《智能系统学报》2019年第6期文章导读
深度度量学习综述
刘冰1,2, 李瑞麟1,2, 封举富1,2
1. 北京大学 信息科学技术学院, 北京 100871
2. 北京大学 机器感知与智能教育部重点实验室, 北京 100871
摘要: 深度度量学习已成为近年来机器学习最具吸引力的研究领域之一，如何有效的度量物体间的相似性成为问题的关键。现有的依赖成对或成三元组的损失函数，由于正负样本可组合的数量极多，因此一种合理的解决方案是仅对训练有意义的正负样本采样，也称为“难例挖掘”。为减轻挖掘有意义样本时的计算复杂度，代理损失设置了数量远远小于样本集合的代理点集。该综述按照时间顺序，总结了深度度量学习领域比较有代表性的算法，并探讨了其与softmax分类的联系，发现两条看似平行的研究思路，实则背后有着一致的思想。进而文章探索了许多致力于提升softmax判别性能的改进算法，并将其引入到度量学习中，从而进一步缩小类内距离、扩大类间距，提高算法的判别性能。
国家自然科学基金重点项目（61333015）.
刘冰, 李瑞麟, 封举富. 深度度量学习综述[J]. 智能系统学报, 2019, 14(6): 1064-1072.
LIU Bing, LI Ruilin, FENG Jufu. A brief introduction to deep metric learning[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1064-1072.
SMOTE过采样及其改进算法研究综述
石洪波, 陈雨文, 陈鑫
山西财经大学 信息学院, 山西 太原 030031
摘要: 近年来不平衡分类问题受到广泛关注。SMOTE过采样通过添加生成的少数类样本改变不平衡数据集的数据分布，是改善不平衡数据分类模型性能的流行方法之一。本文首先阐述了SMOTE的原理、算法以及存在的问题，针对SMOTE存在的问题，分别介绍了其4种扩展方法和3种应用的相关研究，最后分析了SMOTE应用于大数据、流数据、少量标签数据以及其他类型数据的现有研究和面临的问题，旨在为SMOTE的研究和应用提供有价值的借鉴和参考。
国家自然科学基金资助项目（61801279）；山西省自然科学基金项目（201801D121115，2014011022-2）.
石洪波, 陈雨文, 陈鑫. SMOTE过采样及其改进算法研究综述[J]. 智能系统学报, 2019, 14(6): 1073-1083.
SHI Hongbo, CHEN Yuwen, CHEN Xin. Summary of research on SMOTE oversampling and its improved algorithms[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1073-1083.
仿猛禽视顶盖信息中转整合的加油目标跟踪
李晗1, 段海滨1, 李淑宇2, 丁希仑3
1. 北京航空航天大学 自动化科学与电气工程学院, 北京 100083
2. 北京航空航天大学 生物与医学工程学院, 北京 100083
3. 北京航空航天大学 机械工程及自动化学院, 北京 100083
摘要: 无人机自主空中加油是当前作战模式下非常重要的军事能力之一。空中加油对接阶段的视觉辅助导引是对接阶段导航的研究重点，而加油目标跟踪则是其中的重要一环。本文通过对猛禽优异的视觉系统与视觉导航能力的研究，发现其视觉通路中视顶盖的信息中转整合能力对于解决跟踪问题具有一定指导作用。通过对这一信息处理模式的模拟，研究了一种仿猛禽交叉通路的神经网络，并针对空中加油视觉任务中可能出现的目标丢失与再入问题，引入猛禽双中央凹扩大搜索策略，设计了一种完整的模拟猛禽视顶盖信息中转整合的目标跟踪网络。仿真实验验证了所提方法的可行性和有效性。
国家自然科学基金项目（91648205）；航空科学基金项目（20185851022）.
李晗, 段海滨, 李淑宇, 丁希仑. 仿猛禽视顶盖信息中转整合的加油目标跟踪[J]. 智能系统学报, 2019, 14(6): 1084-1091.
LI Han, DUAN Haibin, LI Shuyu, DING Xilun. Aerial refueling target tracking using a falcon visual tectum information integrating like method[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1084-1091.
