基于 Mahalanobis矩阵学习的本体算法

提出基于Mahalanobis矩阵学习的本体相似度计算和本体映射算法.利用矩阵分解和坐标下降迭代算法得到Mahalanobis矩阵,进而得到本体图距离矩阵,并由此来判定本体图中2顶点之间的相似程度.最后,将算法应用于生物GO本体和计算机软件本体,通过实验数据验证了算法的有效性.     

基于 Mahalanobis 矩阵学习的本体算法

提出基于M ahalanobis矩阵学习的本体相似度计算和本体映射算法。利用矩阵分解和坐标下降迭代算法得到M ahalanobis矩阵,进而得到本体图距离矩阵,并由此来判定本体图中2顶点之间的相似程度。最后,将算法应用于生物GO本体和计算机软件本体,通过实验数据验证了算法的有效性。     

基于概念相似度的本体映射

本文针对不同本体间的本体概念映射提出了一种新的概念相似度的综合计算方法,从本概念间的语义方面讨论本体概念的相似度,在一定程度上增加了计算量,提高了概念映射的查全率。     

基于森林病虫害领域本体的概念相似度算法改进

传统的基于本体概念的相似度算法过于依赖层次结构,且忽略了许多影响概念间语义相似度的因素。针对这一问题,通过引入边权重关系、语义相关度影响因素,提出1种新的基于森林病虫害本体的语义相似度的计算方法。结果表明:改进后的相似度算法比传统算法更接近林业相关领域的专家经验值,证明了该方法的准确性及有效性,体现了林业领域本体概念间的复杂关系。     

基于本体的分类检索系统的设计与实现

传统的信息检索是利用关键词匹配查询,对用户问句缺乏语义理解,检索效果不是令人非常满意。为解决此问题,提出了一种基于本体的分类检索系统,利用本体中丰富的语义关系,对用户提问进行分类语义查询,从而提高信息检索的查准率和查全率。     

改进性的文本聚类算法研究

在互联网技术日益发展的今天,如何快速对海量的文本进行归类是数据挖掘的一项重要课题。提出了一种改进型的文本聚类算法,计算句子相似度时综合考虑基于词频统计的特征向量表示法和关键词之间的关系,减少了相似度对于输入次序和频数的敏感度,有效地提高了计算小文档和简单句子相似度的准确度和文本聚类结果的准确率、召回率。     

本体稀疏矩阵学习以及在相似度计算中的应用

在大数据背景下,本体所包含的概念越来越多,其结构也越来越复杂.这要求其对应的本体算法能高效地降低计算的维度,进而减少计算复杂度.将原有的本体稀疏向量学习模型进行扩展,提出本体稀疏矩阵学习模型.通过矩阵导数计算设计一种迭代算法来获取逼近最优解.实验表明新算法在特定的本体应用领域有较高的效率.     

基于知识库的渔业领域本体学习算法

分析了现有本体学习方法的基本思想及其应用于渔业领域本体学习的局限性,结合渔业领域概念的特点,提出了一种基于知识库的渔业领域本体学习算法,给出了算法的详细描述,并用实验验证了算法的性能。结果表明,该算法的召回率较高,但准确率稍低一些。     

基于知识库的渔业领域本体学习算法

分析了现有本体学习方法的基本思想及其应用于渔业领域本体学习的局限性,结合渔业领域概念的特点,提出了一种基于知识库的渔业领域本体学习算法,给出了算法的详细描述,并用实验验证了算法的性能。结果表明,该算法的召回率较高,但准确率稍低一些。     

改进模糊聚类算法在浙江旱栽优势作物核心种质研究中的应用

模糊聚类分析已被广泛应用在气象预报、地质、模式识别、数据挖掘等方面。文章将模糊聚类分析应用于作物核心种质构建过程中,并对传统的模糊聚类算法进行了改进,在相似系数和距离系数的基础上,提出了一种既能考虑到样本之间的值贴近程度,又能考虑到样本之间的形贴近程度的改进系数——相似度,用相似度矩阵替代传统的相似矩阵,使模糊聚类分析模型能够更符合构建作物核心种质的需要。     

