全蕴涵三I算法的推理结果研究

Zadeh提出的CRI算法是模糊推理中运用最广泛的算法,但其逻辑语义不太清楚,也不具有还原性。王国俊教授提出的全蕴涵三I算法具有还原性,并在一定程度上解决了模糊推理的逻辑基础不够完善的问题。现在,全蕴涵三I算法已经获得了普遍的接受,并有许多学者对该算法进行了多种形式的推广。但全蕴涵三I算法及其改进算法在实际控制中都还未见成功的运用。对全蕴涵三I算法的推理结果进行了全面分析,指出全蕴涵三I算法存在的问题及其不能应用于实际控制的原因。

基于用户行为及语义相关实时更新用户兴趣的推荐系统

在现有的推荐系统中,其用户兴趣模型都能够有效地表达出用户的兴趣,但在用户兴趣发生变化时却不能很好地调整用户兴趣模型,不能及时适应用户兴趣的动态变化。本文提出一种基于语义相关实时更新用户兴趣模型的推荐系统。该系统能够及时响应用户兴趣变化,从而改善了以往推荐系统对用户兴趣更新不及时所导致的推荐结果不够全面、准确的问题。实验表明该系统能够准确表达用户兴趣,特别是在用户兴趣发生变化时比以往系统具有更高的准确性。

基于大数据的改进模糊K-means算法

针对传统模糊K-means算法易于采用局部最优解的缺陷,设计了一种基于大数据K-means聚类算法的优化算法。首先针对移动大数据的分析处理方法展开研究,再提出了通过欧氏距离来选出密度最大若干个初始点的改进方法,使数据的聚类的有效性及效率性有了很大的提高。实验仿真表明:该算法具有较好的聚类效果,提高了聚类的速度和准确性。

基于云计算的大数据信息处理技术研究（英文）

随着大数据时代的到来,信息的数据量正在以指数级的速度快速增长,己经达到TB、PB甚至是ZB级别。而在信息数据飞速増长的背后,是它们所蕴含的无穷无尽的价值。大数据信息处理技术可以帮助人们发现知识并从海量数据中找出规律,从而创造应用价值。但传统的信息处理方法不能有效地处理海量数据,尤其是不能满足用户对时效性的要求。云计算技术的出现和发展为快速、高效地处理海量数据提供了解决方案。为了充分利用云计算的并行计算能力及其动态资源的分配来有效地处理海量数据,基于云计算的大数据信息处理技术变得至关重要。因此,以提高信息处理效率并且保持数据的准确率为目标,将现有的经典数据分析算法模型与云计算技术相结合,对结合云计算和大数据的海量信息处理技术进行了研究,并提出了一种基于云计算的大数据信息处理方法。

具有还原性的多重多维模糊推理算法

Zadeh提出的CRI算法是模糊推理中运用最广泛的算法,但它不具还原性。王国俊教授提出的全蕴涵三I算法,以及已有的基于相似度的模糊推理算法是在单一规则下的模糊推理算法,在单一规则情形满足还原性条件。本文在给出多重多维模糊推理具有还原性的定义的基础上,先用例子说明,全蕴涵三I算法和已有的基于相似度的算法在多重多维推理的情况下不具有还原性,同时本文提出一种新的基于相似度的模糊推理算法,在多重多维推理时满足还原性条件。

基于多形性胶质母细胞瘤的关键基因筛选研究

多形性胶质母细胞瘤(GBM)是一种最常见且致死率极高的脑部肿瘤.为了解决传统生存模型不能处理变量p远大于样本数n的基因表达数据的缺点,本文构建了一个关键基因筛选算法——SSLC算法.该算法结合限制性优化算法和生存模型筛选出了与生存时间相关的GBM关键基因,并通过比较证明了此算法优于传统经典算法,最后通过文献查找证明筛选出的部分基因是已经证实的和GBM高度相关的基因,为GBM的靶向制药打下基础.