大脑”,实现矿山最高层次的智能控制;智能层中的智能体要求子系统不仅仅是应用人工智能技术处理子系统所产生的数据,而是从架构上就要将智能计算、智能通信、智能控制融为一体。展望了智能矿山建设的发展趋势:智能化矿山需要加强人工智能技术和矿山融合度的深入研究,将现有的基于人工智能的故障检测、诊断及超前干预技术应用到机器人系统中,智能计算、智能通信、智能控制融合的巡检机器人将是最早能推广的井下智能体之一;智能化矿山需要进一步加强复杂巨系统建模技术的研究,只有建立了矿山的复杂巨系统模型,才能实现采矿活动和环境的协同互动,实现采煤活动的精准控制,复杂巨系统模型的缺乏将是未来智能矿山建设亟需解决的问题。     

试析开发智能Java软件应用于银行服务系统

Java开发智能软件的发展和应用已有很多年了,在其软件系统中所具有的对信息搜索处理的功能和对庞大数据进行分析处理的能力让其软件在银行的服务系统上得到了广泛地运用,经过不断的发展和创新,可以预测在未来社会的发展中,Java开发智能软件在银行服务系统的应用中一定会将它的优点得以全部的发挥出来,在各个行业都能得到广泛的使用。     

银行数据中心灾难恢复设计

采用分布式系统保证银行数据中心的灾难恢复,通过分布在各地的服务器,保证当灾难发生后恢复的自动化。通过数据中心网络整合、数据中心应用智能、数据中心虚拟化、数据存储和灾难恢复策略提高了银行数据中心的灾难恢复能力。     

Decision support and intelligent systems in the textile and apparel supply chain: An academic review of research articles

This article provides a comprehensive review of research articles related to the application of decision support and intelligent systems in the textile and apparel supply chains. Data were obtained from 77 articles published from 1994 to 2009 in 35 journals. The articles were categorized according to their applicability into three basic sectors – textile production, apparel manufacture, and distribution/sales. They were further categorized into 16 subsectors based on their operational and management/control processes. A comprehensive list of categorized journal articles identified in this study provides insights and relevant references for both researchers and practitioners on the application of decision support and intelligent systems to various stages of a textile and apparel supply chain. In light of the developed classification framework, we identify gaps in extending the use of the decision support and artificial intelligent systems in the industry and suggest potential and applicable research areas for further consideration in this subject area.     

通用智能题库系统的设计与实现

介绍了集编、管理、智能组卷,自动排版、试卷质量评估、系统安全保密于一身的通用智能题库系统。并根据各于系统的数据流进行了详细的功能、代码及数据库设计,研制出具有创新性的题库安全保密机制及智能组卷策略。通过应用表明,使用情况良好。     

数据挖掘在人工神经网的应用

介绍了一个基于数据挖掘的人工智能神经网的应用 ,给出了利用神经网络方法及神经网络模型来计算诊断实际症状结果。探讨了基于人工 Application的数据挖掘方法在故障诊断建模领域的应用 ,其他的数据挖掘方法及其结合有待进一步研究     

遗传算法在双圆隧道工程智能咨询系统DT_DSS中的应用

DT_DSS是一个利用多种数据计算模型对现有施工数据进行分析,根据分析结果指导后期施工的智能咨询系统.遗传算法是DT_DSS中众多数据计算模型当中的一种,它主要用于实现预测和控制地面沉降及设计轴线的作用,从而保证后期施工的安全.本文介绍了遗传算法的基本知识,并详细分析它在双圆隧道工程智能咨询系统DT_DSS中的设计实现与应用.