检索结果-内蒙古大学图书馆

模糊系统与数学 2024年第6期 168-183页

作者：温琦菲张超李德玉刘东航王日中山西大学计算机与信息技术学院山西大学计算智能与中文信息处理教育部重点实验室山西省信息产业技术研究院有限公司

本文为应对概率语言环境下多粒度决策粗糙集在信息融合方面的局限，结合MABAC(Multi-Attributive Border Approximation Area Comparison)法建立了多粒度概率语言三支群决策方法.首先，本文将概率语言术语集与多粒度决策粗糙集相结合，... 详细信息

本文为应对概率语言环境下多粒度决策粗糙集在信息融合方面的局限，结合MABAC(Multi-Attributive Border Approximation Area Comparison)法建立了多粒度概率语言三支群决策方法.首先，本文将概率语言术语集与多粒度决策粗糙集相结合，提出多粒度概率语言决策粗糙集模型；其次，本文利用FUCOM(Full Consistency Method)求解属性权重，在三支决策的框架下计算阈值，将MABAC法与多粒度三支群决策模型进行融合，对计算出的各个阈值进行最优粒度选择来获得最终阈值；再次，本文建立多粒度概率语言三支群决策方法，通过此模型求解出最优方案；最后，本文通过光伏发电效能评价的实例验证所建立方法的可行性.

关键词：多粒度决策粗糙集概率语言术语集 MABAC 效能评价

来源：评论

学校读者我要写书评

暂无评论

一种基于时序关系网络的逻辑推理方法

引用

计算机科学 2021年第5期48卷 239-246页

作者：张姝楠曹峰郭倩钱宇华山西大学大数据科学与产业研究院太原030006 山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

逻辑推理是人类智能的核心,是人工智能领域一个富有挑战性的研究课题。人类的IQ测试问题是衡量人类智商水平高低和逻辑推理能力的常用手段之一,如何让计算机学习拥有类似人类的逻辑推理能力是一个非常重要的研究内容,其目的是使计算机... 详细信息

逻辑推理是人类智能的核心,是人工智能领域一个富有挑战性的研究课题。人类的IQ测试问题是衡量人类智商水平高低和逻辑推理能力的常用手段之一,如何让计算机学习拥有类似人类的逻辑推理能力是一个非常重要的研究内容,其目的是使计算机从给定的图像中直接学习逻辑推理模式,而无需事先为计算机设计先验推理模式。基于此目的,提出了一种新的数据集Fashion-IQ,该数据集中的每个样本包含7张输入图片和1个标签,这7张图片分别为3张包含一种或多种逻辑的问题输入图片和4张选项输入图片,目的是利用机器学习3张问题输入图片中包含的逻辑来预测下一张图片,从而选择正确的选项。为了解决这个问题,提出了一种时序关系模型。针对每个选项,该模型首先使用卷积神经网络提取前3张输入图片和选项图片的空间特征;接着采用关系网络将这4个空间特征两两组合;然后采用LSTM提取前3张问题输入图片和该选项的时序特征,将时序特征与组合好的空间特征相结合得到时序-空间融合特征;最后对前3张输入图片与每个选项得到的时序-空间融合特征进行进一步推理,采用softmax函数进行打分,得分最高的选项就是正确答案。实验结果证明,该模型在此数据集上实现了比较高的推理准确度。

关键词：逻辑推理 IQ测试推理模式时序关系网络时序-空间融合特征

来源：评论

学校读者我要写书评

暂无评论

基于模糊优势互补互信息的有序决策树算法

引用

计算机应用 2021年第10期41卷 2785-2792页

作者：王雅辉钱宇华刘郭庆山西大学大数据科学与产业研究院太原030006 山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

传统决策树算法应用于有序分类任务时存在两个问题:传统决策树算法没有引入序关系,因此无法学习和抽取数据集中的序结构;现实生活中存在大量模糊而非精确的知识,而传统的决策树算法无法处理存在模糊属性取值的数据。针对上述问题,提出... 详细信息

