论文部分内容阅读
本文基于因素空间理论,研究了模糊复杂网络的特征信息挖掘问题,形成了相应的模型与算法体系。本文从因素空间的公理化定义出发,分析了背景关系的应用,给出了概念树生成算法和推理树生成算法,并明确了因素空间藤上的开关因素意味着根节点论域的一个划分。本文对模糊复杂网络给出定义,将模糊复杂网络分为点集模糊网络与边集模糊网络,并且指出顶点的模糊性比边集模糊性更本质,通过边集模糊性定义一般的模糊网络。本文研究了模糊网络点边关系的关键对象:权重矩阵、聚类距离矩阵、模糊邻接矩阵、模糊权重矩阵;在此基础上从顶点间距离、网络的局部性质、顶点度分布三个角度定义了模糊网络中的16个关键指标,构成了模糊网络的关键指标体系;通过引入模糊边隶属度与权重良序定义后,通过标准综合函数得到了模糊网络的基本性质:模糊邻接矩阵n次幂的N1-n倍(N为顶点数)的元素表示的是两顶点间连边数为n的路径的标准可加型综合函数隶属度值;网络上一条最大隶属度路径对应的一条模糊边组成的最短路。网络上的关键对象可以用从论域出发的因素空间藤表示,从而给出模糊网络的基础模型与生成算法。在明确特征信息是由二值开关因素形成后,本文针对静态模糊网络提出顶点集的动态聚类和系统聚类模型为基础的超顶点概念树生成以及核概念树生成的算法,给出了模糊目标概念的内涵与外延的论域核元素表示。基于顶点集聚类提出超顶点链路预测算法,再此基础上将类合并为社团,在社团和核社团类上生成推理树,得到模糊网络上的背景关系中的全部恒真推理语句。本文指出:论域上的核元素与全部由二值开关因素构成的因素空间藤的信息核等价。对于时序模糊网络,本文提出了在线更新网络的顶点聚类情况和将所有时刻的超顶点综合考虑的社团检测方法,从而将时序模糊网络与静态模糊网络分析方法统一。对于静态模糊网络,本文以“中等强国”为目标概念的特征信息挖掘分析案例;对于时序模糊网络,本文给出了一个基于历史收益率的选股方法。本文对模糊网络进行应用拓展:基于模糊网络顶点聚类方法与判别分析和条件概率模型以及多目标遗传算法的进行综合,构造了一个多驱动的投资决策模型,并用于教育基金的投资决策中;在信号分析领域,将按周期采样的信号样本作为类间距离,将超顶点相似性的RI指标拓展为信号波动贡献系数,提出了一个平均正确率达到85%的信号周期判别模型。