基于粗糙集理论的不完备决策表的完备化方法

首先针对不同的条件属性类型,分别给出两对象关于条件属性的相似度,然后给出了t相似度的概念,最后分别就条件属性是离散、连续、序数型的决策表给出了相应的完备化(补齐)算法.实例表明此完备化方法是行之有效的.     

基于项目属性相似和MapReduce并行化的Slope One算法

针对Slope One算法存在预测精度依赖于用户对待预测项目的评分数量的缺陷,提出了一种基于项目属性相似度和MapReduce并行化的Slope One算法。首先计算项目间的属性相似度,并将其与Slope One算法相融合以提高预测精度,然后在Hadoop平台上对改进算法基于MapReduce进行并行化实现。在MovieLens数据集上的实验结果表明,相对于Slope One算法和加权Slope One算法,本文提出的改进Slope One算法具有更高的预测精度,并更适用于大规模数据集。     

基于双因子混合加权相似度的协同过滤推荐算法

针对在数据稀疏和冷启动情况下,使用协同过滤推荐算法中传统相似度算法产生相似度不准确的问题,本文将传统相似算法中修正余弦相似度算法与基于用户属性的相似度算法加权混合,引入双因子作为权重,双因子用sigmoid函数定义,以阈值与读者借阅量的差值为变量,当读者借阅量大于(小于)阈值时,数据不稀疏(稀疏),修正余弦相似度算法权重自动增加(降低),基于用户属性相似度算法的权重自动降低(增加)。这种自动调整2种相似度算法权重的方法,既考虑了传统相似算法的优点,又避免其缺点。通过实验证明,改进后的算法提高了相似度计算的准确性,提高了推荐精度,在一定程度上解决了数据稀疏和冷启动下产生的相似度不准确问题。     

一种面向于混合属性数据的聚类改进算法及其在客户细分中的应用

K-prototypes算法只适合处理对称标称型数据、序数型数据和区间型数据,对于用户兴趣等非对称型数据之间的相异度计算,如果采用对称标称型数据间的计算方法,则误差较大,而且设定的分类属性权重调整系数不容易确定。在考虑多种属性数据特征的基础上,对K-prototypes算法加以改进,提出一种简单的各类属性权重系数计算方法,即按属性比例初步计算各类属性权重,并分别配以微调系数进一步微调。同时扩展其算法,使其可以更好地处理非对称标称型数据,提升聚类效果。最后在实际的客户细分应用中验证其有效性。     

一种引入加权异构信息的改进协同过滤推荐算法

协同过滤作为当前应用最成功的推荐技术之一,其推荐质量在很大程度上取决于近邻用户选取的准确性,而数据的稀疏性问题（sparsity）和相似度度量方式（similarity metrics）严重影响着最近邻的选择。该文提出了一种引入加权异构信息的改进协同过滤算法。首先利用异构网络中丰富的语义信息和边属性信息,得到用户之间基于不同元路径的相似度;然后将相似度分别应用到典型的基于用户的协同过滤推荐算法中,得到基于每个相似度的用户评分值;最后采用监督学习算法为每个打分值分配不同的权重,融合为用户最终评分。在扩展MovieLens经典数据集上的实验结果表明,本文所提算法在精确度上较传统算法有显著提高。     

属性分布相似度吸引子传播聚类算法研究

传统吸引子传播聚类算法对数据类型敏感,文中提出一种改进的吸引子传播聚类算法,将JACCARD系数引入对象间属性分布相似度,并与吸引子传播聚类算法结合。仿真实验结果表明,该算法收敛速度快,聚类精度高,明显提高高维稀疏数据的聚类性能。     

融合用户属性的协同过滤推荐算法在政府采购中的应用

在政府采购领域,由于数据不包含采购单位对采购商品的评分,而且目前无法获取用户的行为数据,故在实施推荐时,传统的用户相似度计算方法存在不足。针对该问题,在Jaccard系数计算方法的基础上,考虑采购单位固有的属性信息,对传统的用户相似度计算方法进行了改进,并提出了一种融合用户自身属性的基于用户的协同过滤算法。实验结果表明:本算法在一定程度上提高了系统的推荐质量。     

基于属性相似度的属性约简算法

为解决粗糙集属性约简算法存在的诸多问题，从属性相似度出发推导出属性相似度与粒度相似度的一致性，进而提出了一种基于属性相似度的属性约简算法，主要包括采用分明矩阵法求条件属性集的约简，核的求取，可省属性的相似度计算和最简约简的求出等步骤，仿真与对比分析表明其计算简便、效果显著。     

一种基于包含关系的空间面对象条件离群检测算法

提出了一种基于包含关系的空间面对象条件离群检测算法DCOP-IR(detecting conditional outlier polygons based on inclusion relations),该算法针对空间面对象的包含关系和非空间属性,定义了一种相似度度量方法,利用基于密度的离群查找算法,先检测出整体的空间离群对象,然后在一定的条件属性下检测空间条件离群对象。实验结果表明,算法DCOP-IR能准确地检测出满足一定条件属性的空间离群对象,并具有较高的效率。     

面向属性概念格基于覆盖的压缩

提出了一种直接从形式背景出发,获得简化面向属性概念格的方法。针对一个形式背景,引入对象集和属性集上的相似度,产生对象邻域与属性邻域,进而根据对象的相似程度或属性的相似程度来调整对象邻域或属性邻域的大小,控制面向属性概念格节点的个数,实现对面向属性概念格的动态压缩。该方法可以分别从对象的覆盖和属性的覆盖两个角度压缩面向属性概念格中节点的个数,且压缩后的概念集为原概念集的子集,从而达到简化知识库的效果。