一、H_α中函数的从属性(论文文献综述)
周彪[1](2021)在《面向社交网络的隐私保护方法研究》文中研究表明得益于互联网和大数据等技术的快速发展,蕴含在社交网络中的海量数据可以给社会的生产生活带来巨大的价值,但在社交网络的数据发布和数据挖掘过程中可能会引发隐私泄露的问题。因此,如何做到在不泄露社交网络隐私信息前提下,进行安全有效且有价值的数据发布和数据挖掘是当前一个研究热点。差分隐私作为一种重要且有效的隐私保护方法,目前已被应用在社交网络隐私保护。本文针对社交网络隐私保护和差分隐私方法的结合展开相应研究,并做了如下工作:(1)本文介绍了社交网络的概念及其特点和差分隐私基本理论,分析了社交网络中面临的隐私泄露问题,说明了社交网络的隐私保护要求,总结了针对社交网络中的常见的隐私保护方法,阐明了差分隐私具备的数据保护能力,并回顾了近几年领域内的相关学术成果。(2)针对社交网络数据在直方图发布过程中存在的隐私泄漏和查询精度低问题,本文基于差分隐私保护模型,提出了一种相邻桶分组划分方法(Adjacent Group Bucket Dividing,AGBD)。采用图映射方法对社交网络进行节点差分隐私处理,同时针对映射方法在直方图发布过程中存在的引入过量噪声问题,本文提出的AGBD方法使用贪心策略,并结合Laplace机制对相邻桶进行分组划分以减少由于添加过量噪声对直方图发布质量的影响。同时利用排列保序方法优化直方图发布,提升直方图发布查询的精确性。实验结果显示本文提出的AGBD方法可以提升直方图发布后的查询精度。(3)针对社交网络数据中在分类模型的训练和预测过程中面临的隐私泄露问题,本文利用差分隐私保护模型和自适应增强集成学习策略,提出了一种基于差分隐私的集成学习方法(Differential Privacy Ensemble Learning,DPEL)。该方法的核心思想是在基于决策树的个体分类器构建完毕后,结合噪声添加机制,然后将预先分配好的隐私预算加入到个体分类器的组合过程中,最后得到带隐私保护的强分类器,并对DPEL进行ε-差分隐私性证明。实验结果表明本文提出的DPEL方法可以在保证一定数据隐私信息的前提下,使分类模型仍然具备较高的分类准确度。
王秋婷[2](2021)在《基于语言值形式背景的关联规则提取方法》文中研究表明人类对现实世界的感知中存在大量模糊不确定的信息,这些信息通常用语言值来描述。语言值能够更好地表达定性知识,符合人类思维的模糊性和不确定性,更贴近人们日常生活的表达方式。从语言值信息系统中获得有效知识是数据分析的重点研究内容之一。作为数据分析和规则提取的一种有效工具,利用形式概念分析理论处理语言值信息系统,研究语言值形式背景的关联规则提取方法具有一定的研究价值。本文基于语言值形式背景,研究不同粒度的语言值形式背景转换方法和关联规则提取方法,主要研究内容包括:1.针对人们在描述同一事物时,不同的人通常会采用不同粒度的语言术语集的问题,研究不同粒度的语言值形式背景相互转换方法。定义语言术语间的归一化距离,保持归一化距离不变,给出一种不同粒度下的语言值形式背景间的相互转换方法,该转换方法过程具有可逆性,能够避免信息丢失。通过调节阈值,实现不同约束条件下的语言值形式背景动态转换。2.鉴于传统关联规则提取方法存在大量冗余规则,无法直观展现数据间的频繁模式和关系,提出一种模糊语言属性偏序结构图的关联规则提取方法。将模糊语言值引入属性偏序结构图的构建过程中,构建模糊语言属性偏序结构图。从中挖掘相同支持度下的最大频繁语言项集,进而提取无冗余关联规则。将关联规则转换成模糊语言属性偏序结构图中的知识表示形式,通过关联结点和关联路径表现出来,实现了关联规则可视化展示,并以学生评价实例说明所提方法的有效性。3.针对不完备语言概念形式背景,提出一种不确定信息补全方法。在语言概念形式背景的基础上,定义量化语言概念格,并给出一种基于量化语言概念格的关联规则提取方法。对于不完备的语言概念形式背景,引入不确定信息补全缺失信息,从而获得不确定概念。人们可根据不同情况下的需求设置不确定信息的阈值,在不同阈值下可获得不同概念,从而提取不同的关联规则结果。
