基于粗糙集理论和层次分析的数据约简

为更有效更迅速地获得大量信息中所包含的潜在知识和规律,有关数据挖掘和数据库知识发现的研究变得更为广泛和深入.结合粗糙集理论的优势和层次分析模型的特点并将两者有机地结合起来,通过在非核属性中引入重要性概念并利用简单相异矩阵,提出了基于粗糙集理论和层次分析的数据约简算法,同时证明了该算法的有效性和完备性.最后,应用该算法解决了医疗决策系统中一个数据约简问题,实现了知识和规律的挖掘,提高了数据约简的合理性.

基于执行剖面过滤的分割测试

提出了一种基于执行剖面过滤的分割测试方法.该方法通过从大量的执行操作中过滤出包含容易引起错误输出的特殊执行操作的子集,并对子集的执行操作进行回放和检验,从而可以发现软件潜在的错误.从而使引起错误输出的输入元素集中分割在某些子域内,提高了发现错误的概率.实验结果表明,该方法分割错误元素的集中度以及命中错误的概率较高,相同条件下其效果要优于随机测试.

基于共词分析的国内石墨烯论文主题研究

利用Bicomb软件提取石墨烯论文中的高频关键词,构建高频关键词共词矩阵和相异矩阵,并利用SPSS和UCINET软件绘制石墨烯技术知识图。结果表明:近年来关于石墨烯的研究主题可以划分为锂离子电池负极材料、石墨烯复合材料、石墨烯纳米带和电化学生物传感器应用等四大类9个小类,对石墨烯的研究现状进行论述,详细研究了主题的内涵、特征等问题,提出推动石墨烯产业创新发展的决策建议。

基于共词分析的国内科技查新论文主题研究

通过检索近5年国内科技查新相关论文,利用Bicomb软件提取高频关键词、构建高频关键词共词矩阵和相异矩阵,并利用SPSS和UCINET软件进行网络分析、聚类分析以及战略坐标图等可视化分析。结果表明,近年来关于科技查新的研究主题可以划分为科技查新组成要素、科技查新对科技创新的作用、查新点及其新颖性、文献检索及数据库、查新质量的影响因素、质量控制及评价、查新管理系统、医药卫生查新、存在问题及对策9个类别,并逐一进行论述。通过论述研究主题的内涵、特征等,以期为促进科技查新工作的发展提供决策参考。

隐私保护的快速聚类算法

针对基于安全多方计算聚类算法的低效问题,提出了基于聚类特征树结构的隐私保护的层次k-means聚类算法。算法基于半诚信模型,在第三方内存中保留对各记录的索引信息及聚类特征树的当前层信息,减少了I/O次数和通信量,克服了难以适应多数据方和因过于信赖第三方导致隐私泄漏等缺陷。算法通过基于安全多方计算的标准化协议、距离计算协议和聚类中心计算协议,实现了数据的有效保护,综合层次和k-means聚类算法的优点,提高了计算精度和算法的可伸缩性。理论证明了算法的安全性和高效性,实验结果表明所提算法优于同类算法。

基于Rough集的信息约简方法

本文主要针对Rough集理论本身以及基于Rough集理论的信息表的约简方法进行研究。并在原有的Rough集理论关于信息表约简方法的基础上提出了一种新的信息表约简的方法-简单相异矩阵法。

我国档案学硕博论文的研究热点

运用信息计量学中的文献计量方法,对CNKI收录的国内2000—2012年555篇档案学硕博学位论文进行关键词聚类分析,发现我国档案学硕博学位论文的研究热点主要体现在档案的开放与管理、数字化档案、档案信息服务、档案利用、企业档案的信息公开、人事档案等几大方面。

基于Rough集的信息约简方法

本文主要针对Rough集理论本身以及基于Rough集理论的信息表的约简方法进行研究。并在原有的Rough集理论关于信息表约简方法的基础上提出了一种新的信息表约简的方法-简单相异矩阵法。

基于多样性感知图的测试用例优先排序

针对回归测试成本相对较高的问题,提出一种基于多样性感知图的测试用例优先排序方法。根据语句覆盖信息计算杰卡德距离,获得测试用例间的相异矩阵;依据语句覆盖信息和测试用例相异矩阵构建图;将测试优先排序问题转化为图的问题,结合多样性感知图算法遍历图,生成测试用例优先序列。实验结果表明,该方法具有较快的覆盖速度,有效地提高了测试用例排序的效率。

