基于区间型符号数据的群组推荐算法研究郭均鹏
基于数据场的改进LOF算法
基于数据场的改进LOF算法MENG Haidong;SUN Xinjun;SONG Yuchen【摘要】LOF(Local Outlier Factor)是一种经典基于密度的局部离群点检测算法,为提高算法的精确度,以便更精准挖掘出局部离群点,在LOF算法的基础上,提出了一种基于数据场的改进LOF离群点检测算法.通过对数据集每一维的属性值应用数据场理论,计算势值,进而引入平均势差的概念,针对每一维度中大于平均势差的任意两点在计算距离时加入一个权值,从而提高离群点检测的精确度,实验结果表明该算法是可行的,并且拥有更高的精确度.【期刊名称】《计算机工程与应用》【年(卷),期】2019(055)003【总页数】5页(P154-158)【关键词】数据挖掘;局部可达密度;数据场;平均势差;局部离群因子【作者】MENG Haidong;SUN Xinjun;SONG Yuchen【作者单位】【正文语种】中文【中图分类】TP311;TP181 引言在数据挖掘领域中，离群点检测是一个非常重要的研究方向，关注的数据对象是不同于正常情况的异常数据，这些数据不同于预期对象，只在数据集中占有极其稀少的比重。
离群点检测最早的定义由Hawkins提出：“异常是在数据集中与众不同的数据，使人们怀疑这些数据并非随机产生的，而是产生于完全不同的机制”。
在实际应用中，离群点检测已经在多个领域中取得了成功，如欺诈检测、公共安全、图像处理、工业损毁检测等[1]。
离群点检测大致可以分为以下几类[2-12]：基于统计的方法、基于距离的方法、基于密度的方法、基于聚类的方法、基于分类的方法。
文献[5]提出了一种基于多重聚类的方法；文献[6]提出了基于K-means的数据流方法；文献[7]提出了基于粗约简和网格的方法；文献[8]提出了基于混合式聚类算法的方法。
LOF（Local Outlier Factor）算法[9-12]是一种基于密度的方法，该方法将一个表征数据离群程度的局部离群因子赋予每个数据对象，根据局部离群因子的数值来确定离群点。
改进的基于符号数据的协同过滤推荐算法
改进的基于符号数据的协同过滤推荐算法郭均鹏;陈莹莹【期刊名称】《计算机应用》【年(卷),期】2011(031)011【摘要】With the continuing increase of users and kinds of resources, the problem of rating matrix's sparsity is becoming more and more prominent, which seriously affects the quality of the recommendation system. Singular Value Decomposition (SVD) is a dimension reduction method, and Symbolic Data Analysis (SDA) is a new analytical approach to processing mass data. This paper proposed a new collaborative filtering recommendation algorithm which combines SVD with SDA. The experimental results based on EachMovie database set indicate that the proposed method is significantly better than traditional general recommendation algorithm when the data is particularly sparse.%随着用户和资源种类的不断增加,评价矩阵的稀疏性问题越来越突出,严重影响了推荐系统的推荐质量.奇异值分解(SVD)是一种对数据进行降维处理的方法,符号数据分析(SDA)是一种处理海量数据的全新数据分析思路.提出一种改进的基于符号数据的协同过滤推荐算法,即将奇异值分解和符号数据分析方法结合起来运用到推荐系统中.在EachMovie数据库集上的实验结果表明该算法在数据稀疏时的推荐质量明显优于传统的推荐算法.【总页数】4页(P3060-3062,3067)【作者】郭均鹏;陈莹莹【作者单位】天津大学管理与经济学部,天津300072;天津大学管理与经济学部,天津300072【正文语种】中文【中图分类】TP301.6;TP391.3【相关文献】1.社交网络下非结构化数据协同过滤推荐算法改进 [J], 王腾飞;孙华2.改进的面向数据稀疏的协同过滤推荐算法 [J], 高倩;何聚厚3.一种改进的缺失数据协同过滤推荐算法 [J], 周明升;韩冬梅4.基于数据稀疏性的协同过滤推荐算法改进研究 [J], 岳希; 唐聃; 舒红平; 安义文5.基于数据稀疏性的协同过滤推荐算法改进研究 [J], 岳希; 唐聃; 舒红平; 安义文因版权原因，仅展示原文概要，查看原文内容请购买。
天津大学管理运筹学管理运筹学——线性规划
x1 , x2 0
(2) (3)
-2
2
1 O
-1 0 1
2
(3)
3 4 x1
最优解： x1 = 0， x2 = 1 最优目标值 z = 3
2. LP 解的几种情况
（1）唯一解
（2）多重最优解
（3）无可行解
（4）无有限最优解
注：出现（3）、（4）情况时，建模有问题
图解法的结论：
● 线性规划的可行域是凸集
授课内容：
• 线性规划 • 图论与网络分析 • 网络计划 • 风险型决策 •排队论 • 博弈论
绪论
一、运筹学的产生与发展
• 产生于二战时期，运筹学（Operational Research) 直
译为“运作研究”。
• 60年代，在工业、农业、社会等各领域得到广泛应用 • 在我国，50年代中期由钱学森等引入
7x1+12x2=16820
7x1+12x2=84
0
9x1+4x2=360
20 40 60
X*=（20，24）， Z*=428
x1
80 100
课堂练习
图解法求解线性规划
(1) x2 (2)
min z 2x1 3 x2
4
x1 x2 4 (1)
3
st
2 x1 x2 x1 2 x2
2 2
10
300
12
产品 资源
甲
乙
煤
9
4
电
4
5
油
3
10
单价
7
12
线性规划模型三要素：
（1）决策变量
设Su甲b产je品ct生T产o，x1，乙产品生产x2 （2意）为目标足“函”使数其满
基于区间数的多级模糊优选模型
基于区间数的多级模糊优选模型
段宝彬
【期刊名称】《河海大学学报（自然科学版）》
【年(卷),期】2004(032)004
【摘要】以区间数表示模糊集的相对隶属度,引入相对优势度对区间数的大小进行比较,建立一个多级模糊优选模型,解决了由于相对隶属度求解方法不同而导致方案优选中评价结果不一致的问题.
