Multi-Granularity Neighborhood Fuzzy Rough Set Model on Two Universes

The two universes multi-granularity fuzzy rough set model is an effective tool for handling uncertainty problems between two domains with the help of binary fuzzy relations. This article applies the idea of neighborhood rough sets to two universes multi-granularity fuzzy rough sets, and discusses the two-universes multi-granularity neighborhood fuzzy rough set model. Firstly, the upper and lower approximation operators are defined in the two universes multi-granularity neighborhood fuzzy rough set model. Secondly, the properties of the upper and lower approximation operators are discussed. Finally, the properties of the two universes multi-granularity neighborhood fuzzy rough set model are verified through case studies.

CRF:A Scheduling of Multi-Granularity Locks in Object-Oriented Database Systems

This paper introduces a multi-granularity locking model (MGL) for concurrency control in object-oriented database system briefiy, and presents a MGL model formally. Four lockingscheduling algorithms for MGL are proposed in the paper. The ideas of single queue scheduling(SQS) and dual queue scheduling (DQS) are proposed and the algorithm and the performance evaluation for these two scheduling are presented in some paper. This paper describes a new idea of thescheduling for MGL, compatible requests first (CRF). Combining the new idea with SQS and DQS,we propose two new scheduling algorithms called CRFS and CRFD. After describing the simulationmodel, this paper illustrates the comparisons of the performance among these four algorithms. Asshown in the experiments, DQS has better performance than SQS, CRFD is better than DQS, CRFSperforms better than SQS, and CRFS is the best one of these four scheduling algorithms.

Light Absorption Characteristics of Multi-Morphology FeS_2 Granular Synthesized Under Hydrothermal Conditions

A. Ennaoui proposed that FeS2 owns an appropriate band gap (0.95 eV) and large absorption coefficient, it can be used for solar materials. People had studied the light absorption characteristics of the FeS2 prepared by different methods, and believed that crystal grain size, defect density and crystalline quality are important factors that affect the light absorption properties. In order to take a depth study of the absorption properties, the research group has taken a study on light absorption characteristics of natural pyrite, the existence of Co, Ni impurities results in lower band gap and conversion efficiency.

Network Resource Provisioning for IP over Multi-Granular Optical Networks

In the internet protocol（IP） over multi-granular optical switch network （IP/MG-OXC）, the network node is a typical multilayer switch comprising several layers, the IP packet switching （PXC） layer, wavelength switching （WXC） layer and fiber switching （FXC） layer. This network is capable of both IP layer grooming and wavelength grooming in a hierarchical manner. Resource provisioning in the multi-granular network paradigm is called hierarchical grooming problem. An integer linear programming （ILP） model is proposed to formulate the problem. An iterative heuristic approach is developed for solving the problem in large networks. Case study shows that IP/MG-OXC network is much more extendible and can significantly save the overall network cost as compared with IP over wavelength division multiplexing network.

一种基于粒计算的Multi-Agent决策算法

为了克服单个Agent知识的局限性,提高系统决策的可靠性,提出了一种基于证据推理和粒计算的MultiAgent决策信息融合算法,并对Multi-Agent合作决策进行了定义和描述。Multi-Agent决策融合划分为观测和决策两个阶段,观测Agent从环境信息中提取特征向量作为输入,信息粒化后降低了合成计算的复杂度。

基于多粒度概率粗糙集与MULTIMOORA的q-RO模糊多属性群决策

为了探索q-RO(q-rung orthopair)模糊信息系统中具备稳定决策结果的多属性群决策方法,依据多粒度概率粗糙集与MULTIMOORA(multi-objective optimization by ratio analysis plus the full MULTIplicative form)建立了一种新的q-RO模糊多粒度计算模型,并用于求解多属性群决策问题。结合q-RO模糊概率粗糙集与多粒度粗糙集,提出了多粒度q-RO模糊概率粗糙集模型。利用离差最大化法计算属性权重与决策者权重,进一步建立了基于多粒度概率粗糙集与MULTIMOORA的q-RO模糊多属性群决策方法,该方法考虑了决策风险与容错能力,可提供稳定的决策结果。通过2个实际算例验证了所建立方法的可行性与有效性。