面向混合数据的多伴随三支决策
赵天娜1,2, 苗夺谦1,2, 米据生3, 张远健1,2
1. 同济大学 电子与信息工程学院, 上海 201804
2. 同济大学 嵌入式系统与服务计算教育部重点实验室, 上海 201804
3. 河北师范大学 数学与信息科学学院, 河北 石家庄 050024
摘要: 针对混合数据的知识表示和分类的问题，在思考混合数据的有效表示时，提出代价敏感多伴随模糊粗糙集模型，在解决混合数据的分类问题上，引入三支决策思想，同时在多伴随模型基础上做了两点改进：1）提出贴近代价敏感多伴随模糊粗糙集模型特点的概率定义；2）借助双量化延迟代价目标函数的思想，构造面向混合数据的新型三支决策模型。该模型具有如下特点：1）引入多个伴随对，模拟了数值型属性和符号型属性之间异构互补的关系；2）定义多伴随算子，充分表达了不同类型属性之间的偏好；3）结合模糊粗糙集，克服了分类问题的不确定性；4）考虑获取不同类型属性的代价，提高了应用到实际生活的可能性。最后用实例验证了此模型的有效性。
国家重点研发项目（213）；国家自然科学基金项目（61673301，61573127，61763031）；河北省自然科学基金项目（A2018210120）；公安部重大专项项目（20170004）.
赵天娜, 苗夺谦, 米据生, 张远健. 面向混合数据的多伴随三支决策[J]. 智能系统学报, 2019, 14(6): 1092-1099.
ZHAO Tianna, MIAO Duoqian, MI Jusheng, ZHANG Yuanjian. Multi-adjoint three-way decisions on heterogeneous data[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1092-1099.
非完备决策信息系统中的不确定性度量
高文华1, 梁吉业2, 王宝丽3, 庞天杰1,2
1. 太原师范学院 计算机科学与技术系, 山西 晋中 030619
2. 山西大学 计算智能与中文信息处理教育部重点实验室, 山西 太原 030006
3. 运城学院 数学与信息技术学院, 山西 运城 044000
摘要: 针对粗糙集数据分析中的不确定性度量问题。本文首先构造一种新型的考虑条件属性缺失度的目标概念条件熵和决策知识条件熵。在此基础上，提出基于条件熵的属性权重确定技术和最小条件熵非完备属性取值补充方法，用以解决属性权重完全未知的非完备多属性决策问题。应用实例分析表明：该方法能有效结合粗粒度的初步分级信息，客观地确定决策因素取值，具有很强的解释意义，得到的决策结果更为合理有效。
国家自然科学基金项目（61703363）；山西省重点实验室开放课题基金项目（CICIP2018008）.
高文华, 梁吉业, 王宝丽, 庞天杰. 非完备决策信息系统中的不确定性度量[J]. 智能系统学报, 2019, 14(6): 1100-1110.
GAO Wenhua, LIANG Jiye, WANG Baoli, PANG Tianjie. Uncertainty measure in incomplete decision information system[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6):1100-1110.
三支决策-基于粗糙集与粒计算研究视角
刘盾1, 李天瑞2, 杨新3, 梁德翠4
1. 西南交通大学 经济管理学院, 四川 成都 610031
2. 西南交通大学 信息科学与技术学院, 四川 成都 611756
3. 西南财经大学 经济信息工程学院, 四川 成都 611130
4. 电子科技大学 经济与管理学院, 四川 成都 610054
摘要: 从三支决策3个历史发展阶段出发，通过粗糙集和粒计算两个研究视角对三支决策的发展踪迹和演化过程进行介绍。分析了三支决策与粗糙集理论的历史脉络、内在联系和相互关系，探讨了决策粗糙集、概率粗糙集、粗糙集和三支决策之间的包含关系；探讨了基于多层次粒计算和多视角粒计算下的三支决策方法；提出了一个基于三支决策的粒计算研究框架模型。最后，给出了三支决策的研究现状和未来发展方向。
国家自然科学基金项目（61876157，71571148，71401026）；西南交通大学“双一流”建设项目（JDSYLYB2018020）.
刘盾, 李天瑞, 杨新, 梁德翠. 三支决策-基于粗糙集与粒计算研究视角[J]. 智能系统学报, 2019, 14(6): 1111-1120.
LIU Dun, LI Tianrui, YANG Xin, LIANG Decui. Three-way decisions: research perspectives for rough sets and granular computing[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1111-1120.