常朝稳,金建树,韩培胜,祝现威[3](2021)在《基于属性签名标识的SDN数据包转发验证方案》文中提出针对软件定义网络(SDN)中数据包缺乏有效转发验证机制的问题,提出了一种基于属性签名标识的数据包转发验证方案。首先,根据用户的身份属性生成属性签名标识,并为数据包打上属性签名标识。然后,使用P4转发设备对数据包进行精确控制与采样,控制器对采样数据包进行属性签名验证,OpenFlow转发设备根据控制器下发的流表对转发异常的数据包进行处理。最后,构建了多控制器架构,避免了控制器单点失效故障。实验结果表明,所提方案实现了对数据包的精确控制与采样,能有效检测数据包篡改、伪造等异常行为,其网络时延处于可行通信时延范围内。
刘小红,张人龙,单汨源[4](2020)在《低碳供应链柔性资源配置模型及算法的鲁棒性研究》文中指出随着全球化环境危机与资源禀赋困境加剧,要求供应链在资源环境约束下提高资源利用率,实现低碳绿色转型。新冠肺炎疫情对全球供应链运营及经济发展带来了新的挑战。本文在资源属性及混合算法等研究基础上,以资源配置模型及其算法为研究对象,通过对资源配置问题、模型参数及鲁棒性实验分析,合理地解决低碳供应链柔性资源配置平衡问题。考虑资源环境的双重属性,如何优化供应链资源配置,本文从政府层面和企业层面给出了相应的对策:政府要加强低碳供应链的建设与管理;企业要强化碳减排与资源配置方法的创新。在经济全球化影响下,如何实现线上线下供应链资源的优化配置,值得进一步思考与研究。
李贺,江登英[5](2019)在《基于改进符号距离的犹豫模糊前景理论决策方法》文中指出针对犹豫模糊元中人为添加元素影响决策结果的问题,提出一种基于改进符号距离的犹豫模糊前景理论决策方法。首先,根据正负理想点、犹豫模糊元中元素之间的方差以及元素个数定义一种新的符号距离,并证明了改进的符号距离满足符号距离的基本性质。其次,基于改进的符号距离提出犹豫模糊前景价值函数,并通过收益损失函数计算出各方案的收益损失比,确定备选方案的优劣顺序。最后,通过应用算例验证了本文所提出方法的可行性和有效性。该方法既避免了人为添加元素对决策结果的影响,又合理反映了决策者的分歧程度,还考虑了人们面临得失时的心理行为,决策结果更符合实际。
朱秀芹[6](2017)在《多属性权威CP-ABE的研究与应用》文中指出针对属性加密效率较低的问题,以及访问控制策略需要进行隐私保护的问题,本文提出了一个高效的具备访问控制策略隐私保护的多属性权威属性加密方案,并根据现实中的应用场景对其进一步研究分析,主要贡献包括:1、提出了一种高效的多属性权威属性加密方案MA-CPABE。通过与现有方案的对比分析,本方案在加解密效率以及存储负担上有了较大的改进;同时借鉴已有文献利用属性索引代替属性,达到了对访问控制策略的隐私保护;最后该方案被证明是选择明文攻击安全的。2、在上述MA-CPABE属性加密的基础上,提出了支持任意状态的属性加密方案AMA-CPABE。在该方案中一个属性可以对应多个属性值。随后通过借鉴分层属性加密的思想,提出了支持任意状态带权重的属性加密方案AMA-CPWABE,即同一属性对应的多个属性值之间具有不同的优先级(即权重),权重大的优先级高。对同一属性来说,用户密钥中权重高的属性值可以查看权重低的属性值对应的密文。我们对这两个方案在效率、存储上以及安全性方面进行了详细的分析。通过与其他方案的对比,AMA-CPWABE方案在性能以及用户隐私保护方面有较大的优势。3、最后,提出了支持横向属性管理的属性加密方案H-MA-CPABE。与现存多属性权威的属性加密方案相比,H-MA-CPABE方案在以下几个方面做出了改进:首先加解密效率提高了,在加解时减少了计算量,通过将解密外包减轻了用户端的解密计算负担;其次,在对用户进行属性撤销时,只需对密钥进行更新,无需密文更新;最后,与以往多属性权威的属性加密相比,本方案的中心权威可以实现对属性权威属性授权权限的管理。