【总页数】3页(P478-480)
【作者】段宝彬
【作者单位】河海大学理学院,江苏,南京,210098
【正文语种】中文
【中图分类】O159
【相关文献】
1.改进层次分析-多级模糊评判的给水处理工艺优选模型 [J], 王圃;张晋;华佩
2.基于熵权的多级模糊优选模型在软基处理中的应用 [J], 李海龙
3.基于多目标模糊优选模型的水资源优化调度——以山西东山供水工程区为例 [J], 邓安利;王帅;王敏黛;郭清海
4.权监督多级模糊优选模型 [J], 王建明;陈守煜
5.基于区间数的企业科技报告质量评价与优选模型研究 [J], 王宏;周育忠;石嘉豪因版权原因，仅展示原文概要，查看原文内容请购买。
【国家自然科学基金】_区间理论_基金支持热词逐年推荐_【万方软件创新助手】_20140801
二型模糊系统 β -分布 c-owa算子 齿廓偏差 黄萎病 鲁棒镇定问题 鲁棒容错控制 高级别管线钢 高管-员工 高炮 高温高压 高斯分布 驱动桥 首次公开发行 风险评估 风险评价 风险度量 风险型决策 风洞试验 预警系统 预编码 预测方法 预测区间 项目可行性分析 顶点法 鞍结点分岔 鞍点矩阵 非饱和土 非脆弱 非线性系统 非线性原对偶内点算法 非线性动力系统 非线性分析 非线性k-s方程 需求转移 雷达探测距离估计 雷诺润滑方程 集合属性 隧道 隐含波动率 隐含价格 随机微分方程 除霜 陆地棉 阈值 闭环系统特征值 镁合金 锥 铵伊利石 钙钛矿 重力波和饱和模式 配售 遥感 遗传模型
重点建设项目 遥感 遗传算法 逻辑系统■ 逻辑系统(l)n 通径分析 逆抽样 迭代学习辨识 连锁故障 连续的区间数据owh(c-owh)算子 违约相关 违约率 进度偏差 近似算法 运输问题 过程能力指数 过程能力 边界元法 边坡工程 辖区间竞争 输入时滞 转子-轴承系统 轨道交通 车辆工程 车栽尾气检测系统(pems) 路基 路口群落 超效率 超几何函数 贫困大学生 财政科技投入 负偏分布 贝叶斯 语言值关联规则 语义wleb服务 试除法 计算流体力学 计算机模拟 覆盖选址 西安 表面形貌 螺栓球节点网架结构 蒙特卡罗模拟 蒙特卡洛 范数 自适应迭代学习控制 自适应控制 自组织特征映射网络 自仿射 膨胀土 脊波变换 能量特性 能源需求 肾综合征出血热
科研热词 可靠性 鲁棒稳定性 群决策 奇摄动 可靠性分析 区间算法 区间灰数 区间数据 区间数 分形维数 低频振荡 不确定性 预测控制 非正常磨损 阻尼 迭代函数系统 连续属性离散化 运筹学 边值问题 轮胎 证据理论 自激励振动 线性矩阵不等式 线性多步法 稳定性 真度 相离度 相容度 电磁转矩 电力系统稳定 特征多项式 灰色 模糊综合评判 模糊数学 模糊互补判断矩阵 最大似然估计 数据挖掘 敏感性分析 收敛性 拟线性 广义置信区间 多边形磨损 变形 发散度 区间矩阵 区间灰矩阵 区间方法 区间振荡 区间分析 分形插值 分形 交易成本
基于改进区间数密度集结算子指标群赋权方法
Research on Obtaining the Weights of Index Group Based on Modified Interval Number Density
Aggregation Operator
作者： 贺芳
作者机构： 天津大学理学院,天津300072
出版物刊名： 运筹与管理
页码： 133-138页
年卷期： 2013年 第4期