传统决策树算法应用于有序分类任务时存在两个问题:传统决策树算法没有引入序关系,因此无法学习和抽取数据集中的序结构;现实生活中存在大量模糊而非精确的知识,而传统的决策树算法无法处理存在模糊属性取值的数据。针对上述问题,提出了基于模糊优势互补互信息的有序决策树算法。首先,使用优势集表示数据中的序关系,并引入模糊集来计算优势集以形成模糊优势集。模糊优势集不仅能反映数据中的序信息,而且能自动获取不精确知识。然后,在模糊优势集的基础上将互补互信息进行推广,并提出了模糊优势互补互信息。最后,使用模糊优势互补互信息作为启发式,设计出基于模糊优势互补互信息的有序决策树算法。在5个人工数据集及9个现实数据集上的实验结果表明,所提算法在有序分类任务上较经典决策树算法取得了更低的分类误差。

关键词：机器学习决策树算法有序分类模糊数学优势集

来源：评论

学校读者我要写书评

暂无评论

语言模糊环境下三支决策的研究现状与展望

引用

福建师范大学学报（自然科学版） 2025年第2期41卷 24-34页

作者：叶辉文张超丁娟娟林铭炜山西大学计算机与信息技术学院山西太原 030006 山西大学计算机与信息技术学院山西太原 030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原 030006 福建师范大学计算机与网络空间安全学院福建福州 350117

相较于传统三支决策,广义语言模糊环境下的三支决策在处理复杂问题不确定性和模糊性方面表现优异.针对广义语言模糊环境下的三支决策进行系统性综述.首先,总结三支决策和语言模糊集的基本理论模型;其次,探讨最新的发展趋势和应用;然后,... 详细信息

相较于传统三支决策,广义语言模糊环境下的三支决策在处理复杂问题不确定性和模糊性方面表现优异.针对广义语言模糊环境下的三支决策进行系统性综述.首先,总结三支决策和语言模糊集的基本理论模型;其次,探讨最新的发展趋势和应用;然后,通过文献分析,对现有的研究方法进行梳理,尽管这些方法在智能决策领域取得显著成果,但仍存在一些亟待解决的问题,为进一步研究和优化提供一定空间;最后,提出对未来研究的展望,并对广义语言模糊环境下三支决策研究进行总结.

关键词：三支决策粒计算语言模糊集文献计量分析

来源：评论

学校读者我要写书评

暂无评论

一种深度自监督聚类集成算法

引用

智能系统学报 2020年第6期15卷 1113-1120页

作者：杜航原张晶王文剑山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

针对聚类集成中一致性函数设计问题,本文提出一种深度自监督聚类集成算法。该算法首先根据基聚类划分结果采用加权连通三元组算法计算样本之间的相似度矩阵,基于相似度矩阵表达邻接关系,将基聚类由特征空间中的数据表示变换至图数据表示... 详细信息

针对聚类集成中一致性函数设计问题,本文提出一种深度自监督聚类集成算法。该算法首先根据基聚类划分结果采用加权连通三元组算法计算样本之间的相似度矩阵,基于相似度矩阵表达邻接关系,将基聚类由特征空间中的数据表示变换至图数据表示;在此基础上,基聚类的一致性集成问题被转化为对基聚类图数据表示的图聚类问题。为此,本文利用图神经网络构造自监督聚类集成模型,一方面采用图自动编码器学习图的低维嵌入,依据低维嵌入似然分布估计聚类集成的目标分布;另一方面利用聚类集成目标对低维嵌入过程进行指导,确保模型获得的图低维嵌入与聚类集成结果是一致最优的。在大量数据集上进行了仿真实验,结果表明本文算法相比HGPA、CSPA和MCLA等算法可以进一步提高聚类集成结果的准确性。