多舱共配绿色车辆路径问题的改进变邻域搜索算法

针对社区团购前置仓配送场景中“多中心、高时效、多品类、高排放”难题,本文提出多车场带时间窗的绿色多舱车车辆路径问题(MDMCG-VRPTW),构建混合整数线性规划模型,并设计改进的变邻域搜索算法(IVNS)实现求解.采用两阶段混合算法构造高质量初始解.提出均衡抖动策略以充分探索解空间,引入粒度机制以提升局部搜索阶段的寻优效率.标准算例测试结果验证了两阶段初始解构造算法和IVNS算法的有效性.仿真实验结果表明,模型与算法能够有效求解MDMCGVRPTW,且改进策略提高了算法的求解效率和全局搜索能力.最后,基于对配送策略和时效性的敏感性分析,为相关配送企业降本增效提供更多决策依据.

融合领域要素知识的多粒度法律文本匹配方法

法律文本匹配的目标是快速提炼对比要素信息并发现关联案件,保障法律适用的统一性同案同判.现有方法未能充分利用特定类型案件的先验知识,其核心要素提取准确率低,仅进行词向量的权重计算,忽略字义、句义、句法的向量信息,影响匹配效果.提出一种融合领域要素知识的多粒度法律文本匹配方法,通过建立特定案件类型领域知识库准确提取法律要素,引入字、词、句3个粒度的注意力机制计算不同文本向量的权重提升匹配模型效果.实验结果表明,该方法在公开数据集上可达到最好效果.

基于多粒度时间卷积网络的超短期风功率预测

针对传统风功率预测方法通常基于固定时间粒进行研究,但该类方法往往忽略了其他时间粒度对风功率的影响的问题,提出一种基于多粒度时间卷积网络(MGTCN)的超短期风功率预测方法,使用时间卷积网络来挖掘多粒度视角下的风力机数据特征,并设计多粒度特征融合模块来增强模型的鲁棒性,提高风功率预测精度。首先,利用随机森林算法(RF)得到与输出功率相关性较强的部分特征数据;然后,对筛选后的特征数据进行多粒度划分,通过时间卷积网络(TCN)提取各个粒度的独立特征。最后,使用挤压激励网络(SENet)对不同粒度特征进行自适应加权融合,得到最终预测值。采用中国某风场数据进行算例分析,结果表明相较于其他方法,所提方法在24步预测任务和6步预测任务上取得了最佳的预测性能,具有较高的准确性和稳定性。在24步预测任务上归一化均方根误差、归一化平均绝对值误差和决定系数指标分别为0.152、0.108和0.7214,在6步预测任务上各指标分别为0.1027,0.0683和0.8717。

基于多粒度阅读器和图注意力网络的文档级事件抽取

文档级事件抽取面临论元分散和多事件两大挑战,已有工作大多采用逐句抽取候选论元的方式,难以建模跨句的上下文信息。为此,提出了一种基于多粒度阅读器和图注意网络的文档级事件抽取模型,采用多粒度阅读器实现多层次语义编码,通过图注意力网络捕获实体对之间的局部和全局关系,构建基于实体对相似度的剪枝完全图作为伪触发器,全面捕捉文档中的事件和论元。在公共数据集ChFinAnn和DuEE-Fin上进行了实验,结果表明提出的方法改善了论元分散问题,提升了模型事件抽取性能。

