正態(tài)云模型相似度計(jì)算方法

李海林，郭崇慧，邱望仁

摘要：目的：在數(shù)據(jù)挖掘領(lǐng)域中，云模型不僅運(yùn)用于挖掘過(guò)程的不確定性表示，而且為挖掘結(jié)果的表示提供了符合人類(lèi)思維習(xí)慣的定性分析方法。通常情況下，數(shù)據(jù)挖掘任務(wù)中的定量數(shù)據(jù)可以通過(guò)云模型來(lái)實(shí)現(xiàn)定性概念轉(zhuǎn)換，同時(shí)建立在定性概念基礎(chǔ)之上的數(shù)據(jù)挖掘任務(wù)需要進(jìn)行相似性計(jì)算。根據(jù)正態(tài)云模型的云滴分布特征，提出了兩種云模型相似度計(jì)算方法。方法：正態(tài)云有明顯的幾何特征，通?？梢越柚貧w曲線和主曲線來(lái)研究其特性。這兩種曲線分別從垂直方向的期望和正交方向的期望來(lái)反映云的整體特征，但由于它們的解析式難于求出，只能通過(guò)線性逼近的方法近似求得。然而，期望曲線是從水平方向來(lái)研究云模型整體特征，通過(guò)正態(tài)云的定義可以推出期望曲線的解析式。用期望曲線方法可以很好地反映正態(tài)云的重要幾何特征，所有的云滴都圍繞正態(tài)云期望曲線這條“骨架”的附近隨機(jī)波動(dòng)。由于具有解析式的正態(tài)云期望曲線能夠方便有效地描述正態(tài)云的總體特征，因此，可以借助正態(tài)云期望曲線來(lái)求解云模型的相似度。通過(guò)求解兩個(gè)云模型的期望曲線相交重疊部分的面積來(lái)表示兩個(gè)云模型的相似程度，反映了兩個(gè)云模型的相似程度，稱為基于期望曲線的云模型相似度（expectation based cloud model，ECM）。另外，幾乎所有的云滴都在這條最大邊界曲線之下，這是由正態(tài)分布的3d規(guī)則所決定的，最大邊界曲線是一種從最大云滴值這個(gè)局部性視角來(lái)研究云模型幾何特性的方法。利用正態(tài)云定義以及正向正態(tài)云模型的規(guī)則，可得到正態(tài)云模型的最大邊界曲線解析式，并使用兩個(gè)正態(tài)云模型的最大邊界曲線重疊面積來(lái)度量它們的相似度，稱為基于最大邊界曲線的正態(tài)云相似度計(jì)算方法（maximum boundary based cloud model，MCM）。結(jié)果：基于ECM的協(xié)同過(guò)濾推薦質(zhì)量總體上要略優(yōu)于傳統(tǒng)云模型相似性度量方法。雖然MCM的平均絕對(duì)偏差最大，但差值在0.01之內(nèi)，趨勢(shì)與前兩者保持一致，協(xié)同過(guò)濾推薦實(shí)驗(yàn)結(jié)果驗(yàn)證了ECM和MCM的可行性和有效性。與此同時(shí)，在分類(lèi)準(zhǔn)確性方面，ECM和MCM隨著降維數(shù)的變化能夠保持穩(wěn)定的分類(lèi)精度，說(shuō)明這兩種算法具有很好的伸縮性和魯棒性。但從時(shí)間復(fù)雜度的角度出發(fā)，除SCM之外，其余3種云模型相似性度量算法所消耗的單位時(shí)間相差不大，它們時(shí)間復(fù)雜度相同。ECM不僅在時(shí)間序列分類(lèi)結(jié)果的精度上取得優(yōu)勢(shì)，而且在時(shí)間復(fù)雜度上也幾乎跟傳統(tǒng)方法LICM持平。因此，ECM是一種快速有效的云模型相似度計(jì)算方法，而MCM也是一種較為快速有效的云模型相似度計(jì)算方法。結(jié)論：鑒于不確性人工智能云模型在數(shù)據(jù)挖掘及機(jī)器學(xué)習(xí)等領(lǐng)域的重要性，提出了ECM和MCM兩種新的正態(tài)云模型相似度計(jì)算方法。前者是一種基于正態(tài)云模型期望曲線的相似度計(jì)算方法，它是利用云模型的“骨架”并且結(jié)合查詢標(biāo)準(zhǔn)正態(tài)分布表來(lái)快速計(jì)算出正態(tài)云之間的相似度。后者是基于最大邊界曲線的正態(tài)正態(tài)云相似度計(jì)算方法，綜合利用了云的3個(gè)數(shù)字特征，從最大邊界這個(gè)局部視角來(lái)研究相似性的定量數(shù)值。同時(shí)，文章不僅從數(shù)學(xué)性質(zhì)的角度對(duì)兩種方法的正態(tài)云模型相似度算法進(jìn)行了分析和描述，而且還通過(guò)實(shí)驗(yàn)驗(yàn)證了這兩種方法進(jìn)行描述正態(tài)云模型相似程度的可行性和有效性，并將它運(yùn)用于協(xié)同過(guò)濾推薦和時(shí)間序列數(shù)據(jù)分類(lèi)中，取得了良好的效果。