基于人工鱼群算法的孪生支持向量机
李景灿1,2, 丁世飞1,2
1. 中国矿业大学 计算机科学与技术学院 江苏 徐州 221116
2. 矿山数字化教育部工程研究中心, 江苏 徐州 221116
摘要: 孪生支持向量机（twin support vector machine， TWSVM）是在支持向量机的基础上产生的机器学习算法，具有训练速度快、分类性能优越等优点。但是孪生支持向量机无法很好地处理参数选择问题，不合适的参数会降低分类能力。人工鱼群算法（artificial fish swarm algorithm， AFSA）是一种群智能优化算法，具有较强的全局寻优能力和并行处理能力。本文将孪生支持向量机与人工鱼群算法结合，来解决孪生支持向量机的参数选择问题。首先将孪生支持向量机的参数作为人工鱼的位置信息，同时将分类准确率作为目标函数，然后通过人工鱼的觅食、聚群、追尾和随机行为来更新位置和最优解，最后迭代结束时得到最优参数和最优分类准确率。该算法在训练过程中自动确定孪生支持向量机的参数，避免了参数选择的盲目性，提高了孪生支持向量机的分类性能。
国家自然科学基金项目（61672522，61379101）.
李景灿, 丁世飞. 基于人工鱼群算法的孪生支持向量机[J]. 智能系统学报, 2019, 14(6): 1121-1126.
LI Jingcan, DING Shifei. Twin support vector machine based on artificial fish swarm algorithm[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1121-1126.
基于区块链的公共数据电子证据系统及关联性分析
李萌1,2, 刘文奇1,2, 米允龙3
1. 昆明理工大学 理学院, 云南 昆明 650500
2. 昆明理工大学 数据科学研究中心, 云南 昆明 650500
3. 中国科学院 大数据挖掘与知识管理重点实验室, 北京 100190
摘要: 针对公共部门提供电子证据时，必须保证数据的真实性和证明力，同时要尽量保护当事人隐私和他人利益，而从公共数据库中提取电子数据并形成有效电子证据，既是法律难题也是技术难题这一问题，本文在电子证据可信性的影响因素分析基础上，提出了自动生成中国公共数据库电子证据系统的区块链模型的取证技术体系，并从司法角度出发，提出了公共数据治理的电子证据生命周期、内容关联、载体关联和智能串并分析方法。本文的研究在一定程度上保证了司法、公证和公共事务中电子证据的可信性，并实现了从公共数据库中自动生成证据知识的原型系统。
国家自然科学基金项目（61573173）.
李萌, 刘文奇, 米允龙. 基于区块链的公共数据电子证据系统及关联性分析[J]. 智能系统学报, 2019, 14(6): 1127-1137.
LI Meng, LIU Wenqi, MI Yunlong. An electronic evidence system based on blockchain and correlation analysis[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1127-1137.
粒协调决策形式背景的属性约简与规则融合
张晓鹤1, 米据生1, 李美争2
1. 河北师范大学 数学与信息科学学院, 河北 石家庄 050024
2. 河北师范大学 计算机与网络空间安全学院, 河北 石家庄 050024
摘要: 针对基于决策形式背景进行属性约简与规则提取能够更便捷有效地获取知识，因此规则提取及属性约简是形式概念分析理论重要的研究课题。本文基于等价关系研究粒协调决策形式背景的属性约简与规则提取，定义粒协调集与粒约简，给出粒协调集判定定理，并结合布尔方法给出属性约简算法，最后利用集值向量包含度这一工具给出决策形式背景中的乐观规则融合方法与悲观规则融合方法。
国家自然科学基金项目（61573127，61502144）；河北省自然科学基金项目（F2018205196）；河北省高等学校科学技术研究项目（BJ2019014，QN2017095）；河北省培养经费（A2017002112）；河北师范大学博士基金项目（L2017B19）.
张晓鹤, 米据生, 李美争. 粒协调决策形式背景的属性约简与规则融合[J]. 智能系统学报, 2019, 14(6): 1138-1143.
ZHANG Xiaohe, MI Jusheng, LI Meizheng. Attribute reduction and rule fusion in granular consistent formal decision contexts[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1138-1143.
基于跳跃连接金字塔模型的小目标检测
单义1,2, 杨金福1,2, 武随烁1,2, 许兵兵1,2
1. 北京工业大学 信息学部, 北京 100124
2. 计算智能与智能系统北京重点实验室, 北京 100124
摘要: 随着深度学习的发展，目标检测已经获得了较高的精度和效率。但是小目标的检测仍然是一个挑战。小目标检测准确率较低的重要原因是没有充分利用高层特征的语义信息和低层特征的细节信息之间的关系。针对上述问题，本文提出一种基于跳跃连接金字塔模型的小目标检测方法。与其他的目标检测方法不同，本文提出利用跳跃连接金字塔结构来融合多层高层语义特征信息和低层特征图的细节信息。而且为了更好地提取不同尺度物体对应的特征信息，在网络模型中采用不同大小的卷积核和不同步长的空洞卷积来提取全局特征信息。在PASCAL VOC和MS COCO数据集上进行了实验，验证了算法的有效性。
国家自然科学基金项目（6153302）；北京市自然科学基金项目（4182009）.
