李海林
- 作品数：85 被引量：793H指数：18
- 供职机构：华侨大学更多>>
- 发文基金：国家自然科学基金福建省社会科学规划项目福建省自然科学基金更多>>
- 相关领域：自动化与计算机技术经济管理文化科学理学更多>>
- 云决策分析方法被引量：35
- 2009年
- 提出一种基于不确定性人工智能的决策分析方法.该方法利用云理论中的云变换和概念提升方法来刻画属性因素的概念云模型,并对每个因素都分配相应的云权重;使用X-条件云和极大判定法,找出每个因素的最佳评判语言云模型;让云权重参与综合评判,最终通过云计算得到基于云滴分布的综合评价结果.实验结果表明,与传统的模糊决策分析相比,它更具有易理解性、广普适性和高准确性等特点.
- 柳炳祥李海林杨丽彬
- 关键词：云理论云计算
- 一种基于云理论的考核成绩评价模型被引量：2
- 2007年
- 云模型是一种实现定性与定量之间的不确定性转换模型。基于云理论的考核成绩评价模型,根据全体考核对象的考核成绩,利用云模型客观反映这些成绩在多种概念下的分布,进而对成绩等级实现软划分,达到模糊分类的目的,为考核对象的成绩评价提供新的视角。文章把硕士研究生入学考试成绩作为研究对象,提出了一种新的研究生录取方式,进一步完善了当前研究生入学分数线的制定办法。实验结果表明,该成绩评价模型符合实际且更具有说服力。
- 李海林柳炳祥杨丽彬
- 关键词：云模型分数线
- 分形理论中的Julia集的迭代函数系统IFS算法的改进被引量：1
- 2005年
- 在研究Julia集复平面的迭代函数系统(IteratedFunctionSystem(IFS))算法中,讨论了迭代函数系统IFS的改进算法-动态图案算法和动态调节的色彩算法,通过分形参数,色彩参数的改变产生不同的花纹重叠图案,云彩等相似效果图,使得Julia集合复平面IFS的改进算法产生更丰富的图案。
- 詹棠森李海林史华平
- 关键词：迭代函数系统JULIA集IFS复平面图案效果图
- 一种基于粗糙集和信息论的Web日志挖掘方法被引量：2
- 2008年
- 提出一种基于粗糙集和信息论的Web日志挖掘方法,该方法利用Web日志预处理后的数据集,建立描述用户访问模式特征属性的决策表,并利用粗糙集和信息论相关原理来解决因Web日志自身缺陷而导致知识表达系统的不协调和属性决策表多种简化的问题,进而获取用户访问网站模式的最简化规则。通过实例分析和比较,表明该方法能从Web日志预处理后的数据中获取简捷有效的用户访问模式规则。
- 柳炳祥李海林
- 关键词：WEB日志粗糙集WEB挖掘
- 时间序列复杂网络分析中的可视图方法研究综述
- 2023年
- 可视图是将时间序列转换成复杂网络的重要方法之一,也是连接非线性信号分析和复杂网络之间的全新视角,在经济金融、生物医学、工业工程等领域均应用广泛.可视图的拓扑结构继承了原始时间序列的重要性质,稳定且易于实现,通过可视图网络的相关统计特性,可区分特定时间序列数据下的特定行为.首先本文介绍了可视图方法在时间序列复杂网络分析中的相关研究,并通过必要性与可行性分析,充分说明可视图方法的优势所在.然后本文阐述了经典可视图和水平可视图方法的具体步骤及主要性质,从算法的过程改进、效率提升和可视图应用几个方面对现阶段可视图相关研究进行综述,介绍了众多可视图方法的基本过程,分析了可视图算法的识别抗噪能力和建网效率,并归纳整理了这些可视图方法的主要特性与适用范围.另外,本文复现了目前几种主流可视图算法,并公开相关的算法代码以供参考使用.通过对可视图相关研究的综述分析,可了解现阶段可视图的主要研究方向,为未来相关研究提供思路,并为时间序列复杂网络分析奠定基础.
