【摘 要】
:
直觉模糊知识测度在不确定性问题中有着重要作用,由于直觉模糊集的结构特性,知识测度能够有效弥补直觉模糊熵的不足,更加全面地反映不确定性问题研究过程中产生的模糊性与犹豫性。本文以提高知识测度对复杂问题的解决能力为目标,提出改进HammingHausdorff距离,与理想解法(technique for order preference by similarity to ideal solution,T
论文部分内容阅读
直觉模糊知识测度在不确定性问题中有着重要作用,由于直觉模糊集的结构特性,知识测度能够有效弥补直觉模糊熵的不足,更加全面地反映不确定性问题研究过程中产生的模糊性与犹豫性。本文以提高知识测度对复杂问题的解决能力为目标,提出改进HammingHausdorff距离,与理想解法(technique for order preference by similarity to ideal solution,TOPSIS)相结合,利用贴近度对知识量进行度量的全新建模方法,旨在不同环境建立统一的公理系统与符合公理系统要求的知识测度,随后将所提知识测度模型应用于图像阈值分割中。主要研究内容如下:(1)本文提出一种针对知识测度的有效建模方法,根据改进的HammingHausdorff距离,结合TOPSIS思想构建直觉模糊知识测度模型,紧接着将其扩展至区间直觉模糊环境,并退化回经典模糊环境。本文依托直觉模糊集本身的结构特性,充分体现知识的内在含义,将知识测度与其公理化定义在不同环境中进行统一,弥补直觉模糊熵的固有缺陷,完善知识测度结构体系、深入探索知识测度的本质。(2)将所提模型或方法应用于图像分割及不确定性决策,验证所提建模方法的可行性与有效性。根据直觉模糊集自身结构特点,提出一种精炼高效的像素分类规则及图像直觉模糊化算法,随后利用所提知识测度模型计算不同阈值下图像直觉模糊集的知识量,确定最佳分割阈值,实现图像分割。同时将上述关键结果推广至区间直觉模糊环境,退化至经典模糊集。为知识测度在实际应用中提供一个新的研究视角和一些不同以往的思路。实验结果表明,本文提出基于知识驱动的图像阈值分割方法性能表现稳定、可靠,所生成的二值图具有更加优良的性能指标,明显优于其他同类算法,在不确定性决策的实例也能得到有效结果。本文统一不同环境下的知识测度模型与公理系统,以便更好的探索知识的本质,并且首次将知识测度新理论引入图像处理领域,为图像处理与知识量的结合提供新的视角。
其他文献
在大数据和人工智能盛行的今天,如何高效地在大量的数据中挖掘出用户感兴趣的商品、音乐等项目是推荐系统的主要任务。现如今,用户的个性化推荐在诸多领域都发挥着不可忽视的作用,例如电子商务网站将收集到的众多用户的浏览、购买、评价等历史记录数据加以挖掘、分析进而预测用户可能感兴趣的商品来将其推荐给用户;在线音乐平台同样也可以根据用户收听、收藏、喜爱的音乐类型风格等数据分析用户感兴趣的作品来进行推荐。当前推荐
《中国制造2025》行动纲领的提出,标志着我国进入到工业人工智能阶段。工业物联网是推动传统工业制造和生产实现信息化、智能化的核心技术,区别于其他物联网应用技术,它具有高实时性,高可靠性的特点。传统的解决方法是将信息处理和业务决策等任务放置到云端进行计算,然而,随着工业设备的数量逐渐增加,传统的云计算模式存在高时延等问题,不能满足工业现场实时任务的处理要求。因此,边缘计算作为一种有效的方法被广泛使用
