基于FCA的概念相似度计算方法

针对传统基于特征的概念相似度计算方法准确性不高的问题，提出了基于FCA的概念相似度计算方法。该方法利用辞典形成两个本体特征之间的偏序关系，建立形式背帚；以此为基础形成概念格。引入新的基于概念格的相似度计算模型，以概念格的不可约下确界元素作为相似度计算的依据。实验结果证明该方法提高了概念匹配的准确率。     

粗糙直觉模糊集的近似表示

在粗糙直觉模糊集的基础上,从新的角度提出了不确定目标概念的近似表示和处理的方法(通过近似模糊集和近似精确集刻画).首先将已有的直觉模糊集相似概念和均值直觉模糊集概念引入到该模型,定义了Pawlak近似空间U/R下的阶梯直觉模糊集、0.5-精确集的概念,然后得到了均值直觉模糊集(0.5-精确集)是所有直觉模糊集中与目标直觉模糊集最接近的直觉模糊集(近似精确集),接着分析了均值直觉模糊集、0.5-精确集分别与目标直觉模糊集的相似度随着知识粒度变化的变化规律.     

基于双向改进余弦相似度的话题发现算法

话题发现是网络社交平台上进行热点话题预测的一个重要研究问题。针对已有话题发现算法大多基于传统余弦相似度衡量文本数据间的相似性,无法识别各维度取值成比例变化时数据对象间的差异,文本数据相似度计算结果不准确,影响话题发现正确率的问题,提出基于双向改进余弦相似度的话题发现算法(TABOC),首先从方向和取值两个角度改进余弦相似度,提出双向改进余弦相似度,能够区分各维度取值成比例变化的数据对象,保留传统余弦相似度在方向判别上的优势,提高衡量文本相似度的准确性;进一步定义集合的双向改进余弦特征向量和双向改进余弦特征向量的加法等相关定义定理,舍弃无关信息,直接计算新合并集合的特征向量,减小话题发现过程中的时间和空间消耗;还结合增量聚类框架,高效处理新增数据。采用百度贴吧数据进行实验表明,TABOC算法进行话题发现是有效可行的,算法正确率和时间效率总体上优于其他对比算法。     

基于数据最优分区间相似度算法及应用

通过定义了一种基于数据最优分区间相似度算法,利用学习样本得单位相似度向量,并得各维数据的最优分区间.利用最优分区间得预测样本与学习样本的单位相似度向量,从而得预测样本的预测值.通过实例表明,算法所预测的结果相对误差可达百分位,并且本算法能应用到其它数据处理中,具有较广泛的通用性.     

直觉模糊集的σ-相似度和σ-包含度及其相互诱导关系

相似度与包含度是度量模糊集的两个重要指标。介绍在有限论域上直觉模糊集的相似度与包含度的定义,重点研究σ-相似度和σ-包含度的性质,分别给出σ-相似度和σ-包含度的一些等价条件,进而给出σ-相似度与σ-包含度之间的相互诱导关系。     

模糊粗糙集的包含度和相似度

证明了包含度和相似度的几个性质,定义了模糊粗糙集的包含度和相似度。所证性质可用于生成模糊粗糙集的包含度和相似度。     

基于三维坐标及余弦相似度的创新需求集成与筛选方法

为解决产品创新设计过程中多维需求的集成与筛选问题,现提出一种基于三维坐标及余弦相似度的创新需求筛选方法。首先采用创新需求三维坐标来表示每项创新需求,其次应用矢量模的计算方法确定每项创新需求强度的大小,根据余弦相似度计算创新需求与基准创新需求间的相似度,以需求强度和相似度为基础,构建一个创新需求四分图来对创新需求进行直观的筛选,计算出每项创新需求的创新集成度来对创新需求做出精确的筛选,将二者相结合组成系统的筛选方法,最后通过实例验证了所提方法的有效性。     

带惩罚μ-相似Bregman散度k-均值问题的初始化算法

$k$-均值问题是聚类中的经典问题,亦是NP-难问题。如果允许数据点不聚类,而是支付惩罚费用,则引出带惩罚的$k$-均值问题。本文将带惩罚的$k$-均值问题从欧氏距离推广到更一般的$\mu$-相似Bregman散度,研究了带惩罚$\mu$-相似Bregman散度$k$-均值问题的初始化算法。本文给出的初始化算法,近似比与$\mu$和数据点惩罚最大值与最小值的比例$r$相关。     