主题词： 群决策 区间数 改进的区间数密度集结算子 模糊聚类 群组权重
摘要：针对指标数据已知，而权重数据未知的群组赋权问题，给出了一种基于改进的区间数密度集结算子来进行指标群组赋权的决策方法。
首先给出了区间数和区间数密度集结算子（IDM）的定义及性质，改进了以前区间数聚类的方法，应用直接法对一维区间数据组进行聚类，并定义了模糊统计量，以确定最为合理的一种聚类方式。
然后基于改进的区间数密度集结
算子这种数学模型，来解决指标值数据已知，而权重未知的群组赋权问题。
最后举例说明该方
法的可行性和实用性。
区间型符号数据的特征选择方法
第 １期
运 筹 与 管 理
０ＰＥＲＡＴ１ ０ＮＳ ＲＥＳ ＥＡＲＣＨ ＡＮＤ Ｍ ＡＮＡＧＥＭ ＥＮＴ ＳＣＩ ＥＮＣＥ
Ｖｏ １ ． ２ ４， Ｎｏ ． １ Ｆｅ ｂ． ２ ０１ ５
２ ０ １ ５年 ２ 月
区 间 型符 号 数ｙ ｗｏｒ ｄｓ： ｓ ｙ ｍｂ ｏ ｌ ｉ ｃ ｄ ａ ｔ ａ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ；ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ｅ ｌ ｅ ｃ ｔ ｉ ｏ ｎ；ｎ ｅ ａ ｒ ｅ ｓ ｔ ｎ ｅ ｉ ｇ ｈ ｂｏ ｒ ｃ ｌ ａ ｓ ｓ ｉ ｉｅ ｆ ｒ ； ｉ ｎ ｔ ｅ ｒ ｖ ａ ｌ ｄ ａ ｔ ａ
收 稿 日期 ： ２ ０ １ ３ ・ ０ ８ － ２ ７
基金项 目： 国 家 自然 科 学 基金 资 助 项 目（ ７ １ １ ７ １ ０ ３ ０， ７ １ ０ ３ １ ０ ０ ２ ） ； 教 育 部 新 世 纪 优 秀人 才 支持 计 划 （ Ｎ Ｃ Ｅ Ｔ 一 １ １ － ０ ０ ５ ０） 作者简介 ： 郭崇慧（ １ ９ ７ ３ 一 ） ， 男， 博 士， 教授 ， 博士生导师 ， 主要 研 究 方 向 ： 数 据 挖 掘 与 知 识 发 现 ，决 策理 论 与 方 法等 。刘 永 超 （ １ ９ ８ ９ ． ） ， 男
特征选 择也 叫特 征 子集选 择 ， 它 的 目的是 从样 本 的所 有特 征 中选 择 出对 描 述 目标 概 念 比较 重 要 的 一
组 特征 子集 。对 区间型符 号数 据进 行特 征选择 ， 不仅能 够 降低数 据 的复杂程 度 和处理 时 间 ， 而 且通 常能够
提高 预测器 的性 能 。
包” ， 这个“ 数据 包 ” 就被 定义 为 符号 数据 。常用 的符 号变 量类 型有 区间型 、 多值 型 和分 布 型 。区 间型 符
一般分布区间型符号数据的K均值聚类方法
作者简介 ： 郭均鹏 （ １ ９ ７ ３ 一） ， 男， 山东昌邑人， 博士 ， 教授 ． Ｅ ｍ ａ ｉ ｌ ： ｇ ｕ ｏ ｊ ｐ ＠ｔ ｊ ｕ ． ｅ ｄ ｕ ． ｃ ｎ
一
２ ２一
管
理
科
学
学
报
…
２ ０ １ ３年 ３月
更为丰富． 文献 ［ ６ ］ 介绍 了基 于欧式距离 的划分 聚类 方法 ， 以及 各种 对聚类 结果 进行解 释 的工具 ；
郭均鹏 ，陈 颖， 李汶华
（ 天津 大学 管理 与经 济学部 ，天津 ３ ０ ０ ０ ７ ２ ）
摘要 ： 对于区间型符号数据聚类分析的研 究， 现有方法大多假设个体在 区间 内服从均 匀分布 ， 这往往 并 不符合 实 际情况 ． 针 对 此 问题 ， 研 究一般 分 布 的 区 间型符 号数 据 Ｋ均值 聚 类 方法 ， 给
