矩阵奇异值分解及其在高维数据处理中的应用

矩阵奇异值分解能够实现对高维数据的局部特征提取及维数约减,在智能信息处理和模式识别研究领域具有十分重要的应用价值.首先分析了高维数据处理所面临的困境,并对常用的降维算法进行简单的归纳总结;然后阐述了矩阵奇异值分解的基本原理及其在维数约减和数据压缩中的物理意义;接着通过分析两种建立在奇异值分解基础上的PCA与LSA降维算法的数学导出过程,进一步给出了两者的等价性证明;最后总结了矩阵奇异值分解的优缺点,并且预测了高维数据处理技术未来的发展趋势.     

基于语言评价信息的知识资本要素识别方法

知识资本是组织创造价值和获取竞争优势的关键资源, 其要素通常具有复杂的关联性, 如何识别知识资本的核心要素、原因要素和结果要素,对于组织进行知识资本管理具有重要意义.本文在构建了知识资本要素识别体系的基础上,借鉴决策试验和评价实验室报告的思想提出了一种基于语言评价信息的知识资本要素识别方法,通过处理和集结专家针对知识资本要素关联给出的语言评价信息,对知识资本要素进行排序与归类.最后通过一个实例分析说明了该方法的应用, 并说明了如何根据识别结果制定相应的策略以便进行知识资本的投资和控制.     

基于云计算的双极二元语义决策模型及其应用

针对评价为语言型且准则权重未知情况下风险型决策信息有效集结的问题,提出一种基于云计算与前景理论的双极二元语义决策模型.首先,将语言型决策信息转换成双极二元语义形式并使用G1—离差最大化法计算各准则的组合权重;其次,利用双极二元语义加权平均算子将各状态、各方案多准则下的决策信息集结为综合双极二元语义决策阵;然后,利用云模型的数字特征公式将综合双极二元语义决策矩阵转化为各状态下各方案的综合云决策矩阵,并结合前景理论分析以确定所有方案的综合云前景值,将其排序并择优.最后,对案例的研究验证了新算法的科学性与适用性.     

基于U-Net的盐体识别方法

卷积神经网络在计算机视觉领域取得重大突破，利用其强大的图像处理能力，将地下沉积盐体的识别问题转化为图像语义分割问题，应用深度卷积神经网络实现盐体地震图像的像素级语义分割.本文在U-Net基础上，增加网络深度并同时引入批归一化和Dropout处理，使得神经网络模型具有更高的可信度和更强的泛化能力.通过实验发现，在卷积层之后引入批归一化处理，并在池化层和叠加层之后引入Dropout可以稳定提升模型对盐体图像的分割性能.     

基于U-net模型的航拍图像去绳带方法

光启云端号平台是用电缆绳索牵引气囊的, 由于空中航拍摄像系统悬挂在气囊下方, 摄取的图像不可避免地含有绳带信息, 这些绳带信息影响图像质量, 所以在场景分析和目标检测中需要剔除。提出一种基于U-net模型的绳带检测算法, 引入深度可分离卷积提高计算速度, 采用一种带权重的交叉熵作为损失函数, 解决类别不均衡带来的收敛不稳定问题, 最终的模型能够用较少的样本在较短的时间内, 快速准确地检测绳带, 利用快速行进修复算法(FMM)对绳带图像进行了修复。实验结果表明:该算法的mIOU达到62.8%, 得到了较好的去绳结果。     

基于语义Choquet积分的知识服务能力测评方法

针对知识服务中考虑模糊语言关联性信息的知识服务能力评价与提升策略问题,提出了一种评价方法。为了解决该问题,首先构建了知识服务能力的评价指标体系和矩阵分析模型;然后,明晰了知识服务能力的语言评价指标会在不同程度上存在关联的问题特征及二元语义信息处理方法的特征,并进行了形式化描述;同时,提出并定义了二元语义Choquet积分算子,给出了一种基于二元语义Choquet积分算子评价知识服务能力的方法;最后,通过算例分析说明了本文给出方法的可行性和实用性。     

低频纯音不愉悦感主观评价的实验研究

本文提出分别采用“不愉悦度”和“不愉悦概率”作为衡量低频噪声主观感觉的整体评价指标,并确定出评价等级与相应的计算公式。在此基础上,以人工产生的低频纯音为研究对象,结合“5点4级”评价尺度,采用语义细分法,设计并完成了实验室主观评价实验。分析处理实验数据后发现：（1）“不愉悦度”与“不愉悦概率”两种感觉指标的评价结果之间及其各自所确定的评价等级之间存在较高相关性;（2）A,C及线性声级均可用于衡量低频纯音的不愉悦度,三者的衡量效果基本一致;（3）不同频率低频纯音的不愉悦度随声压级的变化趋势不同。     

二元语义Bonferroni集成算子及其在多属性群决策中的应用

Bonferroni平均算子的优点是在进行信息集成的过程中能够考虑到输入变量之间的相互影响。本文首先将其推广到语言环境中,提出了二元语义Bonferroni平均(2TLBA)算子、加权2TLBA(W2TLBA)算子和组合W2TLBA(C-W2TLBA)算子的概念,研究它们的相关性质。然后针对决策信息以语言变量给出的多属性群决策问题,提出一种基于W2TLBA算子和C-W2TLBA算子的群决策方法。最后应用实例说明了该方法是切实可行的。     

基于二元语义的犹豫模糊语言决策方法

当决策者在给出语言评价信息而表示出犹豫时,决策信息更适合用犹豫模糊语言术语集表达。为了减少语言决策过程中信息的丢失,得到较精准的评价结果,本文提出基于二元语义的犹豫模糊语言决策方法。首先定义了犹豫模糊二元语义集、犹豫模糊二元语义集的均值函数、方差函数及其集结算子,然后用集结算子求出各方案的综合评价值,通过犹豫模糊二元语义的均值函数和方差函数确定方案排序。最后通过实例说明了该方法的实用性和有效性。     

基于二元语义TAC积分算子的语言型多属性群决策方法

针对属性之间存在模糊关联的语言型多属性群决策问题,给出了二元语义TAC(Two-Additive Choquet)积分算子的定义,分析和证明了算子的有关性质,并提出了相应的决策方法。该方法首先将各专家提供的语言短语形式的属性权重信息、属性关联信息与属性评价信息转化为二元语义形式,然后利用二元语义TAC积分算子将转化后的属性相关信息集结为各专家的方案评价值,并进一步集结专家意见获得方案的综合评价值,从而确定其排序。最后,通过实例分析和方法比较说明了所给方法的有效性和优点。研究结果表明,该方法具有属性关联刻画细致、计算过程简单且无信息损失、决策结果可解释性强等优点,为求解属性之间存在模糊关联的语言型多属性群决策问题提供了一种新的途径。