基于改进余弦相似度的证据间定向冲突度量方法

针对传统证据冲突度量方法无法区分证据间冲突程度的差异,并且会在特定情况下失效的问题,提出一种基于改进余弦相似度的证据间定向冲突度量方法。通过将支持系数引入余弦相似度模型,使所提方法具有非对称性,从而能够区分证据间冲突程度的差异,同时还可解决基本余弦相似度模型不适合处理证据中包含非单子集焦元的问题。实验结果验证了所提方法的准确性和有效性。

Vague集的三维表示及相似度量

A new expression of vague sets is given. Based on the reference [3,4],we discuss the definition of intersec-tion and union and some properties of vague set again ,then similarity measure and examples are presented.

Vague集之间相似度量的一种新方法

Vague集是对于模糊集合概念的推广,作为当前模糊信息处理中的一个新兴研究课题,在多个领域中获得了成功的应用.本文提出了Vague集(值)之间相似度的概念,并给出了一种新的Vague集(值)之间相似度量的方法,该方法与目前国内外众多学者们的方法相比较,具有更好的合理性和度量效果,因而是一种更理想的检测Vague集(值)之间相似程度的度量方法.

信息检索中相关性的维度与度量

本文对信息检索中不同维度在相关性度量公式中的体现进行了讨论,并给出了改进相关性度量的几点建议。

多重序列比对Alignment的信息度量准则

多重序列的比对(Alignment)的核心问题是对多重DNA(或RNA、蛋白质)序列,寻找它们的相似部分或稳定区域,但如何定义多重序列的相似度(或罚分函数)则是解决多重序列比对的前提。首先对多重序列相似度的合理性进行了讨论,给出了一组合理的相似度所必需具备的条件;再利用Shannon熵的特点,给出一个满足这些合理性条件的多重序列比对的优化准则。

多媒体信息检索的有效性度量方法研究

多媒体信息检索是根据相似性度量而不是精确匹配技术进行检索的。有效性是测量多媒体检索系统性能的一个主要参数,本文着重介绍了几种常见的有效性度量方法,讨论了各自的优点、缺点和适用性,并给出了一个新的有效性度量方法。

一种基于注意力机制的节点相似性度量方法

在异构信息网络挖掘中,度量节点之间的相似性是一项非常有挑战性的工作.为了更准确地度量节点之间的相似性,通过结合注意力机制,从节点与元路径两方面单独进行计算,提出一种全新的节点相似性度量方法.通过在真实网络数据集上与传统算法进行实验对比,证明所提出相似性度量算法的准确性.

基于Rough集的信息系统中各种基本信息的度量

文章对基于Rough集的信息系统中属性重要性、属性值间的相似性等属性信息及对象之间的相似性进行了度量研究,分别提出了其相应的度量方法,这些方法有助于系统研究信息系统中各种信息的特点和性质,便于数据的聚类分析和不确定性推理等。

一种基于信息容量的模体比较非比对度量算法

为了有效度量2个模体的相似度,提出一种带有信息容量的用于模体比较的非比对度量算法ICBSM.该算法通过将一个模体的位置频率矩阵在另一个模体的带有信息容量的位置赋权矩阵上滑动,计算出2个模体间的相似度,算法依赖参数少,计算效率高.与其他7种度量法进行比较分析,结果表明:ICBSM可以在数据库查找中更准确地匹配模体,并且能够更有效地聚类相似模体,区分出不相关的模体,为找回模体和分组密切相关模体等方面的研究工作提供有效的计算工具.

基于HTML树的网页结构相似度研究

HTML网页信息是一种半结构化的数据,而且不同网页之间在其结构特征方面都具有一定的相似性.本文就是从信息的结构性角度来研究不同网页信息块之间的相似性,并提出了基于子树最优自由匹配规则的结构相似度度量模型以及利用网页结构相似性提取网页信息的方法.本文中的计算方法都用python语言实现.通过实验,本文对不同网页之间的相似度进行了计算和分析,实验数据表明,基于子树最优自由匹配规则的树结构相似度度量模型具有较好的系统性和适用性;通过树结构相似度来确定网页内部元素及两个网页之间的联系,也弥补了传统方法中依赖单调的文本信息比较的不足,使得网页信息提取更加准确,更加迅速.

三值Gdel命题逻辑中基于前提信息的随机真度

利用赋值集的随机化方法,在三值Gdel命题逻辑系统中引入基于前提信息Γ公式的Γ-随机真度,证明了Γ-随机真度的MP规则、HS规则及交推理规则;同时引入公式间的Γ-随机相似度和Γ-随机伪距离,建立了Γ-随机逻辑度量空间,推导出Γ-随机相似度的若干性质;在Γ-随机逻辑度量空间中提出3种不同类型的近似推理模式并研究了它们之间的关系.