分必 要 ． 符号 数据 的聚类 分 析是符 号数 据分 析领域中 的研 究热 点 ， 近年 来 提 出 了许 多 针 对 各种 类 型 的
要知识资源¨ Ｊ ． 符号数据分析 （ ｓ ｙ ｍ ｂ ｏ ｌ ｉ ｃ ｄ ａ ｔ ａ ａ ｎ ａ ｌ －
ｙ ｓ ｉ ｓ ， 简称 Ｓ Ｄ Ａ） 是研 究如 何 从 海量 数 据 中发 掘 系 统 知 识 的 理 论 和 方 法 ｊ ， 其 运 用 数 据 打 包 的 思 想， 不 仅使得 计算 量减 少 ， 并 且 能从整 体上 把握样 本 的特性 ． 例如 ， 对 股 票进 行 评 价 ， 若决 策 者 希望
中图分 类号 ： Ｏ ２ １ ２ ． ４
文 献标识 码 ： Ａ
文章 编 号 ：１ ０ ０ ７— ９ ８ ０ ７ （ ２ ０ １ ３ ） ０ ３— ０ ０ ２ １— ０ ８
区间值群组决策专家权重微调整方法
数据不同，必然会对方案的影响程度改变，通过利用给定权重值之间存在差异，比较区间数的大小转化为比
加平值
2
1.2 几种专家赋权法及比较研究
群决策结果很大程度依赖专家权重与属性值,二者的变动都改变着决策最终趋势•已有的关于区间值属
性权重问题的研究方法中，文献［8］中针对属性值为区间粗糙数利用灰色关联分析的思想方法确定属性表
通过两个不可比较区间数的区间均值的大小比较，可以很明确的给出这两个区间数的优劣关系. 1.1.1区间数的性质［8］：
设区间数a = [(,2. , b = lb ,0],对于任意的实数0, A贝!J 性质1
① a + b = [a[ + 61,82+62]
② a - b 二[a1 - b ,2 - b?]
③0a二 「[（1,0（2] （0，0（]
④ a = [aib1，a2b2]
,0 耳 0 ,0 W 0
⑤ aA = [ a" ,2 ] , A M 0 ⑥若 A 耳1，则 Io-2 = UogAa 0ogAa2]；若 A V1，则 Io-2 = [ ^^^2 ^logAa ]
2
若2 = [y ,0. , = [b1 ,0. , 0 > 0 0i > 0 00 > 0 则 ①a + b = b +a ② 0i（ +02（ =（01 +02）（ ③ 0a + 0b = 0（a + b） ④ a（ = ba ⑤ （（）/ = a0b0 ⑥ a01 a02 = a002
达式;文献［9 ］中把区间数变化成效益型三元联系数形式,然后对其进行决策建模;文献［9 ］中的新方法是
先构造了一个区间数上下界偏差函数，然后利用偏差越小越利于决策的原则，将区间权重向量变换成确定性
一种区间PCA的效度分析方法
一种区间PCA的效度分析方法
郭均鹏;李汶华
【期刊名称】《系统工程学报》
【年(卷),期】2009(024)002
【摘要】关于区间数据的主成分分析(PCA)方法已取得了较丰富的研究成果,但少见对这些方法效度的评价研究.针对该问题,基于Hausdorff距离用于定义两个紧集之间距离的考虑,将区间数视为一个紧集,定义了区间数之间的距离,并研究了区间矩阵的距离.在此基础上,根据PCA方法的原理,建立了一个区间PCA方法的效度评价指标.该指标取值在0与1之间,其取值越大,说明区间PCA方法效度越高,反之则效度越小.最后,采用模拟的方法,分别选取均匀分布和正态分布两种类型的区间数据样本,对目前最常用的两种区间PCA方法--顶点法和中点法进行了效度分析,验证了文中所提的效度指标的正确性.