单义, 杨金福, 武随烁, 许兵兵. 基于跳跃连接金字塔模型的小目标检测[J]. 智能系统学报, 2019, 14(6): 1144-1151.
SHAN Yi, YANG Jinfu, WU Suishuo, XU Bingbing. Skip feature pyramid network with a global receptive field for small object detection[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1144-1151.
基于双向消息链路卷积网络的显著性物体检测
申凯, 王晓峰, 杨亚东
上海海事大学 信息工程学院, 上海 201306
摘要: 有效特征的提取和高效使用是显著性物体检测中极具挑战的任务之一。普通卷积神经网络很难兼顾提取有效特征和高效使用这些特征。本文提出双向消息链路卷积网络（bidirectional message link convolution network，BML-CNN）模型，提取和融合有效特征信息用于显著性物体检测。首先，利用注意力机制引导特征提取模块提取实体有效特征，并以渐进方式选择整合多层次之间的上下文信息。然后使用带有跳过连接结构的网络与带门控函数的消息传递链路组成的双向信息链路，将高层语义信息与浅层轮廓信息相融合。最后，使用多尺度融合策略，编码多层有效卷积特征，以生成最终显著图。实验表明，BML-CNN在不同指标下均获得最好的表现。
国家自然科学基金项目（61872231，61703267）；上海海事大学研究生创新基金项目（2017ycx083）.
申凯, 王晓峰, 杨亚东. 基于双向消息链路卷积网络的显著性物体检测[J]. 智能系统学报, 2019, 14(6): 1152-1162.
SHEN Kai, WANG Xiaofeng, YANG Yadong. Salient object detection based on bidirectional message link convolution neural network[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1152-1162.
核对齐多核模糊支持向量机
何强, 张娇阳
北京建筑大学 理学院, 北京 100044
摘要: 支持向量机（SVMs）是当前被广泛使用的机器学习技术，其通过最优分割超平面来提高分类器的泛化能力，在实际应用中表现优异。然而SVM也存在易受噪声影响，以及核函数选择等难题。针对以上问题，本文将基于核对齐的多核学习方法引入到模糊支持向量机（fuzzy support vector machine， FSVM）中，提出了模糊多核支持向量机模型（multiple kernel fuzzy support vector machine，MFSVM）。MFSVM通过模糊粗糙集方法计算每一样例隶属度；其次，利用核对齐的多核方法计算每一单核权重，并将组合核引入到模糊支持向量机中。该方法不仅提高了支持向量机的抗噪声能力，也有效避免了核选择难题。在UCI数据库上进行实验，结果表明本文所提方法具有较高的分类精度，验证了该方法的可行性与有效性。
国家自然科学基金项目（61473111）；北京建筑大学科学研究基金项目（KYJJ2017017）.
何强, 张娇阳. 核对齐多核模糊支持向量机[J]. 智能系统学报, 2019, 14(6): 1163-1169.
HE Qiang, ZHANG Jiaoyang. Kernel-target alignment multi-kernel fuzzy support vector machine[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1163-1169.
面向一致性样本的属性约简
高媛1, 陈向坚1, 王平心2, 杨习贝1
1. 江苏科技大学 计算机学院, 江苏 镇江 212003
2. 江苏科技大学 理学院, 江苏 镇江 212003
摘要: 作为粗糙集理论的一个核心内容，属性约简致力于根据给定的约束条件删除数据中的冗余属性。基于贪心策略的启发式算法是求解约简的一种有效手段，这一手段通常使用数据中的全部样本来度量属性的重要度从而进一步得到约简子集。但实际上，不同样本对于属性重要度计算的贡献是不同的，有些样本对重要度贡献不高甚至几乎没有贡献，且当数据中的样本数过大时，利用全部样本进行约简求解会使得时间消耗过大而难以接受。为了解决这一问题，提出了一种基于一致性样本的属性约简策略。具体算法大致由3个步骤组成，首先，将满足一致性原则的样本挑选出来；其次，将这些选中的样本组成新的决策系统；最后，利用启发式框架在新的决策系统中求解约简。实验结果表明：与基于聚类采样的属性约简算法相比，所提方法能够提供更高的分类精度。
国家自然科学基金项目（61572242，61503160）；江苏省研究生科研创新计划项目（KYCX19_1697）.
高媛, 陈向坚, 王平心, 杨习贝. 面向一致性样本的属性约简[J]. 智能系统学报, 2019, 14(6): 1170-1178.
