基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
指挥信息系统测试数据在利用本体技术进行数据集成时,现有的本体映射模型准确率不高,影响集成效果.针对这种情况,提出基于主成分分析(Principal Component Analysis,PCA)和K-Modes蚁群聚类(K-Modes Ant Colony Clustering,KMACC)算法的本体映射方法.在基于PCA算法的本体概念相似度综合计算模型基础上,引入KMACC算法,实现批量本体概念映射关系的发现,进一步提高映射的准确性.实验结果表明,相比于传统基于Hownet的映射方法和RiMOM方法,该方法有效提升了本体映射的查全率和查准率,较好地解决了本体概念集成中的关键问题.
推荐文章
一种改进的K-Modes聚类算法
分类型数据
聚类算法
期望熵
目标函数
聚类精度
基于多层自组织映射和主成分分析的入侵检测方法
多层自组织映射
主成分分析
入侵检测
基于区域生长和蚁群聚类的图像分割
区域生长
群体智能
蚁群聚类
引导函数
分类矩阵对象数据的BC-k-modes聚类算法
簇间信息
分类矩阵对象数据
隶属度矩阵
聚类中心
聚类算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于主成分分析和K-Modes蚁群聚类的本体映射方法
来源期刊 计算机应用与软件 学科 工学
关键词 本体映射主成分分析相似度计算 K-Modes聚类蚁群聚类
年,卷(期) 2020,(12) 所属期刊栏目 算法
研究方向 页码范围 231-237
页数 7页 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.1000-386x.2020.12.036
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (127)
共引文献  (46)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1965(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(5)
  • 参考文献(1)
  • 二级参考文献(4)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(9)
  • 参考文献(0)
  • 二级参考文献(9)
2007(8)
  • 参考文献(0)
  • 二级参考文献(8)
2008(11)
  • 参考文献(0)
  • 二级参考文献(11)
2009(11)
  • 参考文献(0)
  • 二级参考文献(11)
2010(13)
  • 参考文献(0)
  • 二级参考文献(13)
2011(12)
  • 参考文献(0)
  • 二级参考文献(12)
2012(14)
  • 参考文献(0)
  • 二级参考文献(14)
2013(11)
  • 参考文献(2)
  • 二级参考文献(9)
2014(10)
  • 参考文献(1)
  • 二级参考文献(9)
2015(7)
  • 参考文献(0)
  • 二级参考文献(7)
2016(4)
  • 参考文献(2)
  • 二级参考文献(2)
2017(7)
  • 参考文献(7)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
本体映射主成分分析相似度计算
K-Modes聚类蚁群聚类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导