【总页数】5页(P226-230)
【作者】郭均鹏;李汶华
【作者单位】天津大学管理学院,天津,300072;天津大学管理学院,天津,300072【正文语种】中文
【中图分类】O212.4
【相关文献】
1.一种区间不确定性参数的敏感度与可靠性分析方法 [J], 唐忠;李文强;李彦
2.一种耦合区间-随机混合可靠性分析方法 [J], 谢少军;潘柏松;罗路平;项涌涌
3.一种基于区间过程模型的时变可靠性分析方法 [J], 李金武;李金洋;姜潮;倪冰雨;杨刚
4.一种考虑模糊不确定性的概率-区间混合结构可靠性分析方法 [J], 吴钰龙;姜潮
5.一种基于支持向量机的PCA分析方法 [J], 卢正鼎;赵萍
因版权原因，仅展示原文概要，查看原文内容请购买。
一般分布区间型符号数据的系统聚类
Hierarchical Clustering of Generally Distributed
Interval Symbolic Data
作者： 李汶华 戴晖 郭均鹏 高飒 邓登
作者机构： 天津大学管理与经济学部,天津300072
出版物刊名： 数理统计与管理
页码： 1071-1078页
年卷期： 2013年 第6期
主题词： 符号数据 系统聚类 Hausdorff距离 区间数
摘要：现有的区间型符号数据的研究大多假定个体在区间内服从均匀分布，实际上往往并非如此。
针对该问题，研究了一般分布条件下区间型符号数据的系统聚类方法。
阐述了一般分布区间型符号数据的定义，在一般分布的区间型符号数据的描述统计基础上，给出了基于Hausdorff距离的一般分布的区间型符号数据系统聚类算法，并通过随机模拟对聚类有效性进行评价。
结果表明：与个体服从均匀分布的假设相比，一般分布的区间型符号数据的系统聚类分析有效性更好。
最后将文中方法应用于电子商务客户价值的评价，进行了应用研究。
基于POWC-OWA算子的区间数多属性信息集结方法
其中∞＝ ∞ ， …， （ ， ∞） ∞ 是与函数 相关联的加权向量， 由（ｏ式确定， Ｊ∈［， ， １） 满足ｏ ０１ ∑ ＝１ ｊ ］ ．
Ｌ（ （ 为 （，， （ ， Ｌ（ ） 中 大的元素， ａ 面） ａ）…， ａ ） 第 且 （ｉ 由（ ） ～（ ａｄ ） １ 式确定， ＇ ｎ 则称 为属性间具有
：
∑
ｉ １ ＝
由于属 性间具 有优先级 别关 系 ， 面利用 Ｂ Ｍ 函数 ｈ和（ ） 下 Ｕ ９ 式确 定的属 性权重 来 求 Ｏ —ＷＡ算子 的 ＷＣＯ 加权 向量 ＝（ ， ， ， ） ｌ ２ … ：
令 （删 ） （ ， （： ， Ｌ（ ） 五 ）为（ ａ） ）…， ａ） 中第 ｋ 大的元素 ｒ （为 （ｉ ） ｉｋ ｎ） ｄ ｎ ）对应的属性的权重・ ｄ （ 令
（） ３
其中（ （）ｏ ２ ， ，（ ）是（ ，， ｎ 的一个置换 ， － Ｏ １ ，（ ）… ｎ ） １２ …，） － 使得 （ａ １ ｂ ＿ ｊ ＞ Ｌ ）ｂ ｊ ，＝ Ｌ州＿ ， Ｉ ） Ｌ（ ａ ， ） 】 － ））ｉ
２…，， （ ， …， ， ， ｎ ＝ 。 ， ∞） 是与Ｏ —Ｗ ∞ ＷＣ Ａ相关联的加权向 且∞ ∈ ｏ１， Ｏ 量， Ｆ，］ ∑ ＝１ 则称Ｏ Ｃ ， Ｗ—
Ｏ ＷＡ为有序加权 ＣＯ Ａ算子， －Ｗ 简称为 Ｏ —Ｗ ＷＣＯ Ａ算子． 定义 ４‘ 设［ ，］ 【 口 ｂ 为区间数 ， 且
ｇ ］－ ． 。 ， ’ ｐ ） ６（ （
其中Ｐ ［ ，］－ ｏ １ 是一个 Ｂ Ｍ 函数 ， ：０ １－ Ｅ ，］ ， Ｕ 则称 ｇ为连续区间数据 Ｏ ＷＧ算子， 简称为 ＣＯ －ＷＧ算子．
在多 属性 决策 中 ， 由于 客观 事物 的复 杂性 和主 观思维 的模 糊性 ， 人们 给 出 的决 策信 息往 往不 是 以确 定 的 数值 （ 确数 ） 精 表达 ， 而是 以区间数 的形 式来 表示 ， 这类 问题进 行研 究 具 有重 要 的理 论 意义 和 实 际价值 ． 对 目
面向在线社区用户的群体推荐算法研究
度 的算 法具有 更好 的推荐 效果 ， 且有 效 的互动机 制 能够保证 较 高的推荐 精度 。
关 键词 ：群体 推荐 ； 在 线社 区 ；差异度 ；互动 中图分 类号 ：Ｔ Ｐ ３ ９ １ 文献标 志码 ：Ａ 文章编 号 ：１ ０ ０ １ ． ３ ６ ９ ５ （ ２ ０ １ ４ ） ０ ３ — ０ ６ ９ ６ — ０ ４
ｌａ ｆ ｍｅ ａ ｎｄ ｉ ｎｔ ｒ ｏ ｄ ｕｃ ｅ ｄ ｔ ｈ ｅ ｄ ｉ ｓ ａ ｇ ｒ ｅ ｅ ｍｅ ｎｔ ｆ ａ ｃ ｔ ｏ ｒ ｔ ｏ ｐｅ ｒ ｆ ｅ ｃ ｔ ｔ ｈｅ ｍｏ ｄ ｅ １ ．Ｉ ｎ ａ ｄｄ ｉ ｔ ｉ ｏ ｎ，ｃ ｏ ｎ ｓ ｉ ｄ ｅ ｒ ｉ ｎ ｇ ｔ ｈ ｅ ｓ ｐｅ ｃ ｉ ａ ｌ ｔ ｙ ｏ ｆ ｏ ｎ ｌ ｉ ｎｅ ｇ ｒ ｏ ｕ ｐ ｓ，ｉ ｔ
ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ １ — ３ ６ ９ ５ ． ２ ０ １ ４ ． ０ ３ ． ０ １ ３
Ｇｒ ｏ ｕ ｐ ｒ ｅ ｃ ｏ ｍｍｅ ｎ ｄ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｆ ｏ ｒ ｏ ｎ ｌ ｉ ｎ ｅ ｃ ｏ ｍｍｕ ｎ ｉ ｔ ｙ ｕ ｓ ｅ ｒ ｓ
ＧＵＯ ｌ ｕ ｎ — ｐ ｅ ｎ ｇ ，Ｚ ＨＡＯ Ｍｅ ｎ ｇ — ｎ ａ ｎ
பைடு நூலகம்
（ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｍａ ｎ ａ ｇ ｅ ｍｅ ｎ ｔ ＆Ｅ ｃ ｏ ｎ ｏ ｍｉ ｃ ｓ ，Ｔ ｉ ａ ｎ ｊ ｉ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， ｎ ｎ ｊ ｉ ｎ ３ ０ ０ ０ ７ ２ ，Ｃ ｈ ｉ ｎ ａ ）
郭均鹏 ， 赵梦楠
（ 天 津 大学 管理 与 经济 学部 ， 天津 ３ ０ ０ ０ ７ ２ ） 摘 要 ：结合 现有 两种主要 群体 推荐 算法 的优 势 ， 建 立新 的 算 法框 架 ， 并 引入 差 异度 因素 对模 型进 行优 化 。 另
区间型数据的可能性聚类算法
ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ａ ｌ ｇ ｏ ｉ ｒ ｔ ｈ ｍ ｉ ｓ ｍｕ ｃ ｈ ｂ ｅ ｔ ｔ ｅ ｒ ｔ ｈ ａ ｎ ｔ ｈ ｅ Ｉ Ｆ Ｃ Ｍ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ，ｗ ｈ ｉ ｃ ｈ ｃ ａ ｎ ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｌ ｙ ｒ ｅ ｄ ｕ ｃ ｅ ｔ ｈ ｅ ｉ ｎ ｌ ｆ ｕ ｅ ｎ ｃ ｅ ｏ ｆ ｎ ｏ ｉ ｓ ｅ ｏ ｎ ｔ ｈ ｅ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ｇ ｒ ｅ ｓ ｕ ｌ ｔ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ Ｉ ｎ ｔ ｅ ｒ ｖ ａ ｌ ｄ ａ ｔ ａ Ｆ ｕ ｚ ｚ ｙ ｅ ｍｅ ａ ｎ ｓ ｃ ｌ ｕ ｓ ｔ ｅ ｉ ｒ ｎ ｇ Ｐ ｏ ｓ ｓ ｉ ｂ ｉ ｌ ｉ ｓ ｉ ｔ ｉ ｃ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ｇ Ａｖ ｅ ｒ ａ ｇ ｅ ＣＲ ｉ ｎ ｄ ｅ ｘ
而提出的。在实际应用 中， 必 然面临与标准的 Ｆ Ｃ Ｍ 算法类似 的
声对聚 类效果 的影响。 关 键词
中 图分 类 号
区间型数据 模 糊 ｅ 均值 聚类 可能性聚类 平 均 Ｃ Ｒ指标
Ｔ Ｐ １ ８ １ 文 献 标 识码 Ａ Ｄ Ｏ Ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ０ — ３ ８ ６ ｘ ． ２ ０ １ ３ ． １ ０ ． ０ ６ ９
李 庆 贺一民 罗建禄 徐 磊
（ 武 警 警 官 学 院 电 子 技 术 系 四 川 成 都 ６ １ ０ ２ １ ３ ）
摘
要
针对 区间型数据 的模糊 ｅ均值聚类 （ Ｉ Ｆ Ｃ Ｍ） 算 法在 实际应用 中的不足 ， 将可 能性理论 引入 区间型数 据 的聚 类 问题 ， 通过
放松样本隶属度 的约束条件和修正 Ｉ Ｆ Ｃ Ｍ 算法 的 目标 函数 ， 提 出一种 区间型数据 的可能性聚类算法。通过 仿真模拟 实验和平 均 ｃ Ｒ 指标分析 ， 结果表 明： 在包含 噪声和孤立点等代表 性比较差的样本数据 的聚类 问题 中， 该算法 明显优 于 Ｉ Ｆ Ｃ Ｍ 算法 ， 能有效地 降低 噪
高校科研绩效的区间数综合评判方法
高校科研绩效的区间数综合评判方法
郭志林;郭东林
【期刊名称】《湖北民族学院学报（自然科学版）》
【年(卷),期】2011(029)001
【摘要】建立了高校科研成果绩效评价的指标体系,在基于可信度的区间数排序方法的基础上,提出了一种基于粗糙集理论的区间数综合评判方法,克服了权重确定的主观性,使评判结果更加科学、客观.
