基于云X信息的逆向云新算法

云模型是用语言值表示的定性概念与其定量表示之间的不确定性转换模型。逆向云发生器可以实现定量数值到定性语言值的转换。本文分析了现在的逆向云算法的不足,提出了一种更简单,更精确的逆向云算法,并且对两种算法的误差进行了分析比较,最后给出了新算法的应用实例。

基于小世界网络的舆论传播模型研究

人际关系网络是舆论人际传播的载体,利用小世界模型构建人际关系网络拓扑,以此为基础,通过设计个体的局部相互作用规则,引入个体心理因素和外界媒体影响,提出了利用计算机仿真建立舆论传播演化模型的基本思路。初步实现了我国某特定地区舆论传播模型,对该模型的构建过程进行了分析,为量化研究舆论传播这一复杂社会现象提供了有益的探索和思路。

正态云模型的统计分析

分析了正态云模型中云滴和其确定度的概率分布, 定义了正态云模型的期望曲线, 最后分析了正态云模型随参数变化其形态变化的趋势和规律. 上述统计分析有一定的理论和应用价值, 将有助于正态云模型在更广和更深的层面上发展完善.

基于不对称人际影响的舆论涌现模型研究

人际关系影响是舆论形成的重要因素。引入个体意见的不确定性以及个体间的信任因子,建立了个体间的不对称影响函数,以此为基础实现了一个舆论涌现的Agent仿真模型,仿真结果反映模型是合理有效的。对仿真结果的分析说明:个体意见的不确定性和个体间的相互信任,是影响最终舆论涌现形态与涌现速度的重要因素。

基于云模型的不确定性知识表示

云模型是用语言值表示的定性概念与其定量表示之间的不确定性转换模型,论文通过对云模型数学性质的研究,分析云模型的产生背景,证明其表示不确定性知识的合理性和有效性,最后给出了一个应用实例。

舆论涌现模型研究

人际关系影响是舆论形成的重要因素。本文引入个体意见的不确定性以及个体间的信任因子,建立了个体间的不对称影响函数,以此为基础实现了一个舆论涌现的Agent仿真模型。对模型结果的分析说明:极端个体的态度和个体间的相互信任,是影响最终舆论涌现形态与涌现速度的重要因素。仿真结果与社会学研究中“统治的多数”和“心理反抗”现象相互印证,反映模型是合理有效的。

基于Agent的网络舆论传播模型研究

网络舆论传播是以互联网为载体的舆论传播行为。研究了网络舆论传播中新闻跟帖与BBS传播,分析了网民Agent、新闻网站Agent以及BBSAgent的属性,建立了网民Agent与新闻网站Agent以及BBSAgent的交互规则,研究了网络舆论的可视化表示方法,并与人际传播相结合,建立了基于Agent的网络舆论传播仿真模型,为利用复杂性理论和Agent技术研究网络舆论传播提供了有益的思路和方法。

弱集值Amart的Riesz分解

本文证明了弱集值Amart可Riesz分解的充要条件．

有界闭凸集值随机过程的均方Riemann积分

为研究集值随机过程的微积分理论 ,首先利用支撑函数定义了二阶矩有界闭凸集值随机过程的均方 Riemann积分 ,其次利用支撑函数以及均方收敛的性质证明了二阶矩有界闭凸集值随机过程的均方 Rie-mann积分的线性性。

弱集值渐近鞅的收敛定理

为了得到关于弱集值渐近鞅的收敛性质 ,首先证明了支撑函数列的极限亦为一支撑函数。利用支撑函数的性质以及集值鞅的 Doob停止定理 ,证明得到了两个结论 :1在一定条件下 ,弱集值渐近鞅存在无限逼近的闭凸集值鞅 ;2在弱收敛意义下 ,弱集值渐近鞅收敛的两个等价条件。

集值随机过程的均方导数

为了研究集值随机过程的微积分理论 ,利用有界闭凸集合弱收敛的性质和集合“开”的概念 ,给出了有界闭凸集值随机过程的均方导数的定义 ,建立了均方导数的若干性质 ,并讨论了集值随机过程均方可导与均方连续的关系。

集值随机过程的均方Riemann-Stieljes积分

集值随机过程的积分理论是随机过程理论的一个新分支。利用随机集的位似及集值随机过程的均方收敛理论 ,创造性的定义了集值随机过程的均方 Riemann- Stieljes积分 ,随后证明了均方 Riemann- Stiel-jes积分存在性的判定定理 ,最后给出了分部积分计算公式 。