图像检索中基于复杂图像特征的相似度计算

图像相似性度量技术是图像检索中的一个重要问题。为了达到图像检索的目的,需要对图像提取出来的特征进行相似度计算。针对图像内容的不同属性,应采用不同方法计算其相似度,同时采用信息测度概念衡量图像描述的复杂程度,并改进了Shannon概率信息测度方法,用于对检索结果的排序。

Vague(值)集间的接近度及其在网络信息过滤中的应用

鉴于已知的一些Vague集间的相似度量和距离公式有缺陷,提出用分段函数表达的Vague(值)集间的接近度的定义,给出了三个加权接近度公式.给出在Vague环境下用Vague集间的接近度进行网络信息过滤的方法.应用实例表明所给公式皆是有效的.

基于向量相似度的新的证据推理方法

D-S证据理论在信息融合领域有着广泛的应用,但有时在应用过程中会遇到一些与人的逻辑思维不相符的情况,尤其是在证据高度冲突的情况下,针对这一问题论文提出了一种基于向量相似度的证据组合方法。该方法通过向量相似度定义了证据可信度并以此生成证据权重,基于所获权重对冲突因子进行分配,最后结合D-S组合规则完成证据推理。算例分析表明新方法能有效处理几种常见的悖论与证据高度冲突的情况。

基于距离度量学习的集成谱聚类

无监督学习聚类算法的性能依赖于用户在输入数据集上指定的距离度量,该距离度量直接影响数据样本之间的相似性计算,因此,不同的距离度量往往对数据集的聚类结果具有重要的影响。针对谱聚类算法中距离度量的选取问题,提出一种基于边信息距离度量学习的谱聚类算法。该算法利用数据集本身蕴涵的边信息,即在数据集中抽样产生的若干数据样本之间是否具有相似性的信息,进行距离度量学习,将学习所得的距离度量准则应用于谱聚类算法的相似度计算函数,并据此构造相似度矩阵。通过在UCI标准数据集上的实验进行分析,结果表明,与标准谱聚类算法相比,该算法的预测精度得到明显提高。

层次K-均值聚类结合改进ITML的迁移度量学习方法

目前的迁移学习方法多针对单一迁移类型,使用低级特征空间,并且源集比目标集复杂耗力。针对这些问题,综合考虑特征表示迁移、参数迁移和实例迁移,提出迁移度量学习的通用框架。首先,基于属性相似性空间和类别相似性空间,利用层次K-均值聚类获取相似性;然后,利用信任评估框架和去相关归一化转换方法消除源集中的相关关系来抑制负迁移作用;最后,改进信息理论度量学习方法(ITML)进行相似性度量学习。对三种不同复杂度数据集进行实验,结果表明,提出方法的迁移学习性能较传统方法明显提高,且对负迁移影响具有更好的鲁棒性;提出的方法可应用于源集比目标集简单的情况,评估结果表明,即使源集知识有限,也可以得到较好的迁移学习效果。

基于向量空间模型附加词义特征的句子相似度研究

向量空间模型常被用于计算两个句子的相似度,通过将两个句子转换为词项向量,然后计算两个向量的夹角余弦值,就可以得出两个句子的相似度分数。传统的向量空间模型没有考虑到句子中词语之间的相似度,这就使使用近义词的两个语义相近句子得到的相似度分数较低。提出了一种带有词义特征的向量空间模型,在传统的向量空间模型中引入词语之间的相似度,从而使计算出的两个句子的相似度分数更加准确。

全Bregman散度和二部图相结合的高光谱图像稳健聚类算法

针对传统基于图的谱聚类算法底层计算复杂度高、聚类精度低,难以应用于大规模数据聚类,本文利用锚点与数据点之间的相似性度量,提出了一种基于图的聚类算法来处理高光谱图像分类问题,称为全Bregman散度和二部图相结合的高光谱图像稳健聚类算法(RTBBG)。首先,在构造二部图的过程中添加了高光谱图像的空间信息,使得高光谱图像丰富的空间信息得以充分利用;然后,利用全Bregman散度来优化传统的欧氏距离作为数据点与锚点之间新的相似性度量,使得构建的二部图更加稳定,增强了算法稳健性;最后,利用K-means算法直接进行光谱聚类得到最终聚类结果。通过在3个大规模高光谱数据集上进行测试,验证了本文算法的有效性。

基于贝叶斯理论的协同过滤推荐算法

考虑到在协同过滤算法中邻居集合的有效性是影响推荐质量的重要因素,提出了基于贝叶斯理论的协同过滤推荐方法,该方法利用贝叶斯理论分析用户对项目特征值的喜好度。在计算相似度时,考虑用户喜好度,在此基础上计算目标项目的最近邻居。实验结果表明该算法可以提高推荐系统的推荐质量。

基于随机集的证据理论的改进在发电机故障诊断中的应用

在多传感器信息融合处理故障诊断问题过程中,传统证据理论对含有冲突证据的处理结果与实际相悖。文中运用随机集的方法对传统的证据理论进行改进,提出了一种新的基于证据本身的可信度权重和基于证据相似度的可信度权重的证据调整方法,并将改进后的方法应用于发电机系统的故障诊断中。结果表明,与传统证据理论相比改进后的方法更加精确地辨识出故障源,提高了诊断系统的性能。