【总页数】5页(P75-79)
【作者】郭志林;郭东林
【作者单位】商丘师范学院数学系,河南,商丘,476000;商丘师范学院数学系,河南,商丘,476000
【正文语种】中文
【中图分类】O159
【相关文献】
1.基于区间数灰色模糊综合评判的继电保护维修决策方法研究 [J], 张媛;覃剑;王谦;陈伟;张海兵
2.基于三元区间数的模糊综合评判方法及应用 [J], 刘国锋;郭丽;包玉娥
3.区间数模糊综合评判在高校微课\r评价中的应用 [J], 苏钰淳;徐洪香;常帅
4.区间数模糊综合评判方法在桥梁评估中的应用 [J], 魏召兰;黄显彬;刘国军;蒲黔辉
5.灾害损失评估的区间数模糊综合评判方法 [J], 吴红华;李正农
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于符号数据的群体推荐算法
一种基于符号数据的群体推荐算法
郭均鹏;高成菊;赵旻昊
【期刊名称】《系统工程学报》
【年(卷),期】2015(030)001
【摘要】基于符号数据分析所具有的能够有效地对海量数据进行降维并从整体上把握样本属性的优势,设计了基于区间型和分布式符号数据的模型建立方法,分别建立符号数据描述的目标群体用户模型和目标项目模型,并将目标项目模型分解为积极子模型和消极子模型来表示.进而计算目标群体模型与目标项目积极子模型、消极子模型之间的相似度,最终产生推荐.选取为群体用户推荐美食作为实例,通过大众点评网收集用户评分数据,对文中算法进行评价,结果表明该算法能取得良好的推荐精度,且在群体较小及数据稀疏时,推荐质量明显优于传统基于点数据描述群体用户模型的协同过滤算法.
【总页数】8页(P127-134)
【作者】郭均鹏;高成菊;赵旻昊
【作者单位】天津大学管理与经济学部,天津300072;天津大学管理与经济学部,天津300072;天津大学软件学院,天津300072
【正文语种】中文
【中图分类】TP311
【相关文献】
1.改进的基于符号数据的协同过滤推荐算法 [J], 郭均鹏;陈莹莹
2.基于区间型符号数据的群组推荐算法研究 [J], 郭均鹏;宁静;史志奇
3.一种基于符号关系图的快速符号数据聚类算法 [J], 张岩金;白亮
4.基于分布式符号数据的混合推荐算法研究 [J], 钟乾;王仲君
5.基于符号数据与非负矩阵分解法的混合推荐算法 [J], 郭均鹏;王启鹏;宁静;李嫒嫒
因版权原因，仅展示原文概要，查看原文内容请购买。
区间信度环境下基于偏好熵的随机格序排列方法
区间信度环境下基于偏好熵的随机格序排列方法郭春香;龚浩;郭耀煌【期刊名称】《运筹与管理》【年(卷),期】2013(000)003【摘要】针对偏好优劣关系的信度为区间值的决策偏好系统，运用熵理论提出了一种基于区间值分布偏好向量的决策分析方法。
首先，将决策者对方案的偏好描述由：优于、劣于、等价和不可比这四种关系拓广为优于、劣于、等价、无法比较但有上确界、无法比较但有下确界、无法比较且有上确界又下确界、不可比七种偏好关系，并结合区间证据的概念和性质给出了决策偏好系统的区间值分布偏好向量与相对熵的概念、性质。
然后，构建了基于偏好熵的证据推理非线性优化模型，通过求解模型，并结合优先原则和集结规则将个人偏好集结成群体偏好，给出了该决策方法的具体步骤，举例说明了方法的可行性。
% A method of random lattice order decision analysis based on interval-valued distribution preference vec-tor by entropy theory is proposed, focused on decision preference system with preference relations ’ belief degree described by interval-value.First, the preference characterization of decision makers is extended from four varie-ty relations to seven variety preference relations , combined with the concept and property of interval evidence , the concept and property of interval-valued distribution preference vector and relative entropy on the lattice order preference system are given.Then the ER nonlinear optimization model based on preference entropy is estab-lished, the individual preferences are aggregated by applying the priority rulesand intersection rule , and the spe-cific steps of the decision making are qiven .The feasibility and effectiveness of the approach proposed in this paper are illustrated with a numerical example .【总页数】9页(P21-29)【作者】郭春香;龚浩;郭耀煌【作者单位】四川大学工商管理学院，四川成都 610064;四川大学工商管理学院，四川成都 610064;西南交通大学经济管理学院，四川成都 610031【正文语种】中文【中图分类】C934【相关文献】1.基于区间概率偏好的随机格序群决策方法 [J], 郭春香;郭强;郭耀煌2.基于决策者偏好的区间型属性熵权确定方法 [J], 周荣喜;何大义;徐建荣3.一种基于序区间偏好信息的群决策分析方法 [J], 陈侠;樊治平4.基于格序偏好距离的群决策方法 [J], 郭强;郭春香;郭耀煌5.基于区间二型犹豫熵与风险偏好的多属性决策方法 [J], 吴涛;李燕飞;郭海艳因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