丁晓剑,赵银亮[7](2011)在《偏置b对支持向量机分类问题泛化性能的影响》文中研究表明Poggio指出支持向量机(Support vector machine,SVM)中偏置b项是为了保证核函数的正定性,当使用的核函数为正定核时,b就不需要存在.为了验证b对SVM分类问题泛化性能的影响,研究了无bSVM的优化问题并给出了相应的有效集求解算法.通过XOR分类问题的实验研究得出约束条件N1yiαi=0会影响SVM得到最佳分类超平面.实验中的基准数据集包括了中小数据集、大规模数据集、高维数据集和多类分类数据集,并使用高斯正定核和多项式正定核作为核函数.基于26个标准数据集的实验表明无bSVM在分类问题中的计算代价要低于SVM,泛化性能要好于SVM.参数敏感性测试表明无bSVM对代价参数变化不太敏感,这使得无bSVM能在较少的参数值对中得到最佳测试精度.
裴植[8](2011)在《模糊多属性决策方法及其在制造业中的应用研究》文中指出汽车传动器生产厂的半自动生产线上工位绩效评估、零部件的海外订购策略选择和集装箱港口的落场集装箱堆存位置选择是当前我国制造业中的重要问题,多属性决策方法可以用于解决这些问题。为处理实际多属性决策问题中包含的不确定性因素,以及决策者主观判断的含糊性,候选方案的评价值可以表达为模糊集、直觉模糊集、区间值直觉模糊集、语言信息或模糊变量。通过模糊量可以更贴切地反映评估结果中所包含的不确定信息。进一步采用聚合算子和排序方法,便可以得到决策问题的最佳候选方案。对于直觉模糊环境下的集装箱堆存场地选择问题,本文证明了由所有直觉模糊数或区间值直觉模糊数组成的集合关于序关系均构成完备分配格,并且它们关于交、并、加法、乘法四种运算都构成幺交换半群结构;提出了基于直觉模糊数对应参数优化模型的排序方法和基于无记忆性多次投票模型的排序方法;为了处理更复杂的决策问题,本文提出了广义区间值直觉模糊数的概念及其数乘运算规则,并且将它们应用于解决港口集装箱堆放场地选择的问题。建立了模糊多属性决策中的保序属性约简理论,给出保序属性约简和保序属性约简核的计算方法,考虑了约简方法在港口集装箱堆存场地选址问题中的应用。针对汽车传动器厂海外订购策略的决策问题中包含未知权重信息的问题,提出了同时考虑决策专家态度、认知不协调程度和决策者置信水平的综合定权模型,使得决策结果符合决策者态度,并且最小化决策过程中产生的认知不协调程度。在使用模糊TOPSIS方法解决汽车传动器生产厂半自动生产线上工位评估问题时,发现了不能区分的现象,研究了不能区分的条件,利用额外的判定指标,提出了改进的TOPSIS方法,并且证明了新方法在模糊环境中可以对候选方案进行完全区分;对基于模糊变量的多属性决策问题,提出了三类模糊优势关系模型和基于距离的模糊变量比较方法,并且引入了直觉模糊变量的概念和比较方法;还将这些方法应用于解决半自动生产线上工位评估的决策问题。
喻晓锋,丁树良,秦春影,陆云娜[9](2011)在《贝叶斯网在认知诊断属性层级结构确定中的应用》文中进行了进一步梳理K.K.Tatsuoka和她同事研究的规则空间模型(RSM)是一种在国内外有较大影响的认知诊断模型,但是Tatsuoka的RSM是由学科专家先从已编制的测验中抽取出属性,然后给出测验的关联Q阵,再由该Q阵导出属性间的层级关系。已有研究证明,这种做法所得到的属性间的层级关系难以保证是正确的,甚至难以保证属性间的层级关系是唯一确定的。这里利用贝叶斯网进行结构学习,从被试的属性掌握模式中挖掘出属性间的层级关系,学习所得到的层级关系可以用来验证由RSM中的方法得到的层级关系。模拟实验和实证研究的结果都显示了该方法所得到的属性层级关系是有参考价值的,可以为命题或测量专家带来有用的信息。
