摘要：增量式属性约简是一种针对动态环境下的数据挖掘方法.目前已经提出的增量式属性约简算法仅适用于符号型的信息系统,而很少有对混合信息系统进行相关的研究,这促使在混合信息系统下构建相关的增量式属性约简算法.区分度是用于设计属性约简的一种重要方法,本文将传统的区分度在混合信息系统下进行推广,提出邻域区分度的概念,然后分别研究了邻域区分度在混合信息系统下对象增加和对象减少时的增量式学习,最后根据这种增量式学习分别提出了对应的增量式属性约简算法.UCI数据集上的相关实验结果表明,所提出的增量式属性约简比非增量式属性约简能够更快速的更新约简结果.

摘要：提出一种基于属性分辨度的不完备决策表规则提取算法,它是一种例化方向的方法.首先从空集开始,逐步选择当前最重要的条件属性对对象集分类,从广义决策值唯一的相容块提取确定规则,从其他的相容块提取不确定规则;然后设计属性必要性判断步骤去除每条规则的冗余属性;最后通过规则约简过程来简化所获得的规则,增强规则的泛化能力.实验结果表明,所提出的算法效率更高,并且所获得的规则简洁有效.

摘要：新工科是我国工程教育的改革方向,其建设内涵极其丰富,并随社会发展不断进步,有很大的探索空间。数据库原理实验课程是计算机科学与技术、人工智能等工科专业的核心必修课程,开展教育改革迫在眉睫。本文以数据库原理实验课程为例,提出“以学生为中心”的混合式教学设计。这一教学设计充分利用现代化平台优势,加强学生个性化培养;通过现有网络资源与平台,为学生提供优质资源,并积极开展资源建设;日常教学中注重及时更新教学内容,开展多样化教学实践。实践证明这一教学改革可以有效地激发学生的学习主动性和创新能力。

摘要：为了减小图像语义检索过程中"语义鸿沟"的影响,提出融合主题和视觉语义的图像自动标注方法.该方法先在训练集的文本空间中用概率潜在语义分析(PLSA)模型拟合出主题集合;然后根据图像的高维视觉特征建立主题集合中每个主题的高斯混合模型(GMM),以准确描述其视觉语义信息,减小了"语义鸿沟",提高了图像自动标注的准确性.在Corel数据集上进行了对比实验的结果表明,文中方法在标注的平均标准率和平均标全率上都表现良好,证明了其有效性.

摘要：针对现有矢量草图生成方法存在的生成结果潦草,以及编码草图信息单一等问题,提出一种基于对抗自编码器的矢量草图生成方法.借助对抗自编码器自身所具有的对抗的机制,将像素化表示的草图所具有的空间信息融合到矢量草图的生成过程中,使得生成的草图具有更好的类别形状信息.既利用了矢量草图所包含的笔画间的时序信息,又利用了像素草图所包含的绘画物体的形状信息.在QuickDraw数据集上进行了草图生成实验,并使用Ske-score评价指标进行量化度量,实验结果表明所提方法能够缓解生成结果出现的潦草效应,并且生成的草图具有更好的视觉美观性和更高程度的类别可辨识性.

摘要：针对现有基于深度学习的手绘草图识别方法直接从整体上提取手绘草图的图像特征,而忽略了草图中笔画的顺序信息的问题,利用手绘草图的笔画顺序信息,将深度卷积神经网络与递归神经网络相结合,提出一种基于深度卷积-递归神经网络的手绘草图识别方法.首先按照绘画草图时的笔画顺序提取笔画,生成多幅子笔画草图,并形成一个笔画数依次递增的子笔画草图序列;然后采用深度卷积神经网络依次提取该序列中每一幅子笔画草图的图像特征,并将提取的图像特征按照原先子笔画草图排列的顺序进行排序,作为递归神经网络的输入;最后利用递归神经网络来构建不同图像特征间的时序关系,以提高手绘草图的识别准确率.在现有最大的手绘草图数据集TU-Berlin Sketch数据集上的实验结果表明,文中方法能有效地提升手绘草图的识别准确率.

摘要：近年来,多目标进化方法已被广泛应用于重叠社团检测问题并取得了较好的社团划分性能.如何设计合适的个体编码以及进化策略是提高基于多目标进化重叠社团检测算法性能的重要因素.为此,本文设计了一种双编码表示方法对非重叠社团结构和重叠点分别进行编码,能够有效解码得到重叠社团结构.在双编码表示的基础上,本文提出了一种基于双编码的重叠社团检测多目标优化方法(DRMOEA).在DRMOEA中,为了获得好的初始个体并提高算法检测性能,本文提出了一种基于社团边界点的初始化策略.除此之外,针对双编码中的重叠点编码部分,本文提出了基于精英个体边界点的交叉策略,该策略利用社团边界信息引导种群向好的方向进化,从而有效提高了算法的检测性能.最后,在9个真实世界网络上的实验结果表明DRMOEA算法优于其他5个代表性重叠社团检测算法.

摘要：为了表示复杂庞大的概念层次树,文中提出了一种更加通用的编码方案,将概念分层应用于模糊关联规则的挖掘.此外,为解决隶属度函数难以主观确定的问题,引入一种SOFM网络来确定样本数据的隶属度函数.基于改进的概念层次树的编码方案和SOFM网络,将模糊集引入关联规则挖掘中,设计了一种新的多层模糊关联规则挖掘算法.实验结果表明,该算法可以有效地挖掘出易于理解的、有意义的多层次模糊关联规则,具有很好的效率和伸缩性.

摘要：随着云存储的快速发展,越来越多的用户将数据存储在云端。为了验证云端的用户数据是否损坏,一种有效的方法是采用云存储完整性检测方案。利用理想格上的小整数解问题,设计了一种基于身份的云存储完整性检测方案,并在随机预言模型下证明了所提方案可以抵抗云服务器的适应性选择身份攻击。为了验证方案的效率,通过实验将所提方案与现有的2种基于身份的云存储完整性检测方案分别进行了比较。实验结果显示,所提方案的标签在线生成时间降低了88.32%～93.74%,证据验证时间降低了98.81%～99.73%。

摘要：为了以Web服务方式实现云计算环境下的知识共享和知识融合,提出了一种基于多目标蚁群优化的知识即服务组合策略.该策略中,结合云计算环境的动态性和知识即服务的质量规则,从知识服务提供者的角度构建了知识即服务动态组合模型;同时,为了利用问题的特征信息引导蚂蚁的搜索行为,设计了蚁群算法相应的信息素和启发信息,从而实现多目标优化.在云计算平台下使用真实的Web服务实例进行仿真实验,将该策略与基于遗传算法和协同进化算法的策略进行比较,结果表明,文中策略的性能和解的质量均明显较优.