基于PCA及属性距离和的孤立点检测算法

提出了一种基于主分量分析和属性距离和的孤立点检测算法。该方法首先通过主分量分析方法从众多属性中提取出满足累计贡献率的主分量,同时利用PCA变换矩阵把原始数据集转换到由主分量组成的新的特征空间上,之后对转换后的数据集用属性距离和的方法对孤立点进行检测。实验结果证明了基于主分量分析和属性距离和的孤立点检测算法的有效性。     

基于RDFS的本体集成方法

现实中的数据源一般具有半结构化、异构性和分布性等特点,而许多应用需要对不同的相关数据源进行联合操作。本体集成是解决知识共享、异构数据源语义互操作的有力工具。首先分析了本体集成的原因,提出了本体集成时应遵循的4条基本原则;然后提出了一种基于RDFS图闭包的本体集成方法,该方法将RDFS本体抽象为图模型,根据RDFS推理规则和扩展规则生成RDFS本体的图闭包,在此基础上进行本体集成,同时提出了几种计算实体间相似度的方法。最后,将该方法与FCA-merge和COMA++进行实验对比。     

一种基于广度优先搜索的K-means初始化算法

K-means算法是在现实应用中非常广泛的聚类算法,K-means算法对初始中心的选择非常敏感,对已存在的有代表性的初始算法进行了研究,提出了一种基于广度优先搜索的K-means初始化算法。该算法综合考虑了密度与距离因素,选择初始点。分析表明该算法选择的初始点非常接近期望的中心点。     

一种优化的基于项目评分预测的协同过滤推荐算法

通过分析在用户评分数据极端稀疏的情况下,现有的基于项目评分预测的协同过滤推荐算法中项目之间的相似性度量不准确以及新项目的冷开始问题,提出了一种优化的基于项目评分预测的协同过滤推荐算法。该算法在计算项目之间的相似性时,既考虑了项目的评分相似性,又考虑了项目的特征属性相似性。实验表明,优化后的算法使计算出的项目之间的相似性更准确,并有效地解决了新项目的推荐问题,使得数据稀疏性对推荐结果的负面影响变小,显著提高了系统的推荐质量。     

目标识别的神经网络方法

本文在分析人工神经网络特点的基础上,利用多层感知器网络,结合目标图象的几何不变矩特征,对目标图象发生大小变化、位置变化及旋转进行了识别。尤其当目标图象的不同部位被遮挡后,仍取得了令人满意的结果,目标最大被遮挡面积占目标总面积29％。实验证明,神经网络识别方法在图象处理、跟踪和制导领域有广阔的应用前景。     

基于全息图平稳分布因子的离群点检测算法

使用传统的基于图的方法进行离群点检测构造转移概率矩阵需要使用数据的整体分布,容易忽略数据的局部信息,导致检测精度低,而使用数据的局部信息可能导致“悬空链接”的问题。针对这些问题,提出一个基于全息图平稳分布因子的离群点检测算法（HSDFOD）。首先,使用相似度矩阵自适应地获取每个数据点的邻居集合构造一个局部信息图;然后,引入最小生成树构造一个全局信息图;最后,利用局部信息图和全局信息图融合为一个全息图构造转移概率矩阵进行马尔可夫随机游走,并通过生成的平稳分布检测离群点。在人工数据集A1～A4上,HSDFOD的精确率均高于SOD(Outlier Detection in axis-parallel Subspaces of high dimensional data）、SUOD(accelerating large-Scale Unsupervised heterogeneous Outlier Detection）、IForest (Isolation Forest）和HBOS (Histogram-Based Outlier Score）;曲线下面积（AUC）整体上也优于这4个对比算法...     

石油天然气与煤制天然气生产区别和优势

介绍了石油天然气的开采、输送以及煤制天然气的生产工艺过程及优缺点。指出发展煤制天然气对国民经济的战略意义。     

基于滑动窗口的网格实体行为信任评估

现有信任评估方法没有考虑行为历史信息记录的时间自衰减性,并存在一些恶意用户以少次数低价值访问换取高信任的情况。为此,在构造时间校正函数基础上,提出一种基于滑动窗口的网格实体行为信任评估方法,能准确计算出实体信任度,客观反映实体行为的真实性,为系统对实体的后续行为控制提供决策依据。