來(lái)源出版物：電子學(xué)報(bào), 2011, 39(11): 2561-2567

入選年份：2016

一種精英反向?qū)W習(xí)的粒子群優(yōu)化算法

周新宇，吳志健，王暉，等

摘要：目的：粒子群優(yōu)化算法是近年來(lái)較為流行的一種群體智能優(yōu)化技術(shù)，概念簡(jiǎn)單且易于實(shí)現(xiàn)，在多個(gè)科學(xué)與工程領(lǐng)域中得到了成功應(yīng)用。但該算法在求解復(fù)雜的優(yōu)化問(wèn)題時(shí)，易陷入局部最優(yōu)且收斂速度較慢。從利用粒子的自身極值pbest和全局極值gbest的角度出發(fā)，研究如何更好地平衡算法的全局勘探和局部開(kāi)采能力，從而進(jìn)一步提高算法性能。方法：分析粒子的飛行軌跡，對(duì)于一個(gè)給定的粒子，在其飛行速度已知的條件下，該粒子的飛行軌跡由自身極值和全局極值共同決定。針對(duì)自身極值的特點(diǎn)，結(jié)合反向?qū)W習(xí)機(jī)制，將自身極值視為群體的精英粒子，提出了精英反向?qū)W習(xí)策略，利用該策略生成精英粒子的反向解，構(gòu)造與當(dāng)前群體對(duì)應(yīng)的反向群體，再同時(shí)評(píng)估當(dāng)前群體和反向群體的質(zhì)量，從中選擇部分較優(yōu)的粒子進(jìn)入下一次迭代。針對(duì)全局極值的特點(diǎn)，結(jié)合差分演化算法，提出了差分演化變異策略，利用差分演化算法的best/2/bin機(jī)制對(duì)全局極值進(jìn)行擾動(dòng)。結(jié)果：從14個(gè)不同測(cè)試函數(shù)上的實(shí)驗(yàn)結(jié)果可看出：（1）與其他兩種基于反向?qū)W習(xí)機(jī)制的粒子群優(yōu)化算法相比，本文算法在13個(gè)測(cè)試函數(shù)上的結(jié)果要好于或相當(dāng)于這兩種算法，僅在1個(gè)測(cè)試函數(shù)上的結(jié)果比其中一種算法略差，表明精英反向?qū)W習(xí)策略能夠搜索更多的有效區(qū)域，提高群體的多樣性，增強(qiáng)算法的全局勘探能力；（2）與不含變異策略和集成柯西變異策略的算法相比，本文算法在14個(gè)測(cè)試函數(shù)上的結(jié)果要好于或相當(dāng)于這兩種算法，在變異策略成功運(yùn)行的次數(shù)上有較大提高，表明差分演化變異策略能夠在一定程度上防止全局極值陷入局部最優(yōu)，從而避免整個(gè)群體出現(xiàn)搜索停滯，增強(qiáng)算法的局部開(kāi)采能力；（3）與近年來(lái)提出的5種知名粒子群優(yōu)化算法相比，本文算法在10個(gè)測(cè)試函數(shù)上要好于或相當(dāng)于這5種算法，表明結(jié)合精英反向?qū)W習(xí)策略和差分演化變異策略后，本文算法在整體性能上具有較強(qiáng)的競(jìng)爭(zhēng)力；（4）與包含基本粒子群優(yōu)化算法在內(nèi)的九種粒子群優(yōu)化算法相比，本文算法在計(jì)算復(fù)雜度上并未增加，與基本粒子群優(yōu)化算法的計(jì)算復(fù)雜度保持相同。結(jié)論：粒子的飛行軌跡是粒子群優(yōu)化算法尋優(yōu)過(guò)程中的重要一環(huán)，因此，首先分析了影響粒子飛行軌跡的因素。針對(duì)粒子的自身極值和全局極值的特點(diǎn)，從利用兩者包含的搜索信息著手，分別提出了精英反向?qū)W習(xí)策略和差分演化變異策略，以平衡算法的全局勘探能力和局部開(kāi)采能力。粒子群優(yōu)化算法作為一種代表性的群體智能優(yōu)化技術(shù)，它與其他群體智能優(yōu)化技術(shù)的共性是以群體的方式進(jìn)行尋優(yōu)，因此，精英反向?qū)W習(xí)策略可視為一種通用框架，用于提高其他算法的性能。