0
引言
推荐系统是通过了解用户的喜好并向用户推荐符合其兴
进行推荐， 然后将单个的推荐结果转换为对整个群组的推荐结 果， 最大限度地提高了群组个体的满意度， 但耗时较多且效率 6］通过将群组中喜好相同的用户合为一个用户 较低。文献［ 对评分矩阵降维， 同时将个体推荐结果整合为群组推荐结果， 7］将群组中个体的合作性因素和 使推荐更精确有效。 文献［ 社会信任因素运用到群组推荐算法中， 并证明当群组中合作性 和信任度较高时推荐结果较为精确 。 上述研究均基于点数据描述群体用户模型， 进而采用传统 的协同过滤等算法产生推荐， 因而不可避免地存在着数据信息 丢失、 很难统筹考虑所有个体用户的需求等问题 。符号数据分 析（ SDA ） 通过数据打包等技术， 在不丢失信息的前提下， 从全 局上把握数据特征
Group recommendation algorithm based on symbolic data analysis
GUO Junpeng，NING Jing，SHI Zhiqi
（ Dept． of Management ＆ Economics，Tianjin University，Tianjin 300072 ，China）
［8 ， 9 ］
趣爱好对象的一种信息技术 。作为一种重要的信息过滤技术， 推荐系统已经成为各大网站不可或缺的个性化信息服务形式 。 相对于个体推荐， 群组推荐的对象是一个由多个不同成员组成 他们拥有某些共同的兴趣偏好或需求， 如商业组织、 爱 的群体， 好者协会等。如何为这些群体用户提供有效的个性化信息服 务， 带来了对群体推荐系统的极大需求 。 近年来陆续有学者对群体推荐系统展开研究 。 国内学者 1］ 文献［ 应用离子群算法构 对群组推荐算法方面的研究较少， 建领域项目分类模型， 在此基础上建立群组用户的兴趣模型， 然后采用最近邻方法完成推荐 。 国外研究群组推荐算法大多 然后应用个体推荐的算法对群 通过某种方法把群组视为个体， 2］的 TV4M 系统通过计算各群组与目标 组进行推荐。文献［ 群组的距离来确定相似群组， 其中群组对推荐项目的矩阵用特 3， 4］在将个体特征表整合成群组特征 征子集来表示。 文献［ 表的过程中引入遗传算法， 在考虑群组中个体间存在相互作用 5］首先对群组中的个体 的同时提高了算法的精确度 。 文献［
第 30 卷第 1 期 2013 年 1 月
计 算 机 应 用 研 究 Application Research of Computers
Vol. 30 No. 1 Jan． 2013
基于区间型符号数据的群组推荐算法研究
郭均鹏，宁
摘
*
静，史志奇
（ 天津大学 管理与经济学部，天津 300072 ） 要： 传统群组推荐算法基于点数据描述群组用户模型， 存在着信息缺失、 很难统筹考虑所有个体用户的需
“打包 ” ， 求等问题。针对该问题， 对个体评分数据按照符号数据分析的思想进行 将群组成员的评分信息汇总为 区间型符号数据。在 Hausdorff 距离基础上， 采用区间内部点数据的描述统计量， 提出了一种全新的区间数距离 度量方法， 并利用这种距离对区间型符号数据描述的群组实施 K均值聚类， 由此确定相似群组， 最后通过最近 邻的评分预测目标群组的评分。将这种全新的群组推荐算法与传统方法进行推荐精度与效率的对比实验， 结果 在各种实验条件下， 基于区间型符号数据的群组推荐算法均优于传统点数据的群组推荐算法。 表明， 关键词： 群组推荐； 符号数据分析； 聚类分析 中图分类号： TP391 ； TP301. 6 文献标志码： A 文章编号： 1001-3695 （ 2013 ） 01-0067-05 doi： 10． 3969 / j． issn． 1001-3695． 2013． 01． 016
Abstract： The group user profile in traditional group recommendation is described by singlevalued data． This results in the this loss of data information and being difficult to meet the demands of all the memebers of the group． Aimed at this problem， paper took the method of symbolic data analysis aggregating individual ratings of the group into interval symbolic data into account． It proposed a novel distance considering the descriptive statistics of individuals within the intervals． Based on the Kit obtained the similar groups． Then it predicted the ratings of the target means clustering on the interval data of group ratings， group by using the neighbors’ratings． It conducted a simulation study to evaluate the new method． The result shows that the new method based on interval symbolic data analysis is more accurate and efficient than the traditional itembased collaborative filtering algorithms for group recommendation． Key words： group recommendation； symbolic data analysis（ SDA） ； cluster analysis