体育簇概念：超越体育概念研究困境的新路向

首次提出体育簇概念,并尝试性地将其内涵界定为"体育之为体育的那些高度相关、复杂多元的标准属性依据一定的原理或关系所构成的集合体"。体育簇概念提供一种新的视角和方法论,其理论之于体育概念界定的逻辑说明(解释)形式,不仅能避免当前主要体育定义说所遭遇的难题和驳斥,而且能提供人们在判断体育与非体育时的常识。体育簇概念理论具有一定的解释力、适(实)用性、生命力及广阔的应用前景,其或许是一种新的取代界定体育路径的选择。

浅论“簇概念”视域下的艺术边界

本文对"簇概念"进行了分析与概述,并对"簇概念"进行了理论评判。指出,贝伊斯·高特提出"簇概念"的艺术命题,把众多艺术品的一般特征作为判别艺术的必要但非充分条件,艺术边界由此而处于动态变化中。艺术活动是一种实践,在实践过程中起主导作用的是伴随发生的语言直觉。艺术的边界因此更具有灵活性与适时性,但存在着无法在艺术场内部达成最低共识的缺陷,可以引入阿瑟·丹托的观点,建立一种艺术家、鉴赏者的对话机制。

基于包簇概念的云资源分配成本优化模型

针对云数据中心因传统资源管理方式造成云服务成本过高问题,文中提出一种基于包、簇概念的资源集中管理分配优化模型。将用户的具体需求抽象为一个个独立的需求包,将数据中心的各类资源整合成一个个资源簇,并将CPU、RAM、带宽作为指标,建立成本评估模型,利用基于包簇概念下的改进粒子群算法,实现需求包到资源簇的部署映射。仿真实验结果表明,该优化模型可以有效降低资源分配过程中的营运成本,稳定提高资源平均利用率。

“簇概念”:作为艺术理论的价值体现

贝伊斯·高特作为反本质主义的代表人物,延续了维特根斯坦的“家族相似说”和莫里斯·韦茨的“艺术不可定义”理论,以“簇概念”来界定艺术。其理论主张开放地看待构成艺术的“内在属性”,使用析取性形式规范艺术,走出艺术复杂而难以界定的困境,以解决艺术定义的问题。“簇概念”作为一种艺术理论范式,为艺术的界定提供了新的思路和方法,因而具有一定的合理性及价值意义。

基于概念簇的文本向量构建方法

为提高文本向量对文本概念的逼近程度,通过将具有相同语法语义特征的词进行聚类,提取概念簇,利用空间变换将文本向量由词空间变换到概念簇空间上来表达文本。实验比较了基于TF-IDF、IG、TF-IDF-IG、LSA以及它们结合概念簇后对文本分类的效果,证明了基于概念簇的文本向量构建方法能提高文本向量对文本概念逼近的准确程度,同时也提高了不同类型文本之间的区分度。

基于概念簇的多主题提取算法

现实世界存在着大量的多主题文本,多主题在信息检索、图书情报等领域有着广泛的应用。传统主题提取算法大多是针对文本整体提取一个主题,且存在缺乏语义信息、向量高维和稀疏等缺陷。以《知网》为知识库,构建概念向量表示文本,根据概念的语义及上下文背景对同义词进行归并、对多义词进行排歧,并利用概念间语义关系实现语义相似度计算;在此基础上提出基于概念簇的多主题提取算法MEABCC,该算法通过对概念进行聚类,得到多个主题簇;在使用K-means算法进行概念聚类时,通过"预设种子"方法对其进行改进,以弥补传统K-means算法对初始中心的敏感性所引起的时空开销不稳定、结果波动较大的缺陷。实验结果表明,该算法具有较好的准确率、召回率和F1值。

基于灰色模型的概念簇聚类算法

针对目前聚类算法的目标函数中尚未有能判别数据在时域上发展趋势差异性的情况,基于灰色理论中被广泛应用的预测模型GM(1,1),利用其所得到的预测公式,通过推导演算,设计新的聚类目标函数,构造了一种新的概念簇聚类算法,其聚类目标簇是在时域上具有共同发展趋势的数据集合。该算法在实际应用中的具体意义是:设计者可根据该算法的结果,对不同簇的数据设计不同的有针对性的预处理方案。以中国各城市人口发展统计数据为实例,验证了该算法的可行性。

基于三支概念簇的知识表示

概念簇刻画了现代范畴理论中具有家族相似性的概念集合.概念簇中的概念包含了对象具有的共同属性,但忽略了对象都不具有的属性,不利于解决某些特定的问题.本文融合现代范畴理论与三支概念分析,提出了用三支概念簇刻画具有家族相似性的三支概念集合;其次,研究了三支概念簇的若干重要性质与运算方法;最后,将三支概念簇用于满足特定约束条件下的相似对象检索.分析结果表明,三支概念簇相比较于概念簇,能够检索到更加符合需求的对象.