滕宝[10](2009)在《基于S-粗集理论上的属性约简与算法研究》文中指出粗糙集理论是1982年由波兰数学家Z. Pawlak教授提出来的,它是一种处理不完整、不确定信息的新型数学工具。由于粗糙集理论是利用数据集上的等价关系对知识的不确定程度进行度量,而无需提供所需处理的数据集合之外的任何先验信息,这样就避免了对知识的主观评价所带来的误差。目前,该理论在数据决策与分析、模式识别、信息科学、管理科学、金融、医学、化学等其他学科领域已得到了较为成功的应用。Z.Pawlak粗集理论应用到信息系统知识发现中存在着一些局限性:知识发现是在封闭的信息系统中进行的,它所处理对象的属性集是已知的(静态的),且从信息系统中得到的结论仅适用于这些对象。而在现实诸多领域的应用中,所遇到的大多都是动态的属性集,即开放系统,针对具有动态特征的信息系统,史开泉教授提出了S-粗集(Singular Rough Sets),它为解决动态系统识别、动态系统决策、动态系统推理等问题提供理论依据。属性约简是粗糙集理论研究的核心问题之一,通过属性约简,删除决策表中不必要的属性,在不丢失决策表基本信息的前提下,简化知识的表示,这正是人们所期望的。现有的知识发现方法,大都是“静态”的发现,即从已有数据中挖掘出潜在的规则,由规则做出相关判断,但事实上,人们在认识某一客观事物的过程中,一方面由于人们的认识能力及所运用工具的局限性,或者出于某种考虑,对所认识的结果要求不高,从而导致认识的结果总是局部的、片面的;另一方面由于客观对象本身在不断发展,有些对形式规则没有影响的属性被约简,但并不能说明它们就不重要。因此,在经过一段时期后,当有新的数据加入时,最初得到的关于对象的认识可能无法正确地描述对象的特征。如果运用一般的知识发现方法,对全部数据重新进行知识发现,不仅耗时耗力,降低知识发现的效率,而且有时是不可行的。对此本文从Skowron提出的分辨矩阵的角度出发,给出了S-粗集中的分辨矩阵,并在此基础上提出了基于S-粗集理论上的属性约简算法,找出有效约简。本文主要做了以下工作:(1)介绍了粗糙集理论的基本知识,以及粗糙集理论中的核心概念,为以后的属性约简算法的提出奠定了基础。(2)探讨了S-粗集理论的基本知识,定义了单向属性迁移和双向属性迁移集合,研究了单向动态信息系统和双向动态信息系统的模型。(3)基于Skowron的分辨矩阵,设计了S-粗集中的分辨矩阵模型,和单向属性迁移上的动态信息系统的分辨矩阵模型以及双向属性迁移上的动态信息系统的分辨矩阵模型。(4)研究S-粗集中的分辨矩阵模型,研究了该模型的一些性质,并利用这些性质给出了S-粗集理论上的属性约简算法,根据该算法可以得到决策信息系统的核属性和全部约简集。(5)应用S-粗集理论的属性约简算法到化学药品的合成及医疗诊治中,证明了该算法的有效性。本文的创新点如下:(1)设计了S-粗集中的分辨矩阵模型,和单向属性迁移上的动态信息系统的分辨矩阵模型以及双向属性迁移上的动态信息系统的分辨矩阵模型。(2)提出S-粗集理论上的属性约简算法,根据该算法可以得到决策信息系统的核属性和全部约简集。利用S-粗集理论进行决策分析还有许多问题值得探讨,相关工作还有待进一步研究。
二、H_α中函数的从属性(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、H_α中函数的从属性(论文提纲范文)
(1)面向社交网络的隐私保护方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 研究现状 |