基于细粒度识别的即插性多粒度特征融合算法

为丰富卷积神经网络下细粒度图像特征的表征信息,进一步扩大类间差异缩小类内差异,提出一种基于多种粒度图像训练的特征融合方式,挖掘图像的细化特征。通过逐渐改变输入图像的粒度值,构造一个包含多种粒度信息的网络模型;提取多粒度多尺度图像特征,与原始特征进行融合,完成最终的分类预测。无需引入其它辅助网络,在没有显著增加模型参数的情况下,融合不同粒度特征。实验结果表明,其分类准确度高于只包含单一粒度图像的训练结果,验证了该方法能有效丰富特征信息。

三支概念背景下属性粒化效率的度量

三支概念分析是三支决策与形式概念分析结合的产物,该理论相对于形式概念分析最大的进步是可以同时研究形式背景中“共同具有”和“共同不具有”的信息。属性粒化是一种基于粒度树与剪枝将属性分解为子属性,形成新属性集合的理论。而由于同一粒度树上剪枝众多,如何选择剪枝,确定最优的粒化方向以进行进一步运算成为保证属性粒化效率的关键问题。通过理论推导,证明了原三支概念与属性粒化得到的新三支概念存在紧密的内在联系,以此作为度量属性粒化效率的基础。首先,基于属性粒化层次的关系,将属性粒化层次分为存在偏序关系的属性粒化层次和不存在偏序关系的属性粒化层次。进一步,给到细化系数的含义,并分别阐述了细化系数在2种属性粒化层次中的度量作用,从而达到度量不同属性粒化效率的目的。

基于多粒度融合和双注意力的细粒度图像分类

针对现有模型对细粒度图像关键信息精准识别较难,分类指标较单一且特征利用不充分的问题,提出一个新的细粒度图像分类网络模型.该模型在网络训练步骤中嵌入双注意力网络以强化中层特征与深度特征的相关性,根据网络不同层的感受野大小不同将数据剪裁后再拼接成新的样本数据作为下一层输入,采用支持向量机分类器将中层和深度特征输出结果一同作为最终分类指标.在3个经典数据集CUB-200-2011、Stanford Cars和102 Category Flower上的实验结果表明,其分类准确率分别达89.56%,95.00%,96.05%,相比于其他网络模型有较好的分类准确率和泛化能力.

F-粗糙集的拓展与应用

F-粗糙集是第1个动态粗糙集模型,具有良好的兼容性、表达能力以及动态性,但绝大多数粗糙集模型动态性不足.为了明晰粗糙集模型的动态性,拓展F-粗糙集的应用,综述了F-粗糙集研究的现状和发展,证明了多粒度粗糙集、多粒度邻域粗糙集和多尺度信息系统中的粗糙集可以用F-粗糙集表示.此外,还研究了F-粗糙集的可拓性,并建议将其他粗糙集模型与F-粗糙集相结合,使它们在处理动态数据、增量数据和海量数据时具有更强的能力.研究结果将提高其他粗糙集模型的动态性,有利于粗糙集进一步应用到大数据领域.

基于多头注意力机制的瓦斯多粒度预测方法

瓦斯是影响矿井安全的重要因素,但现有瓦斯预测工作忽略多粒度数据的异质性,使得预测精度不高。单粒度数据不能完全表示出瓦斯变化的特征,且现有方法不能完全挖掘不同粒度下的数据特性。基于多粒度思想,通过CNN聚合构建多粒度数据,并借助LSTM与多头自注意力的特征提取能力,提出了基于多头自注意力机制的瓦斯多粒度预测模型(MGPM)。上述模型能够有效满足瓦斯预测任务中对不同粒度数据的构建,实现煤矿瓦斯数据在不同粒度特性下的深入挖掘。实验结果表明,所提出的模型相比与基线模型降低了预测误差。

