基于时间序列分析的微博突发话题检测方法

针对微博信息噪音大、新颖度难以判断的问题,在动量模型的基础上进行优化,提出了基于时序分析的微博突发话题检测方法。通过动量模型提取候选突发特征后,对特征的动量时间序列分别借鉴信号频域分析理论和股票趋势分析理论进行建模,分析特征的频域特性来识别频繁伪突发特征,分析特征的新颖程度来识别间歇性伪突发特征,合并过滤后的有效突发特征形成突发话题。微博数据实验表明,该方法有效提高了突发话题检测的准确率和F值。     

突发事件中微博拟态环境的构建

在各类突发事件中,微博成为了重要的信息来源,而构建良好的微博拟态环境也迫在眉睫。本文通过分析突发事件中微博拟态环境的特点及其存在问题,提出了构建良好拟态环境的方式方法,阐释了在突发事件中构建良好拟态环境的重要意义。     

基于多层联合的未来网络服务质量评估方法

针对未来网络应用多样性和复杂性,借鉴已有传输层和网络层服务质量指标,提出一种未来网络服务质量评估方法,建立了多层联合的评估体系,并通过改进的层次分析法对该体系层内服务质量进行评估,进而利用D-S证据理论对评估体系进行约减。最后,通过实验验证了该评估方法的有效性和可行性。     

基于有意义串聚类的微博热点话题发现方法

针对微博数据特征稀疏、内容碎片化的特点,提出一种基于有意义串聚类的热点话题发现方法。结合重复串计算、上下文邻接分析和语言规则过滤多种策略,提取能够表达独立完整语义的有意义串,并将微博数据建模在相对较小的有意义串空间,通过聚类产生候选话题,根据热度排序发现热点话题。微博数据实验结果表明,该方法在一定程度上实现对微博高维稀疏空间的降维,对于微博空间的热点话题发现有效可行。     

基才模糊C均值聚类和D-S证据理论的多传感器信息融合技术研究

D-S证据理论能很好地表达"不确定"和"未知"等信息融合中的重要概念,在多传感器信息融合领域得到了广泛的应用.针对传感器数量较多时,D-S方法计算量很大的问题,提出了利用模糊C均值聚类来减少证据体数目.再结合D-S证据理论进行信息融合的办法.实验数据表明,该方法大大减少了计算量,保证了目标识别的准确度.     

红外偏振图像的目标检测方法

红外偏振成像探测通过对目标辐射和反射偏振态的探测,针对传统光学无法解决的问题,在目标检测方面取得高精度的结果,特别是在军事探测中,能够快速地将混杂在自然背景下的人造目标检测出来,以增强对目标的识别。偏振探测中所依据的强度、偏振度及偏振角信息反映出的不同物理特性,具有很强的冗余性和互补性。针对该特性,提出一种红外偏振图像的目标检测方法:首先使用Mean-Shift算法对红外图像和偏振度图像进行聚类处理;然后利用DS证据理论将聚类后的红外图像和偏振度图像中的物体信息充分结合,以区分目标与背景,达到目标检测的目的;最后通过仿真实验图像与小波融合图像结果的对比表明该算法的优势。     

基于相关系数的证据冲突度量方法

当证据高度冲突时,使用D-S组合规则将会得到不合常理的结果,因此,针对证据组合规则的改进成为一个重要的研究课题,在选择合适的证据组合方法之前,确定证据之间是否冲突、冲突程度如何,是个至关重要的问题,为了更加准确地描述证据间的冲突,在分析证据相似度与证据冲突关系的基础上,基于证据相关系数提出了一种新的证据冲突度量方法,理论分析和数值计算表明该方法可有效表示证据之间的冲突程度,相关系数越大,证据间冲突就越小,与其他方法相比,该方法更具全面性和合理性。     

高效混合式协同检测方法研究

针对单个节点检测性能容易受多径、阴影效应的影响,提出一种基于模糊聚类和D S证据理论的协同检测方法:首先依据协同节点的拓扑结构和距离信息,采用模糊C均值算法对节点聚类,然后利用OR准则对各聚类内的检测结果进行融合,各聚类之间采用D S证据理论进行融合;最后建立博弈概率分布,根据最大概率原则做出最终判决。仿真结果表明,在可控计算复杂度的情况下,该方法检测性能比传统方法有很大提高,而且在虚警概率为10%时,检测概率能达到90%以上。     

一种分布式中文微博热点话题的发现方法

针对微博数据文本内容短小、特征词稀疏以及规模庞大的特点,提出了一种基于MapReduce编程模型的发现微博热点话题的方法。该方法首先利用隐主题分析技术解决了微博内容短小、特征词稀疏的问题,然后利用CURE算法缓解了Kmeans算法对初始点敏感的问题,最后采用基于MapReduce编程模型Kmeans聚类算法,对海量微博短文本数据进行快速聚类。实验结果表明该方法可以有效提高微博热点话题发现的效率。     

基于正交投影宽度谱的带状目标检测

针对带状目标在行列上具有规则的几何特性,提出了一种基于正交投影宽度谱的带状目标检测方法,将边缘映射图在笛卡儿正交方向上投影,建立边缘点对的投影宽度谱.采用D-S证据理论融合边缘点对的亮度、梯度方向、亮度方差和宽度特征,抑制背景边缘点对的干扰,使带状目标的宽度谱呈现为突峰.为消除噪声点对的影响,利用距离约束的序贯最小二乘拟合方法定位边缘映射图中的带状目标.实验结果表明:该算法识别精度高、实时性好,具有很好的鲁棒性.     