一种用于Web信息抽取的页面信息本体自动学习方法

针对基于Web页面信息本体的信息抽取中,需人工根据待抽信息项的概念和对应的实例值来建立本体的缺点,设计一个页面信息本体的自动学习方法。论文利用前期在基于DOM的页面相似路径归纳学习算法和基于PAT-tree的自动关键词识别算法上的研究成果,使用改进的TF·IDF统计方法和复合事件的关联规则算法完成概念和概念间关系的学习,建立页面信息本体,减少建立本体的人工工作量。     

Agricultural Ontology Based Feature Optimization for Agricultural Text Clustering

Feature optimization is important to agricultural text mining.Usually,the vector space model is used to represent text documents.However,this basic approach still suffers from two drawbacks:the curse o...     

基于森林资源数据结构的本体学习探索

森林资源经营管理中引入本体概念是领域智能化进程的基础工作,阐述森林资源本体的概念和本体学习的方法,对森林资源数据结构进行分析,通过本体学习的方法获得森林资源核心本体的主要概念和主要关系,并经应用实例验证从森林资源数据结构中本体学习能够获取与现实相符的核心本体。     

农业领域本体自适应学习建模研究

在总结现有的本体理论与本体学习技术的基础上,建立了一套本体学习的自适应机制,通过获取农业数据源变化信息、本体服务的需求,以及对已构建本体的评估,提出基于多Agent的农业领域本体自适应学习理论与模型,实现对农业领域本体学习规则的实时自动调整,提升农业本体构建的动态适应性及优化能力,对大规模构建农业领域本体研究具有一定的实际意义。     

基于孤立点和初始质心选择的κ-均值改进算法

介绍了在聚类中广泛应用的经典κ-均值算法,针对其随机选择初始质心和易受孤立点的影响的不足,给出了一种改进的κ-均值算法。首先使用距离法移除孤立点,然后采用邻近吸收法对初始质心的选择上进行了改进,并做了改进前后的对比试验。试验结果表明,改进后的算法比较稳定、准确,受孤立点和随机选择质心的影响也有所降低。     

改进的基于模糊C-均值聚类的图像分割算法

为了提高图像分割算法的抗噪声性能,提出了一种改进的基于模糊C-均值聚类的图像分割算法.该算法首先根据邻域像素的隶属度矩阵来计算出像素和聚类中心的空间距离,然后利用空间距离和欧氏距离来重新确定像素和聚类中心的距离,最后利用新提取的距离特征和改进的FCM聚类算法对图像进行分割.实验结果表明,该算法能有效地提取目标图像,对噪声具有较强的鲁棒性,收敛速度快.

Abstract：

To enhance the noise immunity performance of the image segmentation algorithm, an improved algorithm for image segmentation based on fuzzy C-means clustering is proposed in this paper. The spatial distance between a pixel and the cluster center is calculated by the membership matrix of the neighboring pixels, and a new distance is determined by the spatial distance and the Euclidean distance. This new distance feature and the improved algorithm based on fuzzy C-means clustering are used in image segmentation. The experimental results show that the proposed algorithm is effective in getting the target image,more robust to the noises and faster than the conventional fuzzy C-means (FCM) algorithm.     

基于本体的农业信息检索

介绍了本体的概念、作用及构建方法,并阐述了基于本体的农业信息检索的一般方法。     

基于本体的网络消费行为模型研究

探讨了利用本体来分析网络消费行为的方法,设计了一个基于本体的前后台结构的网络消费行为分析模型构架,阐述了构架内部的层次关系,并构筑了一个基于基础数据挖掘、网络消费和商品--网页属性本体构建及知识本体映射的过程模型.文章最后设计了一个基于本体的网络消费个性化服务系统.实践证明,此模型具有广泛的应用价值.     

基于Kd树改进的高效K-means聚类算法

针对经典的K-means算法在多维数据聚类效率上还有待提高的问题,本文提出一种称为CK-means的改进聚类算法。该算法在k-means算法的基础上,通过引入Kd树空间数据结构,初始聚类中心从多维数据某一维的区间等间隔集中选取,以及在数据对象分配过程中采用剪枝策略来提高算法的运行效率。实验结果表明,CK-means聚类算法较经典的k-means聚类算法运行效率更高。