GAO Yuan, CHEN Xiangjian, WANG Pingxin, YANG Xibei. Attribute reduction over consistent samples[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1170-1178.
基于改进规则激活率的扩展置信规则库推理方法
陈楠楠1, 巩晓婷2, 傅仰耿1,2
1. 福州大学 数学与计算机科学学院, 福建 福州 350116
2. 福州大学 决策科学研究所, 福建 福州 350116
摘要: 数据驱动的扩展置信规则库系统，是在传统置信规则库的基础上利用关系数据来生成规则，使用该方法构建规则库简单有效。然而，该方法激活的规则存在不一致与不完整，并且该方法无法处理零激活的输入。鉴于此，本文提出基于改进规则激活率的扩展置信规则库方法，通过高斯核改进个体匹配度计算方法，权衡激活规则的一致性与完整性，并利用k近邻思想解决规则零激活问题。最后，本文选取非线性函数拟合实验和输油管道检漏实验来检验所提方法的效率和准确度。实验结果表明该方法既保证了扩展置信规则库系统的推理效率，也提高了推理结果的精度。
国家自然科学基金项目（61773123）；福建省自然科学基金项目（2019J01647）.
陈楠楠, 巩晓婷, 傅仰耿. 基于改进规则激活率的扩展置信规则库推理方法[J]. 智能系统学报, 2019, 14(6): 1179-1188.
CHEN Nannan, GONG Xiaoting, FU Yanggeng. Extended belief rule-based reasoning method based on an improved rule activation rate[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1179-1188.
图像情境下的数字序列逻辑学习
梁慧1,3, 曹峰1,3, 钱宇华1,2,3, 郭倩1,3, 梁新彦1,3
1. 山西大学 大数据科学与产业研究院, 山西 太原 030006
2. 山西大学 计算智能与中文信息处理教育部重点实验室, 山西 太原 030006
3. 山西大学 计算机与信息技术学院, 山西 太原 030006
摘要: 针对未知的数字和规则的模式构建问题，本文提供了一种从图像角度解决数字序列逻辑学习问题的手段。该方法是在计算机不知道图像间关系和图像内包含的内容的意义的前提下，让计算机自主地学习出其中包含的内在逻辑模式，从而进行数字序列的预测。本文构建了4个大型数据集：Linear序列、Multiplication序列、Fio序列和Nested序列，然后使用几种代表性的深度神经网络来完成数字序列逻辑学习任务，并对实验结果加以分析比较，事实证明，本文所提出的方法在一定程度上可以解决未知的数字和规则的模式构建问题，这为一系列未知逻辑模式构建任务提供了一种可能性。
国家自然科学基金项目（61672332，61432011，U1435212，61872226）；山西省海外归国人员研究项目（2017023）；山西省自然科学基金计划资助项目（201701D121052）.
梁慧, 曹峰, 钱宇华, 郭倩, 梁新彦. 图像情境下的数字序列逻辑学习[J]. 智能系统学报, 2019, 14(6): 1189-1198.
LIANG Hui, CAO Feng, QIAN Yuhua, GUO Qian, LIANG Xinyan. Number sequence logic learning in image context[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1189-1198.
不完备决策系统下的多特定类广义决策约简
唐玉凯1,2, 张楠1,2, 童向荣1,2, 张小峰3
1. 烟台大学 数据科学与智能技术山东省高校重点实验室, 山东 烟台 264005
2. 烟台大学 计算机与控制工程学院, 山东 烟台 264005
3. 鲁东大学 信息与电气工程学院, 山东 烟台 264025
摘要: 属性约简是粗糙集理论研究中最重要的领域之一。经典的不完备决策系统广义决策约简关注决策系统中的所有决策类，而在实际应用中，决策者往往只关注一个或者几个特定决策类。针对以上问题，提出基于多特定类的不完备决策系统广义决策约简理论框架。首先，定义了单特定类的不完备决策系统广义决策约简的相关概念，提出并证明相关定理，构造相应差别矩阵和区分函数。其次，将单特定类的广义决策约简推广到多特定类，提出基于差别矩阵的多特定类的不完备决策系统广义决策约简算法。最后，采用6组UCI数据集进行实验。实验结果表明，相对全部决策类数量，当选定特定类数量较少时，平均约简长度有不同程度的缩短，占用空间有所减小，约简效率有不同程度的提升。
国家自然科学基金项目（61572418，61572419，61873117，61403329）；山东省自然科学基金项目（ZR2018BA004，ZR2016FM42）.