关键词：特征空间聚类算法一致性函数图表示相似性度量自监督学习图数据神经网络模型

来源：评论

学校读者我要写书评

暂无评论

一种基于节点间路径度量的图聚类算法

引用

计算机学报 2020年第7期43卷 1312-1327页

作者：郑文萍车晨浩钱宇华王杰杨贵山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006 山西大学大数据科学与产业研究院太原030006

图聚类算法可以用于发现社会网络中的社区结构、蛋白质互作用网络中的功能模块等,是当前复杂网络研究的热点之一.对网络中节点的相似性和簇发现结果进行合理度量是核心问题.针对此问题,给出了一种基于节点间点不重复路径度量的节点相似... 详细信息

图聚类算法可以用于发现社会网络中的社区结构、蛋白质互作用网络中的功能模块等,是当前复杂网络研究的热点之一.对网络中节点的相似性和簇发现结果进行合理度量是核心问题.针对此问题,给出了一种基于节点间点不重复路径度量的节点相似性指标.以此为基础提出了一种面向复杂网络的基于“中心-扩展”策略的图聚类算法(A Graph Clustering Algorithm Based on Local Paths between Nodes in Complex Networks,PGC),包括节点相似性计算、中心节点选择、初始簇划分和簇优化四个主要过程.采用点不重复路径对节点相似性进行度量,消除了由大度节点引起较多的点重复路径对节点相似性的影响,提高了算法对大度节点邻域中节点的划分能力.通过与一些经典算法在11个真实网络、22个人工网络数据集上的实验比较分析,结果表明算法PGC在标准互信息、调整兰德系数、F度量、准确度等方面均表现出良好的性能.

关键词：复杂网络图聚类簇结构相似性度量连通性

来源：评论

学校读者我要写书评

暂无评论

关联学习:关联关系挖掘新视角

引用

计算机研究与发展 2020年第2期57卷 424-432页

作者：钱宇华张明星成红红山西大学大数据科学与产业研究院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006 山西大学计算机与信息技术学院太原030006

关联关系挖掘与发现是大数据挖掘与分析的重要基础,现有的关联关系挖掘方法多是对数据进行统计分析,对未知数据缺少关联判别作用.尝试从学习的角度进行关联关系挖掘,给出了关联学习的形式化定义和相关概念,并根据关联学习定义构建学习... 详细信息

关联关系挖掘与发现是大数据挖掘与分析的重要基础,现有的关联关系挖掘方法多是对数据进行统计分析,对未知数据缺少关联判别作用.尝试从学习的角度进行关联关系挖掘,给出了关联学习的形式化定义和相关概念,并根据关联学习定义构建学习数据集.具体地构建了2类关联图像数据集(two class associated image data sets,TAID),利用卷积神经网络提取关联特征,然后分别用softmax函数和K近邻算法判别关联关系,基于此提出3种关联关系判别器:关联图像卷积神经网络判别器(associated image convolutional neural network discriminator,AICNN)、关联图像LeNet判别器(associated image LeNet discriminator,AILeNet)和关联图像K近邻判别器(associated image K-nearest neighbor discriminator,AIKNN).3种关联判别器在TAID数据集上进行测试,AICNN在64×64像素90000个训练样本上的判别精度达0.8217,AILeNet在256×256像素22500个训练样本上的判别精度达0.8456,AIKNN在256×256像素22500个训练样本上的判别精度达到0.8664.这3种关联判别器有效地证明了学习角度挖掘关联关系的可行性.