带惩罚μ-相似Bregman散度k-均值问题的初始化算法

$k$-均值问题是聚类中的经典问题,亦是NP-难问题。如果允许数据点不聚类,而是支付惩罚费用,则引出带惩罚的$k$-均值问题。本文将带惩罚的$k$-均值问题从欧氏距离推广到更一般的$\mu$-相似Bregman散度,研究了带惩罚$\mu$-相似Bregman散度$k$-均值问题的初始化算法。本文给出的初始化算法,近似比与$\mu$和数据点惩罚最大值与最小值的比例$r$相关。     

区间数相似度研究

对区间数相似性问题进行了探讨.定义了区间数相似度的概念,给出了度量区间数相似度的一个简洁公式,详细研究了它的一些优良性质,如:自反性、对称性和传递性等,并且研究了区间数相似度公式与区间数排序的可能度公式之间的关系,从而为区间数的实际应用奠定了理论基础.     

条件概率真度的相似度及伪距离

基于条件概率的思想,在连续值命题逻辑系统中引入赋值密度函数概念,给出了公式的概率真度、条件概率真度的定义,定义了公式间的相似度和伪距离并证明了概率真度的推理规则.     

标准序列逻辑系统S_3中公式的概率真度理论

利用势为3的非均匀概率空间的无穷乘积在三值标准序列逻辑系统中引入了公式的概率真度概念,证明了全体公式的概率真度值之集在[0,1]中没有孤立点;利用概率真度定义了概率相似度和伪距离,进而建立了概率逻辑度量空间,证明了该空间中没有孤立点,为三值命题的近似推理理论提供了一种可能的框架.     

计量逻辑学的基本思想和研究综述

介绍计量逻辑学的形成、特点及其与模糊逻辑的异同。关于命题逻辑的计量化理论,针对不同的系统论述了真度理论和相似度理论,特别是介绍了作者提出的命题逻辑系统L*以及与其配套的R0代数理论和完备性定理。介绍了逻辑理论在逻辑度量空间中的发散度和相容的理论以及三种近似推理模式。回顾了谓词逻辑计量化的进程和有待解决的问题。提出了模态逻辑和模型检验的计量化问题以及有待进一步探讨的几个研究课题。     

Degree distribution of a scale-free random graph model

In this paper, we consider the degree distribution of a general random graph with multiple edges and loops from the perspective of probability. Based on the first-passage probability of Markov chains, we give a new and rigorous proof to the existence of the network degree distribution and obtain the precise expression of the degree distribution. The analytical results are in good agreement with numerical simulations.     

集合的粗相似度量

在近似空间中,利用粗糙集诱导的模糊集,定义了两个集合间的粗相似度的概念,讨论了其性质,并对四种具体的粗相似度进行了比较。     

三值逻辑系统W3中的随机化研究

利用赋值集的随机化方法,在三值逻辑W3中提出了公式的随机真度,证明了所有公式的随机真度之集在[0,1]中没有孤立点;给出了两公式间的DW3-相似度与伪距离的概念,并建立了DW3-逻辑度量空间,证明了此空间没有孤立点.     

粗糙集的相似度量

在近似空间中,分别以集合的上下近似以及元素的隶属度定义了两个集合间的相似度度量,讨论了两种相似度的性质,并对两种相似度进行了比较．     

基于Type-2模糊贴近度在生态上的应用

分析比较了Type-1模糊贴近度与Type-2贴近度的特点,并将Type-2模糊贴近度的概念和相应运算应用到生态系统中,给出了物种动态的生态位模型,计算了物种实际生态位与理想生态位的重叠,根据重叠的精确值和区间值分别研究了物种进化的动态行为和进化程度.     

A short proof of a theorem on degree sets of graphs

For a finite simple graph G, we denote the set of degrees of its vertices, known as its degree set, by D(G). Kapoor, Polimeni and Wall [Degree sets for graphs, Fund. Math. 95 (1977) 189-194] have determined the least number of vertices among graphs with a given degree set. We give a very short proof of this result.     

四值非线性序集逻辑系统中理论的随机发散度

在四值非线性序集逻辑系统L24中,给出了随机相似度和随机逻辑伪距离的基本性质。然后在随机逻辑度量空间中提出了理论的随机发散度,指出全体原子公式之集在随机逻辑度量空间中未必是全发散的,其是否全发散取决于给定的四值概率分布序列。