唐玉凯, 张楠, 童向荣, 张小峰. 不完备决策系统下的多特定类广义决策约简[J]. 智能系统学报, 2019, 14(6): 1199-1208.
TANG Yukai, ZHANG Nan, TONG Xiangrong, ZHANG Xiaofeng. The multi-class-specific generalized decision preservation reduction in incomplete decision systems[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1199-1208.
低秩分块矩阵的核近似
王中元, 刘惊雷
烟台大学 计算机与控制工程学院, 山东 烟台 264005
摘要: 为了探讨结构受限下的矩阵分解问题，通过最小化块外对角线来增强类与类之间数据表示的不相关性，从而实现分块约束，即数据来源于不同的聚类结构，是一种局部结构的约束；同时通过增强样本的自表达属性并缩小样本之间的差距来增强类内数据表示的相关性，从而实现低秩约束，即数据行出现冗余，是一种全局结构的约束。随后设计了一个低秩分块矩阵的核近似算法，通过交替方向乘子法迭代求解。最后将该方法分别在人脸识别和字符识别上进行测试。实验结果表明，所提出的低秩分块矩阵分解算法在收敛速度和近似精度上都具有一定的优势。
国家自然科学基金项目（61572419，61773331，61703360）；山东省高等学校科技计划（J17KA091）.
王中元, 刘惊雷. 低秩分块矩阵的核近似[J]. 智能系统学报, 2019, 14(6): 1209-1216.
WANG Zhongyuan, LIU Jinglei. Kernel approximation of a low-rank block matrix[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1209-1216.
图正则化稀疏判别非负矩阵分解
徐慧敏, 陈秀宏
江南大学 数字媒体学院, 江苏 无锡 214000
摘要: 非负矩阵分解是一种流行的数据表示方法，利用图正则化约束能有效地揭示数据之间的局部流形结构。为了更好地提取图像特征，给出了一种基于图正则化的稀疏判别非负矩阵分解算法（graph regularization sparse discriminant non-negative matrix factorization，GSDNMF-L2，1）。利用同类样本之间的稀疏线性表示来构建对应的图及权矩阵；以L2，1范数进行稀疏性约束；以最大间距准则为优化目标函数，利用数据集的标签信息来保持数据样本之间的流形结构和特征的判别性，并给出了算法的迭代更新规则。在若干图像数据集上的实验表明，GSDNMF-L2，1在特征提取方面的分类精度优于各对比算法。
2018年江苏省研究生科研创新计划项目（KYCX18_1871）.
徐慧敏, 陈秀宏. 图正则化稀疏判别非负矩阵分解[J]. 智能系统学报, 2019, 14(6): 1217-1224.
XU Huimin, CHEN Xiuhong. Graph-regularized, sparse discriminant, non-negative matrix factorization[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1217-1224.
构造性覆盖下不完整数据修正填充方法
严远亭, 吴亚亚, 赵姝, 张燕平
安徽大学 计算机科学与技术学院, 安徽 合肥 230601
摘要: 不完整数据处理是数据挖掘、机器学习等领域中的重要问题，缺失值填充是处理不完整数据的主流方法。当前已有的缺失值填充方法大多运用统计学和机器学习领域的相关技术来分析原始数据中的剩余信息，从而得到较为合理的值来替代缺失部分。缺失值填充大致可以分为单一填充和多重填充，这些填充方法在不同的场景下有着各自的优势。但是，很少有方法能进一步考虑样本空间分布中的邻域信息，并以此对缺失值的填充结果进行修正。鉴于此，本文提出了一种可广泛应用于诸多现有填充方法的框架用以提升现有方法的填充效果，该框架由预填充、空间邻域信息挖掘和修正填充三部分构成。本文对7种填充方法在8个UCI数据集上进行了实验，实验结果验证了本文所提框架的有效性和鲁棒性。
国家自然科学基金项目（61806002，61872002，61673020，61876001，61602003）；安徽省自然科学基金项目（1708085QF143，1808085MF197）；安徽大学博士科研启动基金项目（J01003253）.
严远亭, 吴亚亚, 赵姝, 张燕平. 构造性覆盖下不完整数据修正填充方法[J]. 智能系统学报, 2019, 14(6): 1225-1232.
YAN Yuanting, WU Yaya, ZHAO Shu, ZHANG Yanping. Improving missing data recovery with a constructive covering algorithm[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1225-1232.