集值随机过程的Newton-Leibniz公式

为了研究集值随机过程的微积分理论,首先介绍了有界闭凸集值随机过程强(弱)均方积分、强(弱)均方导数的定义,然后利用支撑函数与Hausdorff度量的性质,讨论了均方可导与均方可积之间的关系;以此为基础,分别证明了集值随机过程强、弱均方积分的Newton- Leibniz公式。最后给出了集值随机过程Newton- Leibniz公式的应用实例。

逆向云在定性评价中的应用

现有的定性评价存在主观性和随意性大的缺点 ,缺乏客观性和精确性 .云模型是一种定性与定量之间相互转换的有效工具 ,逆向云可以实现定量数值与定性概念的自然转换 ,从而得出一个用精确数值表示的定性概念 .该文分析并给出了逆向云发生器的具体算法 ,并对还原的各特征值进行了误差分析 .最后将该算法应用到射击评判上 ,评价结果不仅有射击准确度的评价 ,而且有运动员心理素质的分析 ,比仅仅用环数来评价一个运动员更准确。

面向场景的协同过滤推荐算法

推荐系统是电子商务系统中最重要的技术之一。用户相似性度量方法是影响推荐算法准确率高低的关键因素,针对传统相似性度量方法存在的不足,利用云模型在定性知识表示以及定性、定量知识转换时的桥梁作用,提出一种在知识层面比较用户相似度的方法,克服了传统基于向量的相似度比较方法严格匹配对象属性的不足。进而以该方法为核心,提出一种面向场景的协同过滤推荐算法,该算法能够充分利用项目的分类信息,避免了传统算法把用户的整体打分作为单个向量的弊端。实验结果表明,算法可以在用户评分数据极端稀疏的情况下,仍能取得较高的推荐质量。

基于云模型的主观信任管理模型研究

在开放网络中,信任管理是信息安全的重要前提与基础。主观信任具有模糊性和不确定性的双重特征。将定性定量转换模型-云模型引入主观信任管理研究中,提出了一种新的主观信任的表示方法,较好地解决了信任表达中的模糊性和不确定性难题,进而提出了一种灵活直观,描述能力较强的形式化定性信任推理机制,为主观信任管理研究进行了有益的探索和尝试。

软件中的网络化特征及其对软件质量的贡献

现实世界中的许多复杂系统都可以使用网络模型进行描述,复杂网络的结构和性质研究已经成为引人注目的领域。软件作为一类复杂系统,也可以使用网络化的方法进行定量分析。文章首先介绍了度量网络特征的参数,然后将复杂网络理论引入人工设计和实现的软件中,把其中的实体和关系转换成为网络拓扑的形式,通过对四个不同规模并经过详细设计的Java类库进行实验验证和数值分析,发现其中的无尺度特征、小世界现象和脆弱性/鲁棒性并存的特点。根据这些结论,提出利用网络拓扑特征改善软件系统的设计、开发和测试方法。这些结果对提高软件质量具有有益的启示和指导意义。

一种无确定度的逆向云算法

逆向云发生器实现了定量数据到定性概念的转化,有着重要的理论意义和应用价值.有确定度的逆向云算法缺乏实用性,而已有的无确定度逆向云算法由于估计误差的原因,会出现超熵为虚数问题.本文提出了一种基于统计方法的,无需确定度的逆向云新算法,合理改进了超熵估计方法,确保了逆向云发生器的有效性.最后通过应用实例验证了新算法的正确性和实用性.

论正态云模型的普适性

分布函数是分析随机现象的重要工具 ,正态分布是最重要的概率分布 ,在自然科学和社会科学中应用广泛 ;隶属函数是模糊集合的基石 ,正态隶属函数也有广泛的应用。但是 ,精确确定一个模糊概念的隶属函数已经成为模糊学应用的瓶颈。云模型把随机性和模糊性结合起来 ,用数字特征熵 ,揭示随机性与模糊性的关联性 ,并用来表示一个定性概念的粒度。正态云模型通过期望、熵和超熵构成的特定结构发生器 ,生成定性概念的定量转换值 ,体现概念的不确定性。这种特定结构不但放宽了形成正态分布的前提条件 ,而且把精确确定隶属函数放宽到构造正态隶属度分布的期望函数 ,因而更具有普遍适用性 ,更简单。

正态云模型的重尾性质证明

正态分布和重尾分布在概率研究中具有非常重要的地位,二者具有完全不同的数学形式和物理意义。正态分布的密度函数以指数函数衰减至0,服从正态分布的随机变量,其绝大多数取值在其期望附近,偏离期望很大的取值很少。而服从重尾分布的随机变量,其尾分布函数具有重尾特性,密度函数以幂指数衰减至0。笔者证明了正态云模型是具有均值的重尾分布,是介于正态分布与重尾分布之间的中间状态,正态云模型的参数超熵He是可以实现正态分布向重尾分布转换的桥梁。