1.2.2 研究现状总结 |
1.3 研究内容 |
1.4 论文结构 |
第二章 相关理论 |
2.1 社交网络 |
2.1.1 社交网络概念 |
2.1.2 社交网络结构 |
2.1.3 社交网络隐私 |
2.1.4 社交网络攻击 |
2.1.5 社交网络隐私保护技术 |
2.2 差分隐私 |
2.2.1 相关概念 |
2.2.2 实现机制 |
2.2.3 相关性质 |
2.2.4 保护框架 |
2.3 本章小结 |
第三章 社交网络中满足节点差分隐私的直方图发布方法 |
3.1 社交网络图映射处理 |
3.1.1 节点差分隐私 |
3.1.2 图映射 |
3.1.3 复杂度分析 |
3.1.4 敏感度分析 |
3.2 满足差分隐私的直方图发布方法 |
3.2.1 直方图发布 |
3.2.2 基于差分隐私的相邻桶分组划分方法 |
3.2.3 排列保序 |
3.3 实验分析 |
3.3.1 实验环境 |
3.3.2 实验数据集 |
3.3.3 评价标准 |
3.3.4 实验结果和分析 |
3.4 本章小结 |
第四章 社交网络中满足差分隐私的集成学习方法 |
4.1 社交网络中基于分类任务的隐私泄露 |
4.2 分类算法 |
4.2.1 基于差分隐私的分类模型 |
4.2.2 分类算法执行过程 |
4.2.3 决策树 |
4.2.4 集成学习 |
4.3 满足差分隐私的集成学习方法 |
4.3.1 自适应增强集成学习策略 |
4.3.2 噪声添加机制 |
4.3.3 构造个体分类器 |
4.3.4 基于差分隐私的集成学习方法 |
4.3.5 隐私性分析 |
4.4 实验分析 |
4.4.1 实验环境 |
4.4.2 实验数据集 |
4.4.3 评价标准 |
4.4.4 实验结果和分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 工作展望 |
致谢 |
参考文献 |
作者简介及攻读硕士期间的学术成果 |
(2)基于语言值形式背景的关联规则提取方法(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究意义 |
1.2 国内外研究现状 |
1.2.1 形式概念分析的研究现状 |
1.2.2 语言值信息处理的研究 |
1.2.3 属性偏序结构理论的研究现状 |
1.2.4 基于概念格的关联规则提取研究现状 |
1.3 本文研究内容 |
1.4 文章结构 |
2 预备知识 |
2.1 形式背景与概念格 |
2.2 属性偏序结构图 |
2.3 语言值信息系统 |
3 不同粒度的语言值形式背景转换方法 |
3.1 多粒度语言值形式背景 |
3.2 不同粒度语言值形式背景转换方法 |
3.3 本章小结 |
4 基于模糊语言属性偏序结构图的关联规则提取方法 |
4.1 模糊语言序结构图构建方法 |
4.2 模糊语言属性偏序结构图的关联规则提取方法 |
4.3 学生评价信息实例分析 |
4.4 基于模糊语言属性偏序结构图的关联规则可视化方法 |
4.4.1 关联规则提取及可视化实现框架 |
4.4.2 基于模糊语言属性偏序结构图的关联规则可视化算法 |
4.5 本章小结 |
5 基于语言概念形式背景的关联规则提取方法 |
5.1 基于量化语言概念格的关联规则提取方法 |
5.2 不确定信息补全的语言概念形式背景 |
5.3 不完备语言概念形式背景的关联规则提取方法 |
5.4 本章小结 |
总结与展望 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(5)基于改进符号距离的犹豫模糊前景理论决策方法(论文提纲范文)
0 引言 |
1 理论基础 |
1.1 犹豫模糊集的基本知识 |
1.2 前景理论 |