基于多粒度结构的网络表示学习
张蕾1,2, 钱峰1,2, 赵姝1, 陈洁1, 张燕平1, 刘峰1
1. 安徽大学 计算机科学与技术学院, 安徽 合肥 230601
2. 铜陵学院 数学与计算机学院, 安徽 铜陵 244061
摘要: 图卷积网络（GCN）能够适应不同结构的图，但多数基于GCN的方法难以有效地捕获网络的高阶相似性。简单添加卷积层将导致输出特征过度平滑并使它们难以区分，而且深层神经网络更难训练。本文选择将网络的多粒度结构和图卷积网络结合起来用于学习网络的节点特征表示，提出基于多粒度结构的网络表示学习方法Multi-GS。首先，基于模块度聚类和粒计算思想，用分层递阶的多粒度空间替代原始的单层网络拓扑空间；然后，利用GCN模型学习不同粗细粒度空间中粒的表示；最后，由粗到细将不同粒的表示组合为原始空间中节点的表示。实验结果表明：Multi-GS能够捕获多种结构信息，包括一阶和二阶相似性、社团内相似性（高阶结构）和社团间相似性（全局结构）。在绝大多数情况下，使用多粒度的结构可改善节点分类任务的分类效果。
国家自然科学基金项目（61876001，61602003，61673020）；中国国防科技创新区规划项目（2017-0001-863015-0009）；国家重点研究与发展项目（2017YFB1401903）；安徽省自然科学基金项目（1508085MF113，1708085QF156）.
张蕾, 钱峰, 赵姝, 陈洁, 张燕平, 刘峰. 基于多粒度结构的网络表示学习[J]. 智能系统学报, 2019, 14(6): 1233-1242.
ZHANG Lei, QIAN Feng, ZHAO Shu, CHEN Jie, ZHANG Yanping, LIU Feng. Network representation learning based on multi-granularity structure[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1233-1242.
采用划分融合双向控制的粒度支持向量机
赵帅群1, 郭虎升1,2, 王文剑2
1. 山西大学 计算机与信息技术学院, 山西 太原 030006
2. 山西大学 计算智能与中文信息处理重点实验室, 山西 太原 030006
摘要: 粒度支持向量机（granular support vector machine，GSVM）引入粒计算的方式对原始数据集进行粒度划分以提高支持向量机（support vector machine， SVM）的学习效率。传统GSVM采用静态粒划分机制，即通过提取划分后数据簇中的代表信息进行模型训练，有效地提升了SVM的学习效率，但由于GSVM对信息无差别的粒度划分导致对距离超平面较近的强信息粒提取不足，距离超平面较远的弱信息粒被过多保留，影响了SVM的学习性能。针对这一问题，本文提出了采用划分融合双向控制的粒度支持向量机方法（division-fusion support vector machine，DFSVM）。该方法通过动态数据划分融合的方式，选取超平面附近的强信息粒进行深层次的划分，同时将距离超平面较远的弱信息粒进行选择性融合，以动态地保持训练样本规模的稳定性。通过实验表明，采用划分融合的方法能够在保证模型训练精度的条件下显著提升SVM的学习效率。
国家自然科学基金项目（61673249，61503229，U1805263）；山西省回国留学人员科研基金项目（2016-004）.
赵帅群, 郭虎升, 王文剑. 采用划分融合双向控制的粒度支持向量机[J]. 智能系统学报, 2019, 14(6): 1243-1254.
ZHAO Shuaiqun, GUO Husheng, WANG Wenjian. Granular support vector machine with bidirectional control of division-fusion[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1243-1254.
基于三支决策的序列数据代价敏感分类算法
刘牧雷, 徐菲菲
上海电力学院 计算机科学与技术学院, 上海 200090
摘要: 代价敏感分类区别于一般分类方法，更关注高代价类别的分类准确性而容忍全局分类的准确性。三支决策作为一种代价敏感分类问题的解决思路，缺乏对序列数据的支持。结合LSTM模型处理序列数据的能力，提出一种使用三支决策（3WD）改进的序列数据分类方法。方法经过LSTM网络对原数据进行粗分类；对分类结果进行整体代价评估；最终，对高风险分类进行延迟或拒绝处理。方法在4个数据集上进行了测试，并进行了2组对比实验。实验结果表明：本文方法在不改变LSTM模型的情况下，对LSTM模型的分类结果进行了代价区分。
刘牧雷, 徐菲菲. 基于三支决策的序列数据代价敏感分类算法[J]. 智能系统学报, 2019, 14(6): 1255-1261.
LIU Mulei, XU Feifei. A sequence data, cost-sensitive classification algorithm based on three-way decisions[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1255-1261.