- 李海林王杰周文浩蔡煜林伟滨
- 关键词：时间序列复杂网络网络特征
- 基于同步频繁树的时间序列关联规则分析被引量：6
- 2021年
- 针对经典算法Apriori和频繁模式增长算法(frequent pattern growth, FP-growth)不能直接对时间序列数据进行关联规则挖掘的问题,提出一种同步频繁树算法(synchronize frequent tree, SFT)。利用时间序列的时间属性具有一维性的特点,定义趋势项-位置表示法表示时间序列数据,将首条时间序列构建成一棵基础树,通过计算树叶子节点与列表项的信息交集,可判断其是否与该树枝中的所有节点构成频繁K项集。在SFT算法中,用趋势项-位置表示的数据内存占用情况要优于原始数据,并且在挖掘过程中不会产生候选频繁项集,使得算法在整个挖掘过程中表现出较好的时间性能。基于商品数据和股票数据的数值实验表明,SFT算法所得结果不仅与其他5种对比算法的结果一致,在各量级的数据和不同的支持度计数中,其时间复杂度都要优于对比算法。
- 李海林龙芳菊
- 关键词：时间序列频繁项集关联规则
- 基于分段聚合时间弯曲距离的时间序列挖掘被引量：11
- 2011年
- 针对时间序列的相似性度量问题,提出基于分段聚合时间弯曲距离的时间序列挖掘方法。首先运用经典分段聚合近似方法来对时间序列进行数据变换,实现时间序列的特征提取和数据降维,然后利用动态时间弯曲距离进行距离计算,最后将其应用于时间序列聚类和分类的数值实验中。新方法不仅过程简单、易于实现,而且实验结果表明其平均分类错误率与传统分段时间弯曲相比,几乎降低了50%。同时,新方法在运行时间和聚类挖掘结果上都具有一定的优势。
- 李海林郭崇慧杨丽彬
- 关键词：时间序列动态时间弯曲数据降维
- 基于多维形态特征表示的时间序列相似性度量被引量：15
- 2013年
- 特征表示和相似性度量是时间序列数据挖掘的基础工作,其质量好坏直接影响后期的挖掘结果.利用正交多项式回归模型对时间序列进行多维形态特征表示,分析特征维数对时间序列拟合效果的影响,选取部分特征来描述序列的主要形态趋势,提出了一种鲁棒性较强的形态特征相似性度量方法来近似度量时间序列,且具有较高的相似性度量质量.实验结果表明,基于多维形态特征表示的时间序列相似性度量方法不仅满足下界要求,具有较好的下界紧凑性和数据剪枝能力,而且在时间序列聚类和分类等数据挖掘任务中取得了良好的效果.
- 李海林郭崇慧
- 关键词：时间序列正交多项式
- 一种基于云模型的综合评判方法被引量：22
- 2007年
- 概念的不确定性导致评判客体的评语具有模糊性和随机性,且这两种性质是相互关联的。利用云模型来反映综合评判过程,实现定性与定量之间的转化,使整个综合评判方法更具有说服力,使综合评判结果更贴近人们的思想。文章提出了一种基于云模型的综合评判方法,它能客观地总结出不同因素的评判集,与传统综合评判方法中不同因素具有相同评判集有着本质的区别,实验结果验证了该方法的可行性和有效性。
- 柳炳祥李海林
- 关键词：云模型正态云
- 基于多头注意力机制Tree-LSTM的句子语义相似度计算被引量：18
- 2020年
- 针对现有句子语义相似度计算由于缺乏语义结构信息导致精度低的问题,该文在依存关系树的基础上,提出了一种基于多头注意力机制Tree-LSTM(multi-head attention Tree-LSTM,MA-Tree-LSTM)的句子语义相似度计算方法。首先,MA-Tree-LSTM将外部具有指导意义的特征作为输入,再将输入结合多头注意力机制作用在Tree-LSTM树节点的所有孩子节点上,为每个孩子节点赋予不同的权重值,从而实现多头注意力机制和Tree-LSTM的融合;其次,将三层的MA-Tree-LSTM应用于句子语义相似度计算并实现句子对的相互指导,从而得到句子对语义特征的多层表示;最后联合多层的语义特征建立句子对语义相似度计算模型,从而实现句子对间相关的语义结构特征的充分利用。该文提出的方法鲁棒性强,可解释性强,对句子单词的顺序不敏感,不需要特征工程。在SICK和STS数据集上的实验结果表明,基于MA-Tree-LSTM的句子语义相似度计算的精度优于非注意力机制的Tree-LSTM方法以及融合了多头注意力机制的BiLSTM方法。
- 胡艳霞王成李弼程李海林吴以茵