在大数据和人工智能盛行的今天,如何高效地在大量的数据中挖掘出用户感兴趣的商品、音乐等项目是推荐系统的主要任务。现如今,用户的个性化推荐在诸多领域都发挥着不可忽视的作用,例如电子商务网站将收集到的众多用户的浏览、购买、评价等历史记录数据加以挖掘、分析进而预测用户可能感兴趣的商品来将其推荐给用户;在线音乐平台同样也可以根据用户收听、收藏、喜爱的音乐类型风格等数据分析用户感兴趣的作品来进行推荐。当前推荐
随着多媒体和互联网技术的融合发展,短视频以其时长短、内容精练等特点获得广大用户的喜爱。自2010年开始,短视频开始逐渐出现在人们的视野当中,短时间内立刻吸引了大量用户的关注,与短视频相关的话题数据持续增长,成为了当下互联网最为主要的流量入口之一。与之相呼应,研发并应用短视频推荐算法成为各大网络平台吸引用户的重要方式。个性化推荐算法就是根据每个用户的基本信息以及社交信息等,推测出每个用户的不同偏好,
随着移动互联和大数据的飞速发展,互联网即将从Web2.0时代迈入Web3.0时代,这意味着互联网每日产生的数据量将不断暴涨,“信息过载”问题愈发严重,用户如何在海量数据中得到想要的信息成为当下亟待解决的难题。推荐技术的发展与普及很大程度上缓解了该难题,通过分析用户历史数据获取其喜好从而进行推荐。籍此,该技术迅速在学术界和工业界盛行并应用于诸多领域。目前,越来越多研究者致力于研发各种优良的推荐算法,
后疫情时代背景下,现代信息技术被广泛应用到各行各业,互联网经济、数字经济和平台经济快速发展,新技术、新业态催生出多种新型就业形态并逐渐繁荣。灵活就业作为新的非标准就业模式,在后疫情时代逐步成为高校毕业生就业的一种重要形式。越来越多的高校毕业生主动选择新型的灵活就业形式投身人力资源市场,加强高校毕业生新业态灵活就业特点和问题的研究,及时出台更有针对性、实效性的灵活就业政策意义重大。
文本分类是自然语言处理领域里的一个重要任务,被广泛用于热点挖掘、舆情、分析、产品分析、电影推荐、金融风险分析、欺诈识别等等。随着Web 2.0时代的来临,面对网上越来越多的文本信息,传统的基于统计学的方法已经无法满足需要。深度学习的出现,使得文本分类任务有了新的处理方法,也使得深层次的神经网络的训练成为了可能。然而,深层网络带来的梯度消失问题会导致网络难以训练。因此,如何训练深层神经网络是当下的研
随着5G、WiFi等网络技术的发展和智能移动设备的普及,基于位置的社交网络(LBSN,Location-based Social Network)已成为人们关注的焦点。兴趣点(Point-of-Interest,POI)推荐作为LBSN领域的一个研究热点,它通过对海量的签到数据进行分析和挖掘,为用户提供个性化的兴趣点推荐。这不仅让POI服务商更加充分理解目标受众,而且为用户自主出行提供更为便利的信
随着互联网的兴起,越来越多的学习者选择通过在线教育平台进行学习。不同于传统的课堂教育由教师主导学习者的学习进程与学习活动,在线教育平台提倡因材施教,即根据学习者的知识水平为学习者提供个性化的教学内容与学习路线,然而学习者的知识掌握程度随学习进度不断变化,因此实时追踪学习者知识掌握程度变化尤为重要。知识追踪任务旨在根据学习者历史学习行为实时追踪学习者知识水平变化,并且预测学习者在未来学习表现。知识追
随着互联网的不断发展,越来越多的网民将社交媒体作为获取信息的主要途径,人们在网络空间中快速、自由地发布信息、社交互动、情感交流。微博作为网络信息传播最具代表性的应用之一,越来越多的网民通过微博来发布、获取和传播信息。微博上蕴含着个人观点的实时评论具有潜在的舆论导向,由此形成网络舆情。然而,网络舆情事件往往是突发的、难以预知的。近年来,对于舆情事件的相关研究层出不穷,现有算法无法高效对网民情感及舆情