基于渗流模型的影响力最大化算法
花勇, 陈伯伦, 朱国畅, 袁燕, 金鹰
淮阴工学院 计算机与软件工程学院, 江苏 淮安 223003
摘要: 多数社交网络影响力最大化算法的研究只关注于所选种子节点集合的影响力是否最优，忽略网络自身传播影响力的固有能力。本文对网络进行渗流模拟，计算渗流后网络的主连通分量随着传播概率改变的趋势，并且求得主连通分量大小增加开始变快的相变点，从而计算网络自身传播影响力的固有能力。通过相变值与种子节点集合大小的换算，求得当前网络最佳的种子节点集合大小。将种子节点集合大小限制在最佳大小范围内即可获得最佳的影响力。在kareteclub、football、highschool和socdolphins社交网络数据集上进行实验，验证了该方法的有效性。
国家自然科学基金项目（61602202）；江苏省自然科学基金项目（BK20160428）；江苏省项目（XYDXX-034）.
花勇, 陈伯伦, 朱国畅, 袁燕, 金鹰. 基于渗流模型的影响力最大化算法[J]. 智能系统学报, 2019, 14(6): 1262-1270.
HUA Yong, CHEN Bolun, ZHU Guochang, YUAN Yan, JIN Yin. An influence maximization algorithm based on percolation model[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1262-1270.
基于模糊核聚类粒化的粒度支持向量机
黄华娟1, 韦修喜1, 周永权1,2
1. 广西民族大学 信息科学与工程学院, 广西 南宁 530006
2. 广西民族大学 广西高校复杂系统与智能计算重点实验室, 广西 南宁 530006
摘要: 针对传统的粒度支持向量机（granular support vector machine， GSVM）将训练样本在原空间粒化后再映射到核空间，导致数据与原空间的分布不一致，从而降低GSVM的泛化能力的问题，本文提出了一种基于模糊核聚类粒化的粒度支持向量机学习算法（fuzzy kernel cluster granular support vector machine， FKC-GSVM）。FKC-GSVM通过利用模糊核聚类直接在核空间对数据进行粒的划分和支持向量粒的选取，在相同的核空间中进行支持向量粒的GSVM训练。在UCI数据集和NDC大数据上的实验表明：与其他几个算法相比，FKC-GSVM在更短的时间内获得了精度更高的解。
国家自然科学基金资助项目（61662005）；广西自然科学基金项目（2018JJA170121）；广西高校中青年教师科研基础能力提升项目（2019KY0195）.
黄华娟, 韦修喜, 周永权. 基于模糊核聚类粒化的粒度支持向量机[J]. 智能系统学报, 2019, 14(6): 1271-1277.
HUANG Huajuan, WEI Xiuxi, ZHOU Yongquan. Granular support vector machine based on fuzzy kernel clustering granulation[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1271-1277.
易变数据流的系统资源配置方法
王春凯1,2, 庄福振2, 史忠植2
1. 中国再保险(集团)股份有限公司 博士后科研工作站, 北京 100033
2. 中国科学院 计算技术研究所, 北京 100190
摘要: 大规模数据流管理系统往往由上层的关系查询系统和下层的流处理系统组成。当用户提交查询请求时，往往需要根据数据流的流速和分布情况动态配置系统参数。然而，由于数据流的易变性，频繁改变参数配置会降低系统性能。针对该问题，提出了OrientStream+框架。设定以用户自定义查询延迟阈值为间隔片段的微批量数据流传输机制；并利用多级别管道缓存，对相同配置的数据流进行批量处理；然后按照数据流的时间戳计算出精准查询结果；引入基于异常检测的增量学习模型，用于提高OrientStream+的预测精度。最后，在Storm上实现了该资源配置框架，并进行了大量的实验。实验结果表明，OrientStream+框架可进一步降低系统的处理延迟并提高系统的吞吐率。
国家自然科学基金项目（U1836206，61773361）；中国博士后科学基金项目（2019M650044）.
王春凯, 庄福振, 史忠植. 易变数据流的系统资源配置方法[J]. 智能系统学报, 2019, 14(6): 1278-1285.
WANG Chunkai, ZHUANG Fuzhen, SHI Zhongzhi. System resource allocation for variable data streams[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1278-1285.
推荐阅读
1.《智能系统学报》2019年第1期文章导读2.《智能系统学报》2019年第2期文章导读3.《智能系统学报》2019年第3期文章导读4.《智能系统学报》2019年第4期文章导读5.《智能系统学报》2019年第5期文章导读
编辑：王娜 审核：李雪莲
联系我们