-
公开(公告)号：CN101251851A
公开(公告)日：2008-08-27
申请号：CN200810050425.8
申请日：2008-02-29
Applicant: 吉林大学
IPC: G06F17/30
Abstract: 一种基于增量朴素贝叶斯网多分类器集成方法，包括初始化集成分类器及各主要参数；如果没有新数据，结束；使用当前集成分类器预测新数据项的类别；动态更新所有个体分类器的参数值；更新所有个体分类器的权重；如果当前集成分类器对新数据的类别预测不发生错误，则使用新数据项训练集成分类器中的所有个体分类器；根据KL剪枝策略删除冗余个体分类器；增加一个新个体分类器；使用新数据项训练所有个体分类器。本发明能有效改善发生概念漂移时的分类预测结果。此方法特别适合于处理概念漂移问题。
-
公开(公告)号：CN104679991A
公开(公告)日：2015-06-03
申请号：CN201510041738.7
申请日：2015-01-27
Applicant: 吉林大学
IPC: G06F19/00
Abstract: 本发明公开了一种面向有序命题的信息融合新方法，围绕有序命题类问题，提出了基本支持函数的凸度、扩展无知、基本(或准-基本)支持函数λ*的信息心、信息熵，基本支持函数间的相容性等概念。提出与求质心不同的λ*“信息心”计算新方法，求λ*信息心只涉及λ*的较大信任值，其作用被突出，可理解为较大信任值被赋予了更大的权重。针对有多个最大信任值和/或“近似最大”信任值的λ*，提出了改进的信息熵计算方法，并验证了其有效性。最终提出了整合信息心、信息熵计算，相容性度量，非正整数信息心处理、扩展无知和凸度等的基本支持函数融合新方法，有效解决了有序命题类问题的信息融合问题。
-
公开(公告)号：CN102682050A
公开(公告)日：2012-09-19
申请号：CN201110358417.1
申请日：2011-11-14
Applicant: 吉林大学
IPC: G06F17/30
Abstract: 一种复杂网络多元结构模式表征和发现方法，包括下列主要步骤：构造多粒度随机分块模型；基于模块和模块耦合关系定义各种结构模式及它们之间的重叠和嵌套关系；基于多粒度随机分块模型构建复杂网络的异构层次结构；从下至上依次抽取各层次上的结构模式。该方法具有如下优点：(1)能够以简单、一致的方式定义社区、中枢、权威、边缘、二分、多分和领结等常见的复杂网络结构模式，以及模式之间的各种复杂关系。(2)能够正确的发现共存于网络中的多种结构模式以及它们之间的各种复杂关系。(3)本发明提供的多元结构模式分析方法是对现有网络结构模式分析方法的重要推广，具有更加广泛的适用范围，更加适合于探索结构未知的真实网络。
-
Patent Agency Ranking
公开(公告)号：CN102779182A
公开(公告)日：2012-11-14
申请号：CN201210223579.9
申请日：2012-07-02
Applicant: 吉林大学
IPC: G06F17/30
Abstract: 一种融合偏好和信任关系的协同过滤推荐方法，包括下列主要步骤：根据用户-项目评分数据，挖掘用户间的偏好关系，构建偏好关系网络；融合偏好关系与信任关系，构建偏好信任关系网络；基于偏好信任关系网络，利用马尔可夫随机游走方法，定位目标用户的相似近邻；基于相似近邻对某一项目的评分值，为目标用户预测相应项目的评分值。本发明为推荐系统预测用户对项目的评分提供了一种全新和高效的方法，与现有方法比较，本发明具有如下主要优点：(1)方法简单，易于实现，并且能产生更准确的评分预测值。(2)该方法只有一个参数，推荐结果对该参数不敏感，便于选择。
-
公开(公告)号：CN101901251B
公开(公告)日：2012-04-11
申请号：CN201010210628.6
申请日：2010-06-28
Applicant: 吉林大学
IPC: G06F17/30
Abstract: 一种基于马尔科夫(Markov)过程亚稳性的复杂网络簇结构分析和识别方法，包括下列主要步骤：构造给定复杂网络上的马尔科夫过程；计算该马尔科夫过程的转移概率矩阵；计算矩阵的特征值；通过分析特征值计算出网络簇个数；计算马尔科夫过程的第一个亚稳态；根据第一个亚稳态识别出网络的全部网络簇及其层次结构。本发明为复杂网络簇分析和识别提供一种全新和高效的方法，与现有同类方法相比，具有无偏(不依赖主观定义的优化目标或启发式规则)、计算速度快(具有近似线性的计算时间复杂性)、识别精度高(能够准确识别出现实世界中复杂网络的网络簇及其层次结构)和无监督(不需要先验知识)的特性。
-
公开(公告)号：CN101901251A
公开(公告)日：2010-12-01
申请号：CN201010210628.6
申请日：2010-06-28
Applicant: 吉林大学
IPC: G06F17/30
Abstract: 一种基于马尔科夫(Markov)过程亚稳性的复杂网络簇结构分析和识别方法，包括下列主要步骤：构造给定复杂网络上的马尔科夫过程；计算该马尔科夫过程的转移概率矩阵；计算矩阵的特征值；通过分析特征值计算出网络簇个数；计算马尔科夫过程的第一个亚稳态；根据第一个亚稳态识别出网络的全部网络簇及其层次结构。本发明为复杂网络簇分析和识别提供一种全新和高效的方法，与现有同类方法相比，具有无偏(不依赖主观定义的优化目标或启发式规则)、计算速度快(具有近似线性的计算时间复杂性)、识别精度高(能够准确识别出现实世界中复杂网络的网络簇及其层次结构)和无监督(不需要先验知识)的特性。
-
公开(公告)号：CN101251851B
公开(公告)日：2010-08-25
申请号：CN200810050425.8
申请日：2008-02-29
Applicant: 吉林大学
IPC: G06F17/30
Abstract: 一种基于增量朴素贝叶斯网多分类器集成方法，包括初始化集成分类器及各主要参数；如果没有新数据，结束；使用当前集成分类器预测新数据项的类别；动态更新所有个体分类器的参数值；更新所有个体分类器的权重；如果当前集成分类器对新数据的类别预测不发生错误，则使用新数据项训练集成分类器中的所有个体分类器；根据KL剪枝策略删除冗余个体分类器；增加一个新个体分类器；使用新数据项训练所有个体分类器。本发明能有效改善发生概念漂移时的分类预测结果。此方法特别适合于处理概念漂移问题。
-
公开(公告)号：CN101272328A
公开(公告)日：2008-09-24
申请号：CN200810050426.2
申请日：2008-02-29
Applicant: 吉林大学
Abstract: 一种基于智能代理系统的分散式社会网络聚类方法，包括下列步骤：定义网络聚类评价函数；变量、移动代理初始化；获取移动代理当前所在节点的标识符；更新节点特征值；更新所有邻居局部冲突函数值；选择新的邻居节点；判断当前移动代理移动步数是否大于规定的最大步数，如果是，该移动代理休眠；否则移动代理移动到下一节点，获取移动代理当前所在节点的标识符；判断是否所有移动代理都已经休眠，如果不是，等待，否则，结束。本发明为社会网络聚类提供一种全新高效的方法，适用于传统方法无法解决的分布式复杂网络聚类问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