2 基于符号距离的犹豫模糊前景理论决策方法 |
2.1 问题描述 |
2.2 权重确定方法 |
2.3 基于改进符号距离的价值函数 |
2.4 决策步骤 |
3 算例分析 |
3.1 应用算例 |
3.2 结果分析 |
4 结论 |
(6)多属性权威CP-ABE的研究与应用(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 主要内容及安排 |
第二章 基础知识 |
2.1 密码学基础知识 |
2.1.1 密码体制的分类 |
2.1.2 拉格朗日插值定理 |
2.1.3 双线性映射 |
2.2 访问控制模型 |
2.2.1 传统访问控制模型 |
2.2.2 基于角色的访问控制模型RBAC |
2.2.3 属性加密ABE |
2.3 单向匿名协商协议 |
2.4 动态成员关系 |
第三章 多属性权威的基于密文策略的属性加密方案 |
3.1 系统模型 |
3.2 系统框架 |
3.3 安全模型 |
3.3.1 判定性q阶BDHE假设 |
3.3.2 安全模型 |
3.4 多属性权威的基于密文策略的属性加密方案MA-CPABE |
3.4.1 CA初始化 |
3.4.2 AA初始化 |
3.4.3 用户私钥生成 |
3.4.4 数据加密 |
3.4.5 数据解密 |
3.4.6 属性撤销 |
3.5 系统分析 |
3.5.1 综合分析 |
3.5.2 性能分析 |
3.5.3 安全性分析 |
3.6 本章小结 |
第四章 支持任意状态的带权重的属性加密方案 |
4.1 支持任意状态的AMA-CPABE方案构造 |
4.1.1 CA初始化 |
4.1.2 AA初始化 |
4.1.3 用户私钥生成 |
4.1.4 数据加密 |
4.1.5 数据解密 |
4.1.6 性能分析 |
4.1.7 安全性分析 |
4.2 AMA-CPWABE方案构造 |
4.2.1 带权重的属性加密方案简介 |
4.2.2 CA初始化 |
4.2.3 AA初始化 |
4.2.4 用户私钥生成 |
4.2.5 数据加密 |
4.2.6 数据解密 |
4.2.7 方案正确性验证 |
4.2.8 属性状态发生变化 |
4.2.9 性能分析 |
4.2.10 安全性分析 |
4.3 本章小结 |
第五章 支持横向属性管理的H-MA-CPABE加密方案 |
5.1 系统模型 |
5.2 系统框架 |
5.3 安全模型 |
5.4 令牌树的介绍[56] |
5.5 MA-CPABE方案的进一步扩展 |
5.5.1 CA初始化 |
5.5.2 AA初始化 |
5.5.3 密钥生成 |
5.5.4 数据加密 |
5.5.5 数据解密 |
5.5.6 属性撤销 |
5.6 系统分析 |
5.6.1 性能分析 |
5.6.2 安全性分析 |
5.7 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
(7)偏置b对支持向量机分类问题泛化性能的影响(论文提纲范文)
1 无b SVM优化问题 |
1.1 SVM优化问题 |
1.2 无b SVM优化问题 |
2 无b SVM有效集算法 |
2.1 KKT条件 |
2.2 有效集算法 |
2.3 优化问题解空间分析 |
3 基准数据集测试 |
3.1 参数设定 |
3.2 XOR分类问题测试 |
3.3 中小规模数据集性能测试 |
3.4 大数据集性能测试 |
3.5 高维数据集性能测试 |
3.6 多类数据集性能测试 |
3.7 参数敏感性测试 |
4 结论 |
(8)模糊多属性决策方法及其在制造业中的应用研究(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 论文研究的背景与意义 |
1.2 制造业中决策方法的研究现状 |