來(lái)源出版物：電子學(xué)報(bào), 2013, 41(8): 1647-1652

入選年份：2016

智慧協(xié)同網(wǎng)絡(luò)體系基礎(chǔ)研究

張宏科，羅洪斌

摘要：目的：現(xiàn)有互聯(lián)網(wǎng)具有“三重綁定”的特征，即：服務(wù)的“資源和位置綁定”、網(wǎng)絡(luò)的“控制和數(shù)據(jù)綁定”及“身份與位置綁定”。這種網(wǎng)絡(luò)體系與機(jī)制是相對(duì)“靜態(tài)”和“僵化”的，在此基礎(chǔ)上的演進(jìn)與發(fā)展無(wú)法從根本上滿足信息網(wǎng)絡(luò)“高速”“高效”“海量”“泛在”等通信需求，難以解決網(wǎng)絡(luò)可擴(kuò)展性、移動(dòng)性、安全性等問(wèn)題，更難以實(shí)現(xiàn)網(wǎng)絡(luò)資源的高效利用、節(jié)能等。為了大幅度提高網(wǎng)絡(luò)資源利用率，降低網(wǎng)絡(luò)能耗等，顯著提升用戶體驗(yàn)，提出了資源動(dòng)態(tài)適配的智慧協(xié)同網(wǎng)絡(luò)“三層”“兩域”（“三層”即：智慧服務(wù)層、資源適配層和網(wǎng)絡(luò)組件層；“兩域”即：實(shí)體域和行為域）總體系架構(gòu)模型。方法：在深入研究傳統(tǒng)信息網(wǎng)絡(luò)分層體系結(jié)構(gòu)理論及國(guó)內(nèi)外新一代信息網(wǎng)絡(luò)體系架構(gòu)理論的基礎(chǔ)上，在“三層”“兩域”新體系結(jié)構(gòu)模型中，“智慧服務(wù)層”主要負(fù)責(zé)服務(wù)的標(biāo)識(shí)和描述以及服務(wù)的智慧查找與動(dòng)態(tài)匹配等；“資源適配層”通過(guò)感知服務(wù)需求與網(wǎng)絡(luò)狀態(tài)，動(dòng)態(tài)地適配網(wǎng)絡(luò)資源并構(gòu)建網(wǎng)絡(luò)族群，以充分滿足服務(wù)需求進(jìn)而提升用戶體驗(yàn)，并提高網(wǎng)絡(luò)資源利用率；“網(wǎng)絡(luò)組件層”主要負(fù)責(zé)數(shù)據(jù)的存儲(chǔ)與傳輸，以及網(wǎng)絡(luò)組件的行為感知與聚類(lèi)等。該體系在有效解決網(wǎng)絡(luò)可擴(kuò)展性、移動(dòng)性、安全性等問(wèn)題的基礎(chǔ)上，大幅度提高網(wǎng)絡(luò)資源利用率，降低網(wǎng)絡(luò)能耗等，顯著提升用戶體驗(yàn)。