栏目文章信息

2019年中国粒计算与知识发现学术会议(CGCKD2019)论文 栏目所有文章列表 (按年度、期号倒序)     一年内发表的文章 |  两年内 |  三年内 |  全部 Please wait a minute... 选择: 导出引用 EndNote Ris BibTeX 显示/隐藏图片 Select 1. 带权超网络的度量方法及其性质 刘胜久, 李天瑞, 杨宗霖, 珠杰 计算机应用    2019, 39 (11): 3107-3113.   DOI: 10.11772/j.issn.1001-9081.2019050806 摘要 （483）      PDF （913KB）（362）    可视化    收藏 超网络是较通常意义上的复杂网络更为复杂的网络，该网络的每一条超边能连接任意多个节点的特性使其比复杂网络能更好地描述真实世界中的复杂系统。针对现有超网络研究中对超网络度量方法的缺陷与不足，提出了一种超网络度量方法——超网络维数（HD），即为所有超边包含的节点权重之和与对应超边权重乘积和的对数值和节点权重之和与超边权重之和乘积对数值的比值的两倍。超网络维数可以应用于节点权重与超边权重为正实数、负实数、纯虚数，乃至复数等多种不同数值类型的带权超网络中。最后给出了超网络维数的若干性质。 参考文献 | 相关文章 | 多维度评价 Select 2. 模糊规则模型的粒度性能指标评估方法 胡星辰, 申映华, 吴克宇, 程光权, 刘忠 计算机应用    2019, 39 (11): 3114-3119.   DOI: 10.11772/j.issn.1001-9081.2019050791 摘要 （416）      PDF （925KB）（265）    可视化    收藏 模糊规则模型广泛应用于许多领域，而现有的模糊规则模型主要使用基于数值形式的性能评估指标，忽略了对于模糊集合本身的评价，因此提出了一种模糊规则模型性能评估的新方法。该方法可以有效地评估模糊规则模型输出结果的非数值（粒度）性质。不同于通常使用的数值型性能指标（比如均方误差（MSE）），该方法通过信息粒的特征来表征模型输出的粒度结果的质量，并将该指标使用在模糊模型的性能优化中。信息粒性能采用（数据的）覆盖率和（信息粒自身的）特异性两个基本指标得以量化，并通过使用粒子群优化实现了粒度输出质量（表示为覆盖率和特异性的乘积）的最大化。此外，该方法还优化了模糊聚类形成的信息粒的分布。实验结果表明该指标对于模糊规则模型性能评估的有效性。 参考文献 | 相关文章 | 多维度评价 Select 3. 面向聚类集成的基聚类三支筛选方法 徐健锋, 邹伟康, 梁伟, 程高洁, 张远健 计算机应用    2019, 39 (11): 3120-3126.   DOI: 10.11772/j.issn.1001-9081.2019050864 摘要 （369）      PDF （985KB）（223）    可视化    收藏 当前聚类集成的研究主要是围绕着集成策略的优化展开，而针对基聚类质量的度量及优化却较少研究。基于信息熵理论提出了一种基聚类的质量度量指标，并结合三支决策思想构造了面向基聚类的三支筛选方法。首先预设基聚类筛选三支决策的阈值 α、β，然后计算各基聚类中类簇质量的平均值，并把其作为各基聚类的质量度量指标，最后实施三支决策。决策策略为：当某个基聚类的质量度量指标小于阈值 β时，删除该基聚类；当某个基聚类的质量度量指标大于等于阈值 α时，保留该基聚类；当某个基聚类的质量度量指标大于等于 β小于 α时，重新计算该基聚类质量，并且再次实施上述三支决策直至没有基聚类被删除或达到指定迭代次数。对比实验结果表明，基聚类三支筛选方法能够有效提升聚类集成效果。 参考文献 | 相关文章 | 多维度评价 Select 4. 面向不平衡文本情感分类的三支决策特征选择方法 万志超, 胡峰, 邓维斌 计算机应用    2019, 39 (11): 3127-3133.   DOI: 10.11772/j.issn.1001-9081.2019050822 摘要 （387）      PDF （1114KB）（209）    可视化    收藏 传统的特征选择方法在面对不平衡文本情感倾向性分类时会有很大的局限性，这种局限性主要体现在特征维数过高、特征过于稀疏和特征分布不平衡，这会使得分类的准确度大幅度下降。