基于数据多粒度的隐私差序保护

大数据时代,隐私的数据化与数据的隐私化相互交织,个人隐私边界日渐模糊。传统对于隐私、数据的“粗粒度”保护策略已难以匹配当前高度解析化的“微粒社会”,隐私保护与利用隐私换取便捷生活的悖论进一步凸显,人们的隐私焦虑愈发严重。研究基于数据多粒度探讨隐私差序保护,将个人数据以“人格价值”“敏感程度”与“社会属性”进行分层、分级,明确隐私保护与数据合理使用的价值序位差异及边界,并根据不同层次粒度之间的序关系,赋予用户真正的管理权与使用权,让隐私保护更具针对性,数据管理更具效益。

制造业众包平台服务资源的特征构建及聚合匹配

针对制造业众包平台中服务资源的特征构建缺乏规范、聚合匹配不准确的问题,提出了基于双向编码表示(BERT)模型的特征构建方法和基于多粒度特征交互的聚合匹配模型(MFIM)。前者改进了经典的BERT模型,采用停止符掩码操作和基于分类任务的学习策略,实现了服务资源所具有的语义特征建模,精准衡量了平台商所具有的服务资源能力水平,为大规模的语义特征体系的构建提供了有力支撑。后者针对服务资源的语义粒度差异较大的问题,采用了多层次的扩张卷积结构,并构建了跨粒度信息交互的关联矩阵。这有效解决了服务资源的聚合匹配及语义辨识问题。实验表明,所提出的一系列研究方法能够有效地建模服务资源文本,为服务资源的深入挖掘和精准的匹配检索提供了一种新的思路和手段。

知识关联视角下标准文档的多粒度知识组织方法研究

传统的文档组织方式无法应对标准数字化发展形势,有必要充分发掘标准文档中的多粒度知识单元及其语义关联,探索能够高效运用标准知识的新型组织方法,为优化标准供给提供参考。从知识关联视角出发,提出一种面向标准文档的多粒度、富语义的通用知识组织方法。首先,基于知识粒度理论,依据标准文档的知识内容和需求特征进行多粒度的知识划分与描述;其次,从知识层级、文档特征、文本逻辑、时空演化等方面认知和发现标准多粒度知识间的语义关联模式与类型;最后,采用本体构建方法实现标准文档的多粒度知识组织,并通过知识实例的添加来实现本体验证与价值阐述。多粒度知识关联的标准组织方法能够完整揭示标准文档中的多粒度知识单元,形成联通广泛的知识层次与关联,有助于标准知识在多种服务场景中被有效获取、共享与重用,既推进了适应数智时代的标准资源建设,又丰富了多粒度知识驱动的文档内容挖掘与利用。

面向矿山机电设备监测文本的命名实体识别

正确抽取矿山机电设备监测文本中的设备名称、参数标准、故障位置、故障类型等实体,可以辅助专家尽早发现异常机电设备、提升分析设备故障的效率和精度。针对矿山机电设备领域实体多为嵌套实体,且具备字符较长、上下文关联性较强等特点,提出一种联合多粒度特征的实体识别方法,通过机器阅读理解框架初步确定长序列嵌套实体边界,采用融合注意力机制的BiLSTM神经网络深挖实体间上下文关联。实验结果表明,该方法对矿山机电设备监测文本中的实体具备较好的识别效果,并且提升了其他低资源场景下命名实体识别任务的效果。

基于高维多目标序贯三支决策的恶意代码检测模型

针对传统基于二支决策的恶意代码检测方法在面对动态环境中的复杂海量数据时,没有考虑在信息不充足条件下进行决策产生影响的问题,本文提出了一种基于卷积神经网络的序贯三支决策恶意代码检测模型。通过卷积神经网络对样本数据进行特征提取并构建多粒度特征集,引入序贯三支决策理论对恶意代码进行检测。为改善检测模型整体性能,避免阈值选取的主观性,本文在上述模型的基础上,同时考虑模型的综合分类性能、决策效率和决策风险代价建立高维多目标序贯三支决策模型,并采用高维多目标优化算法对模型进行求解。仿真结果表明,模型在保证检测性能的同时,有效地提升了决策效率,降低了决策时产生风险代价,更好地拟合了真实动态检测环境。