基于凝聚信息瓶颈的音频事件聚类方法

为了进一步提高音频事件聚类算法性能,本文基于凝聚信息瓶颈理论提出一种音频事件聚类方法.首先,论述信息瓶颈原理及其推导过程;然后,详细论述一种基于凝聚信息瓶颈的音频事件聚类方法,包括源变量、相关变量和目标变量的定义,聚类的具体步骤,算法主要计算量分析等.采用取自两个数据库的音频事件样本进行测试,实验结果表明：与目前文献报道的方法相比,本文方法在多种实验条件下都获得了更高的K值（平均类纯度和平均音频纯度的几何平均值）,而且运算速度更快.     

基于多特征模糊关联的垃圾邮件过滤方法

提出一种基于多特征模糊关联的垃圾邮件过滤方法.该方法分为预处理和实时处理两个阶段,在预处理阶段,分析训练样本集,提取邮件的发送源特征和文本特征的典型特征值集合,计算典型特征值与合法邮件类、垃圾邮件类之间的模糊关联度.在实时处理阶段,根据待分类邮件所包含的特征值,计算邮件的类支持度,然后利用Dempster-Shafer 证据理论实现多个特征的分类融合与判决.实验结果表明,此方法能有效提高垃圾邮件过滤的查全率和查准率.     

基于D-S证据理论的网络表示融合方法

随着网络表示学习技术的发展,在网络结构信息的基础上,越来越多的研究者考虑融入额外辅助信息来提升网络表示效果.针对现有网络表示学习方法中对于多属性特征融合缺乏冲突判别与评价指标的问题,本文在已有研究基础上,提出一种基于D-S证据理论的网络表示融合方法.本方法首先通过SVM算法给出不同属性信息对融合表示结果的支持度,然后利用证据组合规则计算网络表示学习中的融合评价指标,并依据混淆矩阵考虑各类别在节点分类中的局部可信度.在3类数据集上的仿真实验表明：本方法对于检测网络表示融合中的冲突,提高表示融合效果具有一定的指导意义.     

基于机动特征辅助的MFR状态预测方法

针对多功能雷达（Multi-Function Radar,MFR）状态预测方法存在的鲁棒性、预测正确率不佳的问题,提出一种基于机动特征辅助的MFR状态预测方法.该方法将载机机动信息与常规侦收参数共同作为预测特征集,一方面利用支持向量回归（Support Vector Regression,SVR）和侦收信号特征集,得到常规预测模型,另一方面通过SVR和机动特征集,得到MFR各个状态间的转变概率模型;然后利用D-S证据理论得到最终预测状态.实验结果表明,与SVR和LSR方法相比,平均预测精度分别提高了6.97%和7.2%,同时具备更优异的鲁棒性.此外,提出的预测方法通过进一步的拓展,可应用于机械设备、道路交通等领域.     

D-S证据理论在双波段红外图像目标检测中的应用

本文介绍了D-S证据理论的基本概念,提出了用双门限分割法分配基本置信度以及D-S证据理论用于双波段红外图像目标检测的方法,通过举例证明了该方法的有效性.     

基于ESM和雷达的海上目标识别方法

对电子支援措施（ESM）探测到的目标信号进行了分析,得到了雷达的基本概率分配函数;根据雷达和舰船的对应关系,由雷达概率分配函数推导出目标平台的基本概率分配函数;然后利用目标的位置信息对目标进行筛选;最后根据测得的舰船目标航速以及分析回波得到的目标平台的大小,采用D-S证据理论识别海面目标。该方法具有较大的实际应用价值。     

Microblog Burst Keywords Detection Based on Social Trust and Dynamics Model

Microblog has emerged as a popular medium for providing new sources of information and rapid communications, particularly during burst topics. Burst keywords detection from real-time microblog streams is important for burst topics detection. The exiting algorithms may detect fake burst keywords without taking into account the trustworthiness of the users and human＇s daily timetable. Our work is the first to combine the trustworthiness of the users with burst keywords detection. We propose a novel approach to detect burst keywords based on social trust and dynamics model. We adapt basic notions of dynamics from physics and model keywords bursts as momentum change of the keywords. On the analogy of physical dynamics model, this approach defines mass as the trustworthiness of user and position as the frequency of keywords. We compute each keyword＇s burst value by using Moving average convergence/divergence （MACD） and determine whether it is a burst keyword in a given time window. The experimental results on large-scale Sina microblog dataset show that the proposed approach can avoid detecting fake burst keywords.