結(jié)果：在智慧協(xié)同網(wǎng)絡(luò)體系結(jié)構(gòu)中，“實(shí)體域”使用服務(wù)標(biāo)識(shí)SID（service ID）來(lái)標(biāo)記一次智慧服務(wù)，實(shí)現(xiàn)服務(wù)的“資源和位置分離”；使用族群標(biāo)識(shí)FID（family ID）來(lái)標(biāo)記一個(gè)族群功能模塊，使用組件標(biāo)識(shí)NID（node ID）來(lái)標(biāo)記一個(gè)網(wǎng)絡(luò)組件設(shè)備，實(shí)現(xiàn)網(wǎng)絡(luò)的“控制和數(shù)據(jù)分離”及“身份與位置分離”；“行為域”使用服務(wù)行為描述SBD（service behavior description）、族群行為描述FBD（family behavior description）和組件行為描述NBD（node behavior description）來(lái)分別描述實(shí)體域中服務(wù)標(biāo)識(shí)、族群標(biāo)識(shí)和組件標(biāo)識(shí)的行為特征。通過(guò)映射分別完成服務(wù)需求到族群的選擇、族群內(nèi)網(wǎng)絡(luò)組件與服務(wù)需求的匹配以及網(wǎng)絡(luò)組件的行為聚類(lèi)功能。在智慧服務(wù)層和資源適配層之間，使用行為匹配機(jī)制。在行為域中根據(jù)服務(wù)需求行為描述和族群功能行為描述形成一次映射，為智慧服務(wù)尋求最佳的族群功能模塊搭配組合，然后根據(jù)實(shí)體域的族群間協(xié)作機(jī)制，控制指定的族群功能模塊進(jìn)行協(xié)同工作，從而實(shí)現(xiàn)服務(wù)標(biāo)識(shí)到族群標(biāo)識(shí)的映射過(guò)程。在資源適配層和網(wǎng)絡(luò)組件層之間，使用行為聚類(lèi)機(jī)制，在行為域中根據(jù)族群行為描述和組件行為描述形成另一次映射，為族群功能模塊判定最合理的網(wǎng)絡(luò)組件構(gòu)成，然后根據(jù)實(shí)體域的族群內(nèi)聯(lián)動(dòng)機(jī)制，在族群功能模塊內(nèi)的網(wǎng)絡(luò)組件之間建立相互聯(lián)動(dòng)關(guān)系，以完成族群功能模塊的整體功能，實(shí)現(xiàn)由族群標(biāo)識(shí)到組件標(biāo)識(shí)的映射過(guò)程。通過(guò)這兩次映射，網(wǎng)絡(luò)資源可以依據(jù)服務(wù)需求動(dòng)態(tài)適配，從而實(shí)現(xiàn)智慧服務(wù)。結(jié)論：智慧協(xié)同網(wǎng)絡(luò)的“三層”“兩域”體系通過(guò)動(dòng)態(tài)感知網(wǎng)絡(luò)狀態(tài)并智能匹配服務(wù)需求，進(jìn)而選擇合理的網(wǎng)絡(luò)族群及其內(nèi)部組件來(lái)提供智慧化的服務(wù)，并通過(guò)引入行為匹配、行為聚類(lèi)、網(wǎng)絡(luò)復(fù)雜行為博弈決策等機(jī)制來(lái)實(shí)現(xiàn)資源的動(dòng)態(tài)適配和協(xié)同調(diào)度，大幅度提高網(wǎng)絡(luò)資源利用率，降低網(wǎng)絡(luò)能耗等，并顯著提升用戶體驗(yàn)。