1.2.1 基于直觉模糊数排序的运作管理决策方法 |
1.2.2 基于广义直觉模糊数的运作管理决策方法 |
1.2.3 含未知权重信息的运作管理决策方法 |
1.2.4 基于模糊TOPSIS方法的运作管理决策方法 |
1.2.5 运作管理中的模糊决策属性约简 |
1.2.6 基于模糊变量排序的运作管理决策方法 |
1.3 论文的主要研究工作 |
第2章 直觉模糊数结构、排序方法及其应用 |
2.1 本章引论 |
2.2 直觉模糊数的整体结构研究 |
2.3 基于优化模型的直觉模糊数排序方法 |
2.3.1 现有直觉模糊数排序方法简介 |
2.3.2 基于优化模型的IFN排序方法 |
2.3.3 基于优化模型的区间值直觉模糊数排序方法 |
2.4 基于多次投票模型的直觉模糊数排序方法 |
2.4.1 基于多次投票模型简介 |
2.4.2 无记忆多次投票排序方法及其应用 |
2.5 广义直觉模糊数及其在决策中的应用 |
2.5.1 三角直觉模糊数研究分析 |
2.5.2 广义直觉模糊数及其应用 |
2.5.3 区间值模糊集概念和运算规则 |
2.5.4 广义区间值直觉模糊数及其在决策中的应用 |
第3章 基于决策者态度定权方法及其应用 |
3.1 本章引论 |
3.2 基于相关系数和优化模型的定权方法及应用 |
3.2.1 基于距离的定权优化模型 |
3.2.2 基于相关系数的定权优化模型 |
3.3 IVIFS环境下基于态度模型的定权方法及应用 |
3.4 不同置信水平下的程度化态度模型 |
3.5 基于认知不协调原理的决策方法 |
第4章 模糊TOPSIS方法的改进及其应用 |
4.1 本章引论 |
4.2 在实数与单点模糊集环境下的TOPSIS方法及其应用 |
4.3 三角模糊数环境下TOPSIS方法的改进及应用 |
4.3.1 模糊TOPSIS方法区分性能分析 |
4.3.2 改进的模糊TOPSIS方法 |
4.3.3 改进的TOPSIS方法在工位评估中的应用 |
4.4 直觉模糊环境下改进的TOPSIS方法及应用 |
4.4.1 基于IFS改进的TOPSIS方法 |
4.4.2 改进的TOPSIS方法在工位评估中的应用 |
4.4.3 基于区间值直觉模糊集TOPSIS方法的改进 |
第5章 模糊多属性决策属性约简及其应用 |
5.1 本章引论 |
5.2 模糊决策中属性约简方法及其应用 |
5.2.1 模糊决策中的属性约简理论与方法 |
5.2.2 模糊属性约简在集装箱港口堆场选择中的应用 |
5.2.3 基于语言值和 IFS 的决策问题属性约简 |
5.3 群决策中专家评价及其应用 |
5.3.1 群决策中专家评价的研究 |
5.3.2 专家选择方法在港口集装箱堆场选择中的应用 |
5.4 广义粗糙集同点集拓扑的对应关系研究 |
第6章 基于可信性分布与模糊变量的决策方法 |
6.1 本章引论 |
6.2 三类模糊优势模型及其应用 |
6.2.1 模糊变量的排序方法分析 |
6.2.2 三类模糊优势模型及其应用 |
6.3 新的模糊变量距离及其应用 |
6.4 直觉模糊变量及其应用 |
第7章 结论与展望 |
7.1 论文的主要贡献 |
7.2 后续研究展望 |
参考文献 |
致谢 |
附录 A 无记忆性多次投票模型部分代码 |
A.1 函数 REVOTE(A,B,C,N) |
A.2 函数 DISTANCE(A,B,C,N) |
附录 B 属性约简部分代码 |
B.1 函数 TOPSIS(NDATA) |
B.2 函数 CONTAINMENT(A,B) |
B.3 函数 TREE(A,N) |
B.4 函数 EXPERT(A,N) |
个人简历、在学期间发表的学术论文与研究成果 |
(9)贝叶斯网在认知诊断属性层级结构确定中的应用(论文提纲范文)
1 引言 |
2 综述 |
2.1 Q矩阵 |