关键词：关联关系关联学习关联判别器关联图像数据集关联学习准则

来源：评论

学校读者我要写书评

暂无评论

消除随机一致性的支持向量机分类方法

引用

计算机研究与发展 2020年第8期57卷 1581-1593页

作者：王婕婷钱宇华李飞江刘郭庆山西大学大数据科学与产业研究院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006 山西大学计算机与信息技术学院太原030006

在人类自身的学习过程中,对学习结果进行科学客观的评价与反馈是关键环节.通常,由于学习者的知识缺陷或证据不足使得学习过程存在随机性,进一步可能导致学习结果与实际情况产生随机一致性.对此结果的直接反馈将严重影响学习性能的提升.... 详细信息

在人类自身的学习过程中,对学习结果进行科学客观的评价与反馈是关键环节.通常,由于学习者的知识缺陷或证据不足使得学习过程存在随机性,进一步可能导致学习结果与实际情况产生随机一致性.对此结果的直接反馈将严重影响学习性能的提升.同样,机器学习是以数据为驱动、以目标为导向的学习系统.由于经验历史数据有限、不平衡、含噪音等特质导致学习结果具有随机一致性.然而,以准确度为反馈准则的机器学习系统无法辨识随机一致性,这会影响学习系统的泛化能力.首先给出随机准确度和纯准确度的定义,并且进一步分析消除随机准确度的意义及必要性.然后,基于纯准确度指标,提出消除随机一致性的支持向量机分类方法PASVM,并在KEEL数据集的10种不同领域的基准测试集上验证其有效性.实验结果表明:相比于SVM、SVMperf以及其他可用于优化纯准确度指标的学习方法,PASVM泛化性能有明显提高.

关键词：随机一致性纯准确度支持向量机分类泛化能力

来源：评论

学校读者我要写书评

暂无评论

基于邻域决策的序贯三支分类方法

引用

计算机应用与软件 2021年第6期38卷 191-197页

作者：亓慧魏巍王文剑太原师范学院计算机系山西晋中030619 山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

如何设计合理的属性子空间区间是序贯三支分类研究的重要内容之一。考虑到实际应用中广泛存在的数值数据,将邻域粗糙集及邻域决策错误率引入序贯三支分类方法中,构建合理的属性子空间区间。借助邻域决策错误率约简,分别定义局部和全局... 详细信息

如何设计合理的属性子空间区间是序贯三支分类研究的重要内容之一。考虑到实际应用中广泛存在的数值数据,将邻域粗糙集及邻域决策错误率引入序贯三支分类方法中,构建合理的属性子空间区间。借助邻域决策错误率约简,分别定义局部和全局属性子空间,并基于此设计基于邻域决策错误率的序贯三支分类算法。在6组UCI数据集上的实验结果表明,该分类方法不仅压缩了数据的属性空间,而且提高了数据的分类精度,为序贯三支分类方法的研究提供了新的思路。

关键词：邻域决策错误率局部属性子空间全局属性子空间序贯三支决策分类

来源：评论

学校读者我要写书评

暂无评论

自适应稀疏表示引导的无监督降维

引用

深圳大学学报（理工版） 2020年第4期37卷 425-432页

作者：岳琴魏巍冯凯崔军彪山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

挖掘并保持数据分布信息是无监督降维的核心问题,为解决传统无监督降维方法大多数只考虑数据分布的局部信息或者全局信息,数据分布信息在低维空间难以保持的缺点,提出一种同时考虑数据分布的全局和局部信息的自适应稀疏表示引导的无监... 详细信息

挖掘并保持数据分布信息是无监督降维的核心问题,为解决传统无监督降维方法大多数只考虑数据分布的局部信息或者全局信息,数据分布信息在低维空间难以保持的缺点,提出一种同时考虑数据分布的全局和局部信息的自适应稀疏表示引导的无监督降维(adaptive sparse representation guided unsupervised dimensionality reduction,ASR_UDR)方法.用稀疏表示挖掘高维空间数据分布的全局信息,通过约束投影后的数据保持图上的平滑性,挖掘数据分布的局部信息,并将这两个过程统一到一个框架中,使之相辅相成,实现数据分布信息的自适应挖掘和数据降维.在WarpAR10P、USPS、MultiB、DLBCLA和DLBCLB数据集上的实验结果表明,与已有的同类无监督降维方法相比,所提方法在显著减少数据维数的同时,可更好地提升后续学习算法的性能.

关键词：人工智能稀疏表示无监督学习维度约简机器学习数据挖掘

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：