來(lái)源出版物：電子學(xué)報(bào), 2013, 41(7): 1249-1254

入選年份：2016

SRLtoRadl生成系統(tǒng)及其范疇論語(yǔ)義

王昌晶，薛錦云，左正康

摘要：目的：形式化軟件規(guī)約技術(shù)便于軟件系統(tǒng)原型、分析、驗(yàn)證與最終的實(shí)現(xiàn)，是保證軟件質(zhì)量和提高軟件生產(chǎn)率非常有用和重要的手段。但是形式化規(guī)約的獲取是一項(xiàng)相當(dāng)困難的任務(wù)，因此通過(guò)自動(dòng)化轉(zhuǎn)換獲取形式化規(guī)約就顯得尤為必要，這已經(jīng)成為需求工程的重要問(wèn)題之一。針對(duì)問(wèn)題需求自動(dòng)化轉(zhuǎn)換為形式化規(guī)約這個(gè)重要問(wèn)題，研究從結(jié)構(gòu)化需求語(yǔ)言SRL到形式化規(guī)約語(yǔ)言Radl自動(dòng)生成系統(tǒng)及其高可靠性理論。方法：首先設(shè)計(jì)了一種受控自然語(yǔ)言-結(jié)構(gòu)化需求語(yǔ)言SRL來(lái)描述問(wèn)題需求；使用基于規(guī)則的方法，將結(jié)構(gòu)化需求語(yǔ)言SRL通過(guò)分析—轉(zhuǎn)換—綜合3階段生成為形式化軟件規(guī)約Radl；在該方法的指導(dǎo)下，設(shè)計(jì)并實(shí)現(xiàn)了從結(jié)構(gòu)化需求語(yǔ)言SRL到形式化軟件規(guī)約Radl的生成系統(tǒng)SRLtoRadl；進(jìn)一步，使用范疇論框架建立了SRLtoRadl生成系統(tǒng)生成過(guò)程的語(yǔ)義模型。結(jié)果：形式化軟件規(guī)約或算法規(guī)約生成方法主要可以分為兩類(lèi)：基于領(lǐng)域知識(shí)的方法與基于轉(zhuǎn)換生成的方法。基于知識(shí)的方法使用領(lǐng)域知識(shí)作為分析需求的基礎(chǔ)，重要工作如需求學(xué)徒，SPECIFIER，生成式編程，問(wèn)題框架方法，MLIRF方法等。采用的生成方法面向非特定應(yīng)用領(lǐng)域，通過(guò)用戶自定義ADT類(lèi)型，也可以方便的擴(kuò)充的其他特定應(yīng)用領(lǐng)域；該生成方法可以看做一個(gè)產(chǎn)生式系統(tǒng)，易于實(shí)現(xiàn)；進(jìn)一步，可以使用范疇論框架建立生成過(guò)程的語(yǔ)義模型?；谵D(zhuǎn)換生成的方法提供了自動(dòng)（或人機(jī)交互）的CASE工具由半形式化的問(wèn)題表示（如圖表、受限自然語(yǔ)言）或非形式化的問(wèn)題表示（如自由的自然語(yǔ)言）來(lái)生成形式化規(guī)約。生成方法可以歸類(lèi)為一種基于轉(zhuǎn)換生成的方法，不僅可以對(duì)語(yǔ)法進(jìn)行分析與轉(zhuǎn)換，通過(guò)對(duì)語(yǔ)法規(guī)則引入復(fù)雜特征集與合一運(yùn)算，還可以進(jìn)行深層次的語(yǔ)義分析與轉(zhuǎn)換；它不僅可以生成數(shù)據(jù)庫(kù)應(yīng)用軟件形式化規(guī)約，還可以生成復(fù)雜算法的形式化規(guī)約；進(jìn)一步，可以使用范疇論框架建立生成過(guò)程的語(yǔ)義模型。結(jié)論：研究成果可以從理論和實(shí)現(xiàn)兩個(gè)方面來(lái)總結(jié)。在理論方面的主要成果是使用范疇論框架建立了SRLtoRadl生成系統(tǒng)生成過(guò)程的語(yǔ)義模型。在實(shí)現(xiàn)方面的主要成果一是設(shè)計(jì)了一種受控自然語(yǔ)言-結(jié)構(gòu)化需求語(yǔ)言SRL來(lái)描述問(wèn)題需求；二是設(shè)計(jì)并實(shí)現(xiàn)了從結(jié)構(gòu)化需求語(yǔ)言SRL到形式化軟件規(guī)約Radl的生成系統(tǒng)SRLtoRadl。進(jìn)一步的工作一是繼續(xù)完善SRLtoRadl生成系統(tǒng)并集成到整個(gè)PAR平臺(tái)，二是將該研究結(jié)果進(jìn)行擴(kuò)展，進(jìn)一步探索使用范疇論理論框架建立PAR平臺(tái)由形式化Radl規(guī)約生成可執(zhí)行程序的整個(gè)生成過(guò)程語(yǔ)義模型。

來(lái)源出版物：電子學(xué)報(bào), 2014, 42(1): 137-143

入選年份：2016