2.2 Q矩阵理论的错误与改进方案 |
2.3 贝叶斯网的相关概念 |
3 贝叶斯网技术在属性层级结构确定上的应用 |
3.1 通过贝叶斯网结构学习得到属性间的层级关系 |
3.2.1 模拟实验 |
3.2.2 实证研究 |
(1) 属性及层级关系的确定 |
(2) 试题的编制 |
(3) 分析步骤 |
4 总结与展望 |
(10)基于S-粗集理论上的属性约简与算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 引言 |
1.1 本文研究背景 |
1.2 S-粗糙集理论研究现状 |
1.3 粗糙集理论应用于属性约简 |
1.4 本文研究内容与组织结构 |
第2章 粗糙集理论的基本知识 |
2.1 知识与分类 |
2.2 不可分辨关系和上、下近似集 |
2.3 知识约简 |
2.4 知识的依赖性 |
2.5 信息系统和决策表 |
2.6 区分矩阵 |
2.7 本章小结 |
第3章 S-粗集 |
3.1 S-粗集理论的产生背景 |
3.2 S-粗集基本理论 |
3.2.1 单向S-粗集 |
3.2.2 双向S-粗集 |
3.2.3 分解基,f-分解类与还原基,(f|-)-还原类 |
3.2.4 S-粗集的F-分解定理 |
3.2.5 S-粗集的(F|-)-还原定理 |
3.3 S-粗集中决策规则的确定 |
3.3.1 条件属性的单向迁移 |
3.3.2 条件属性的双向迁移 |
3.4 本章小结 |
第4章 属性约简算法 |
4.1 经典的粗糙集属性约简算法 |
4.1.1 最小代价算法 |
4.1.2 基于分辨矩阵的算法 |
4.1.3 启发式属性约简算法 |
4.2 S-粗集理论上的属性约简算法 |
4.2.1 S-粗集中的信息系统模型 |
4.2.2 S-粗集中的分辨矩阵模型 |
4.2.2.1 单向动态属性迁移的分辨矩阵模型 |
4.2.2.2 双向动态属性迁移的分辨矩阵模型 |
4.2.3 S-粗集中的分辨矩阵性质 |
4.2.4 S-粗集上的属性约简算法 |
4.3 本章小结 |
第5章 基于 S-粗集属性约简算法的应用 |
5.1 S-粗集在化学合成中的应用 |
5.2 S-粗集在医疗诊治中的应用 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 本文工作总结 |
6.2 进一步工作展望 |
参考文献 |
致谢 |
攻读硕士学位期间发表的论文 |
四、H_α中函数的从属性(论文参考文献)
- [1]面向社交网络的隐私保护方法研究[D]. 周彪. 南京信息工程大学, 2021(01)
- [2]基于语言值形式背景的关联规则提取方法[D]. 王秋婷. 辽宁师范大学, 2021(08)
- [3]基于属性签名标识的SDN数据包转发验证方案[J]. 常朝稳,金建树,韩培胜,祝现威. 通信学报, 2021(06)
- [4]低碳供应链柔性资源配置模型及算法的鲁棒性研究[J]. 刘小红,张人龙,单汨源. 企业经济, 2020(08)
- [5]基于改进符号距离的犹豫模糊前景理论决策方法[J]. 李贺,江登英. 系统工程与电子技术, 2019(12)
- [6]多属性权威CP-ABE的研究与应用[D]. 朱秀芹. 西安电子科技大学, 2017(04)
- [7]偏置b对支持向量机分类问题泛化性能的影响[J]. 丁晓剑,赵银亮. 自动化学报, 2011(09)
- [8]模糊多属性决策方法及其在制造业中的应用研究[D]. 裴植. 清华大学, 2011(11)
- [9]贝叶斯网在认知诊断属性层级结构确定中的应用[J]. 喻晓锋,丁树良,秦春影,陆云娜. 心理学报, 2011(03)
- [10]基于S-粗集理论上的属性约简与算法研究[D]. 滕宝. 山东师范大学, 2009(09)