基于大数据的日本学研究现状分析

文章运用大数据手段,选取《日本学刊》和《日本问题研究》于2010年-2017年所刊登论文的关键词,进行相异系数矩阵分析和聚类分析,并通过绘制出热点知识图谱,指出近年日本学研究整体趋势的落脚点在政治研究,主要集中在中日关系研究上,但还未形成系统的研究范式。今后有必要运用跨学科和多学科的研究方法,把握事物之间的关联,发现新规律和新方法。同时,要主动运用数据思维来解决日本学研究所面临的理论和实践问题,立足日本学研究的国际前沿并聚焦国家需求,提出原创性理论贡献,进而构建全方位、全要素的日本学研究体系。

基于稀疏子空间的卷积神经网络目标跟踪

针对粒子滤波目标跟踪过程中初始化和权值退化的数据处理情况,在粒子滤波框架下提出一种基于稀疏子空间的卷积神经网络目标跟踪算法.以仿生学为基础,在目标跟踪过程中引入稀疏子空间和卷积神经网络.首先,利用稀疏子空间模型筛选出与目标状态相似度较高的候选区域进行后续跟踪处理,减少冗余计算并降低跟踪的复杂性;然后,将稀疏子空间输出用作卷积神经网络的输入,并利用卷积神经网络模型对图像数据处理的优点进行目标跟踪的数据处理;最后,通过对目标数据的不断更新来减少目标表观变化的影响.实验表明,该算法能够更好地处理目标跟踪中的目标遮挡、运动模糊、光流与尺度变化,提高算法的准确性和数据处理能力.

基于共词分析法的国内近5年儿童哮喘研究热点分析

目的对国内近5年儿童哮喘领域的期刊论文研究热点进行分析和讨论。方法以中国知网数据库为检索来源,以关键词"哮喘and和儿童"或"儿童哮喘"或"哮喘儿童"进行国内近5年(时间限定在2009年9月至2014年9月)期刊论文的检索。以SPSS 18.0和EXCEL作为数据处理工具,采用自编程序和共词-聚类分析方法进行相关分析。结果共检索文献5 220篇,去除无关键词和计算机自定义的异常数据后剩余5 191篇。近5年国内儿童哮喘相关文献数量呈增长趋势,共有3 379位作者在517种期刊上共计发表期刊论文5 191篇,文献来源于全国30个省市。我国儿童哮喘近5年的研究主题主要围绕儿童哮喘的诊治及流行病学、病因学研究、急性发作的治疗及护理、哮喘相关发病机制、哮喘管理、哮喘稳定期及咳嗽变异性哮喘的诊治、中医治疗等七个方面。结论共词-聚类分析方法在一定程度上直观展示了我国近5年儿童哮喘的临床工作重点及其研究热点,可为相关研究人员及临床工作者提供相关领域的信息支持,为科研选题及临床实践提供参考依据。

样本量不一致时的β多样性计算

度量样方间物种组成的差异,即β多样性,是生态学研究中的常用手段。在开展生态学研究的过程中,不同样方获取的样本量通常不同。使用物种稀疏曲线可以计算不同样本量的α多样性,但常用的β多样性指数的计算却没有考虑样本量的差异。本文主要介绍了从稀疏曲线演化而来的可以计算不同样本量的β多样性指数——预期共享物种数(expected species shared,ESS)及其标准化后的指数,其中详细介绍了弦标准化的预期共享物种数(chord-normalized expected species shared,CNESS)。利用真实采集的数据集,本文演示了在不同样本参数m下,CNESS经过主坐标分析(principalcoordinatesanalysis,PCo A)的二维排序结果,并比较了样本量变化后,CNESS与基于多度的Chao-Jaccard相异性指数之间的差异。模拟结果表明,CNESS指数与Chao-Jaccard指数的PCoA结果具有相关性,该相关性不随m值的变化而变化。CNESS指数较Chao-Jaccard指数具有更多优势,通过调节样本参数m,CNESS的结果可以分析优势种或者稀有种的物种组成差异,同时CNESS指数对样本量不敏感。ESS系列相异指数是基于物种多度的计算,适用于样本量不一致时的β多样性研究,建议在开展昆虫等无脊椎动物的生态学研究中使用此指数。为了更加准确地获得样方之间的物种组成差异,在数据分析的过程中应选取不同大小的m值计算CNESS。然而,由于样本量小于特定m值的样方会在计算中被剔除,因此,在实际的取样工作中,每个样方都应该尽量采集到足够多的个体,才能保证在m值足够大的时候也不丢失样方信息。