隨著信息爆炸,知識(shí)圖譜推理算法在社會(huì)網(wǎng)絡(luò)、生物信息學(xué)等許多領(lǐng)域都有著重要應(yīng)用。現(xiàn)有RESCAL張量分解的知識(shí)圖譜推理算法僅從信息論或數(shù)值分析角度進(jìn)行了張量分解,未充分考慮知識(shí)圖譜數(shù)據(jù)的復(fù)雜性。因此,基于RESCAL張量分解,對(duì)于知識(shí)圖譜推理問(wèn)題,提出了一種改進(jìn)的優(yōu)化算法,稱為KLLS*-RESCAL算法。該算法通過(guò)融合相對(duì)熵與平方差設(shè)置新的損失函數(shù),從信息論與數(shù)值分析兩個(gè)角度進(jìn)行張量分解,綜合考慮知識(shí)圖譜數(shù)據(jù)的復(fù)雜性。實(shí)驗(yàn)結(jié)果表明,在知識(shí)圖譜推理中,KLLS*-RESCAL算法相對(duì)于其他RESCAL算法具有更高的預(yù)測(cè)準(zhǔn)確率。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 路梅;李凡長(zhǎng);;張量樹學(xué)習(xí)算法[J];南京大學(xué)學(xué)報(bào)(自然科學(xué));2015年02期

2 余可鳴;韓樂(lè);楊曉偉;;彈球支持張量機(jī)分類器[J];模式識(shí)別與人工智能;2016年07期

3 胡奎;侯臣平;吳翊;;基于調(diào)和函數(shù)的張量數(shù)據(jù)維數(shù)約簡(jiǎn)[J];計(jì)算機(jī)工程與應(yīng)用;2010年22期

4 邢笛;葛洪偉;李志偉;;模糊支持張量機(jī)圖像分類算法及其應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2012年08期

5 歐陽(yáng)如意;;基于秩一矩陣補(bǔ)全的張量補(bǔ)全算法研究[J];微型電腦應(yīng)用;2016年08期

6 俞炯;劉功申;;基于支持張量機(jī)的文本分類研究[J];信息技術(shù);2016年09期

7 曾奎;何麗芳;楊曉偉;;基于多線性主成分分析的支持高階張量機(jī)[J];南京大學(xué)學(xué)報(bào)(自然科學(xué));2014年02期

8 王飛;許飛云;王海軍;;局部分層非負(fù)張量分解算法及在機(jī)械故障診斷中的應(yīng)用(英文)[J];Journal of Southeast University(English Edition);2011年04期

9 滕鑫鵬;宋順林;詹永照;;一種改進(jìn)的基于結(jié)構(gòu)張量的高分辨率遙感圖像道路提取算法[J];科技通報(bào);2013年02期

10 陸成韜;李凡長(zhǎng);張莉;張召;;最小二乘半監(jiān)督支持張量機(jī)學(xué)習(xí)算法[J];模式識(shí)別與人工智能;2016年07期

相關(guān)博士學(xué)位論文 前10條

1 趙新斌;基于張量數(shù)據(jù)的分類方法與應(yīng)用[D];中國(guó)農(nóng)業(yè)大學(xué);2015年

2 楊兵;基于張量數(shù)據(jù)的機(jī)器學(xué)習(xí)方法研究與應(yīng)用[D];中國(guó)農(nóng)業(yè)大學(xué);2014年

3 陳艷燕;基于張量理論的單分類模型及算法研究[D];中國(guó)農(nóng)業(yè)大學(xué);2016年

4 白有茂;基于張量流形學(xué)習(xí)的圖像分類技術(shù)研究[D];中國(guó)礦業(yè)大學(xué)（北京）;2013年

5 王樂(lè)樂(lè);基于稀疏表示理論的數(shù)據(jù)采集與恢復(fù)[D];湖南大學(xué);2017年

6 張樂(lè)飛;遙感影像的張量表達(dá)與流形學(xué)習(xí)方法研究[D];武漢大學(xué);2013年

7 李潔;多模態(tài)腦電信號(hào)分析及腦機(jī)接口應(yīng)用[D];上海交通大學(xué);2009年

8 章希睿;張量/四元數(shù)域電磁矢量傳感器陣列魯棒自適應(yīng)波束形成[D];北京理工大學(xué);2014年

9 郭賢;基于張量的遙感影像去噪、特征提取和分類方法研究[D];武漢大學(xué);2015年

10 韓超;面向多義異構(gòu)數(shù)據(jù)的分類算法研究[D];華南理工大學(xué);2019年

相關(guān)碩士學(xué)位論文 前10條

1 周蓉;支持張量機(jī)的在線學(xué)習(xí)算法研究[D];華南理工大學(xué);2014年

2 邱志勇;一類支持張量機(jī)及其算法研究[D];華南理工大學(xué);2015年

3 郭騰蛟;基于遺傳算法的張量特征選擇研究[D];華南理工大學(xué);2014年

4 蔡燕;模糊支持張量機(jī)[D];華南理工大學(xué);2014年

5 潘宇;基于張量環(huán)的神經(jīng)網(wǎng)絡(luò)研究[D];電子科技大學(xué);2020年

6 易丹;快速在線支持張量機(jī)分類算法研究[D];華南理工大學(xué);2016年

7 譚亮軍;魯棒支持張量機(jī)模型及算法研究[D];華南理工大學(xué);2013年

8 高建超;基于張量填充的視覺(jué)數(shù)據(jù)恢復(fù)[D];天津大學(xué);2018年

9 李倩;支持張量機(jī)的切平面算法研究[D];華南理工大學(xué);2016年

10 余可鳴;在線最小二乘支持張量機(jī)研究[D];華南理工大學(xué);2016年

本文編號(hào)：2845580