根据不平衡文本情感特征分布的特点，结合三支决策的思想，提出了一种面向不平衡文本情感分类的三支决策特征选择方法（TWD-FS）。该方法将两种有监督特征选择方法相结合，将选择出的特征词进一步筛选，使得最终选择出的特征词同时满足类间离散度最大和类内离散度最小的特点，有效地减少了特征词的数量，降低了特征维度；此外，通过组合正负类情感特征，缓解了情感特征的不平衡性，有效提高了不平衡样本中少数类情感的分类效果。在COAE2013中文微博非平衡数据集等多个数据集上的实验结果表明，所提的特征选择算法TWD-FS可以有效提高不平衡文本情感分类的准确度。 参考文献 | 相关文章 | 多维度评价 Select 5. 基于概率的支持向量数据描述方法 杨晨, 王婕婷, 李飞江, 钱宇华 计算机应用    2019, 39 (11): 3134-3139.   DOI: 10.11772/j.issn.1001-9081.2019050823 摘要 （409）      PDF （849KB）（174）    可视化    收藏 针对目前概率机器学习方法在解决概率问题时具有较高的复杂度，而传统的支持向量数据描述（SVDD）作为一种核密度估计方法只能判断测试样本是否属于该类等问题，提出一种基于概率的支持向量数据描述方法。首先，利用传统的SVDD方法分别得到两类数据的数据描述，计算测试样本到超球体的距离；然后，构造一个将距离转换为概率的函数，提出一种基于概率的SVDD方法；同时，使用Bagging算法进行集成，进一步提高数据描述的性能。借鉴分类场景，将所提方法与传统的SVDD方法在Gunnar Raetsch的13种基准数据集上进行实验，实验结果表明，所提方法在准确率和F1值上优于传统的SVDD方法，并且其数据描述的性能有所提升。 参考文献 | 相关文章 | 多维度评价 Select 6. 变精度多粒度粗糙集近似集更新的矩阵算法 郑文彬, 李进金, 于佩秋, 林艺东 计算机应用    2019, 39 (11): 3140-3145.   DOI: 10.11772/j.issn.1001-9081.2019050836 摘要 （487）      PDF （801KB）（180）    可视化    收藏 随着信息大爆炸时代的到来，数据集的巨大化和数据集结构的复杂化已经成为近似计算中不能忽视的问题，而动态计算是解决这些问题的一种行之有效的途径。对现有的应用于经典多粒度粗糙集动态近似集更新方法进行了改进，提出了应用于变精度多粒度粗糙集（VPMGRS）的向量矩阵近似集计算与更新方法。首先，提出了一种基于向量矩阵的VPMGRS近似集静态计算算法；其次，重新考虑了VPMGRS近似集更新时的搜索区域，并根据VPMGRS的性质缩小了该区域，有效地提升了近似集更新算法的时间效率；再次，根据新的搜索区域，在VPMGRS近似集静态计算算法的基础上提出了一种新的VPMGRS近似集更新的向量矩阵算法；最后，通过实验验证了所提算法的有效性。 参考文献 | 相关文章 | 多维度评价 Select 7. 基于一维卷积神经网络的蛋白质-ATP绑定位点预测 张寓, 於东军 计算机应用    2019, 39 (11): 3146-3150.   DOI: 10.11772/j.issn.1001-9081.2019050865 摘要 （387）      PDF （775KB）（297）    可视化    收藏 为了提高预测腺嘌呤核苷三磷酸（ATP）绑定位点的准确率，提出了一种基于一维卷积神经网络（1D-CNN）的方法。首先，以蛋白质的序列信息为基础，融合位置特异性得分矩阵信息、二级结构信息和水溶性信息，使用随机下采样的方法消除数据不平衡的影响，再对缺失的特征进行再编码补齐，得到训练特征。训练一个1D-CNN来预测蛋白质-ATP绑定位点，优化网络结构，并且进行实验来对比所提方法和其他机器学习方法的优劣。实验结果展示了所提方法的有效性，并且该方法与传统支持向量机（SVM）相比在AUC指标上有部分的提升。 参考文献 | 相关文章 | 多维度评价