基于概念簇的知识表示

概念是信息粒化过程中的重要粒度之一。然而,基于概念的知识表示并不能有效地对具有家族相似性的原型范畴进行刻画。该文在现代范畴理论的启发下,提出用概念簇表示一组密切相关的概念,以刻画粒度大于概念的信息粒。其次,研究了概念簇的若干重要性质与计算方法。最后,提出了一种基于概念簇的信息检索方法。

模糊三支概念簇的理论与实践

三支概念簇刻画的是具有家族相似性的三支概念集合。三支概念簇中的三支概念包含了对象共同具有和共同不具有的属性,但三支概念不能表达模糊的信息,不能解决模糊形式背景下的问题。将模糊三支概念分析和现代范畴理论相结合,提出了模糊三支概念簇;讨论了模糊三支概念簇的基本性质和运算方法;提出了一个在模糊形式背景下利用模糊三支概念簇查找相似对象的算法,将所提出的算法应用到新型冠状病毒感染疑似病例检索,取得了符合实际的实验结果。经过分析可知,模糊三支概念簇的应用场景更加广泛。

“海上执法”概念簇的释义与辨析

海_上执法是海洋强国建设的重要内容之一,受到学术界、实务界及社会各界的高度关注。在海_上执法的学术研究中,对其基本学理问题的研究还比较薄弱,尤其是对于海上执法及其相近概念的界定和彼此间关系的分析亟待深入。一般而言,海上执法是一个更为规范和严谨的用语,其与海洋执法、海上行政执法、海上维权执法之间既有联系,也有区别,特别是海上执法与海上维权执法的关系还处于争论之中,但二者之间并不能简单地划等号。在实践中,海上综合执法、海上联合执法与海上专项执法是最为常见的三种方式。海_上执法的发展应以综合执法为长远目标,并在现阶段推广应用联合执法和专项执法。

基于包簇映射的云计算资源分配策略

提出了一种基于包簇映射的云计算资源分配策略。在包、簇概念下,资源可共享,任务调度更为灵活,资源利用率更高。将多目标遗传算法与改进的蚂蚁算法动态融合,提出了一种基于成本最优的云计算资源分配算法。该算法在任务前期利用遗传算法快速随机的全局搜索能力,产生初始信息素,在任务后期通过蚂蚁算法蚂蚁间的信息交流和正反馈机制,寻找资源分配的最优解。实验结果表明,在包、簇概念下,该混合式调度算法能够显著降低云计算系统的任务完成时间和任务执行平均成本,有效减少簇结点的使用数量,提高资源利用率。

基于外存的概念格维护算法

为有效解决超内存概念格的维护问题,提出一种有限内存空间下基于外存的概念格维护算法。以形式背景中二元关系消减情况为应用背景,利用概念簇为基本单位划分原始概念格,采用最近最少使用调度策略释放内存中无用的概念节点,从外存中调入所需的概念块,降低内存消耗,解决内存不足的现象,为概念格的具体应用提供保障。理论与实验结果表明,在限定的内存资源条件下,该方法以较小的内存消耗和时间代价,实现了超内存概念格的有效维护。

基于用户兴趣建模的个性化推荐

针对当前大多数个性化推荐中用户兴趣挖掘不足,导致资源推荐过快收敛的问题,以图书馆领域为背景,引入本体建模、本体查询、Apriori算法来全面挖掘用户潜在兴趣,同时利用概念频繁兴趣簇来控制最终用户推荐的收敛性。实验表明,该用户建模能保证在较高的资源推荐查准率基础上,防止推荐过快收敛,体现用户确切的兴趣。

基于概念簇的文本分类算法

针对传统文本分类算法在向量空间模型表示下存在向量高维、稀疏以及忽略特征语义相关性等缺陷所导致的分类效率低和精度不高的问题,以知网(HowNet)为知识库,构建语义概念向量模型SCVM(Semantic Concept Vector Model)表示文本,根据概念语义及上下文背景对同义词进行归并,对多义词进行排歧,提出基于概念簇的文本分类算法TCABCC(Text Classification Algorithm Based on the Concept of Clusters),通过改进传统KNN,用概念簇表示各个类别训练样本,使相似度的计算基于文本概念向量和类别概念簇。实验结果表明,该算法构造的分类器在效率和性能上均比传统KNN有较大的提高。

基于《农业大词典》的农业概念簇表示研究

利用《农业大词典》中词条的特征研究农业概念簇的生成。阐述了从释义部分抽取特征,包括了人工特征抽取特征词和词语概念,以及KL变换降维;叙述了KNN分类的基本思想和基于KNN的农业概念簇形成的过程;还通过实验验证了本文的特征抽取和基于KNN方法是有效的。

用户兴趣建模的改进

基于用户兴趣模型的个性化推荐已经基本上解决了用户兴趣挖掘不足,推荐资源收敛性过快的缺点。但在二次过滤中,概念兴趣簇集中仍存在一定的兴趣冗余和兴趣表征模糊的缺点。将二次过滤的步骤进行了改进。在资源本体描述中,添加了表征各个资源的概念的权重,并引入了概念专注函数来消除兴趣冗余和兴趣表征不足的缺点。实验表明,该改进进一步提高了用户兴趣的推荐程度。

基于互信息和众数的类间关系研究

簇间关系的评估对于确定许多现实中的关键未知信息具有重要作用,可被广泛应用在犯罪侦查、进化树、冶金工业和生物嫁接等领域。提出了一种称为"众数模式+互信息"的方法对簇间关系进行排序。该方法使用众数模式从每个簇中寻找具有代表性的对象,使用互信息衡量簇间的关联程度。由于该方法利用簇间关系判断簇与簇的联系程度,所以它不同于传统的分类和聚类。在图形和癌症诊断数据上的实验表明了该算法的有效性。