基于并行约束策略的热点舆情协同控制方法

随着信息技术的不断发展,舆情传播已作为重要的社会互动形式,在现今对社交网络用户有着重大影响,故对寻求其进行有效的协同控制策略迫在眉睫.文章提出了包含多种控制策略并行的舆情传播协同控制模型,设置局部自适应观察器对热点舆情信息实施监管,提出了PC-LA法,以优化对热点舆情的控制效果.并使用庞特里雅金极大原理给出了协同控制策略的必要条件,基于改进后的萤火虫算法进行数值求解.最后,进行了数值算例实验.实验结果表明,文章所提方法能以较小成本对舆情传播进行控制,有效减少传播者与无知者的数量.     

社交网络环境下基于单值中智信息的大规模群决策方法

考虑到单值中智集具有全面且准确描述不确定信息的优势,文章提出了社交网络环境下基于单值中智信息的大规模群决策方法.首先,结合Louvain算法对社交网络进行分区,并确定分区团体中各决策者权重以及分区团体在整个社交网络中的权重.其次,提出改进的单值中智加权平均算子与改进的单值中智有序加权平均算子,并探讨算子的合理性以及相关性质.结合所提算子,对分区团体中各决策者的偏好信息以及整个网络中决策者的偏好信息进行集结.再次,采用单值中智距离测度检测分区团体中决策者的一致性水平,并利用改进的单值中智加权平均算子与单值中智数比较方法对候选方案进行排序.最后,结合中国某海外矿产投资项目选择案例验证所提方法的可行性与有效性,并通过灵敏度分析与比较分析证明所提方法的优越性.     

网络推手参与的社交媒体舆情传播四方演化博弈

针对网络推手参与社交媒体的舆情炒作和操纵行为,探讨如何实现对社交媒体平台的舆情传播进行有效管控.构建基于网络推手、社交媒体平台、政府监管部门和网民等四方利益主体的演化博弈模型,分析各博弈主体的稳定策略,并通过实验仿真探讨关键要素对博弈模型的影响.研究得到如下结论:1)权威媒体及时辟谣能够有效阻断社交媒体平台上虚假舆情信息传播:2)政府监管部门加强对网络推手和社交媒体平台的有效监管,加大违规惩罚力度,可对网络推手起到有力警醒,督促社交媒体规范舆情信息推送流程;3)主流媒体平台发布的舆情信息较为可靠,网民对小道消息应及时查证.据此,提出政府有效监管社交媒体平台舆情传播的相关建议,为净化网络信息空间,保障网民权益,维护社会安定团结,提供决策参考.     

融合基于MapReduce并行改进二元蚁群算法与分形维数的属性选择方法

属性选择是数据挖掘领域用于降低数据特征维度的预处理方法.针对大数据环境下高维数据的属性约简问题,提出了融合基于MapReduce并行改进二元蚁群算法与分形维数的属性选择方法.首先,引入了参数控制的位置更新策略、对蚂蚁个体与种群进行交叉变异、重新定义阻塞机制的信息素更新,提出了并行改进的二元蚁群算法MRIBACO.其次,以并行二元蚁群算法作为离散解空间的搜索策略,结合分形维数提出了属性选择模型.在6个UCI数据集上的实验结果表明,较其他方法计算效率更优,同时表明了其有效性与稳定性.     

基于层间互信息的时序网络节点重要性识别方法

社交网络中重要节点发现对于控制舆论传播、社交影响力最大化等有重要意义。本文结合信息传播相关理论，提出了一种基于层间互信息的时序网络节点重要性识别方法。通过设计一种层间节点连边变化概率的计算模型，进而求解时序网络节点的层间信息熵和以层间互信息量化的相关性系数，再结合特征向量中心性对节点进行重要性度量。在真实时序网络数据集上进行实验，相比经典方法，本方法在时序网络的节点重要性度量上更有优势。     

基于企业网络舆情的客户满意度分析及管理方法

社交网络平台的迅速发展,促使网络舆情成为企业获取商业情报、扩大竞争优势的重要信息来源。本文针对网络舆情环境下的企业客户关系管理问题展开研究。通过构建企业客户推动式信息反馈模型,描述了企业客户、网络用户与企业网络舆情间的联系,并依据信息反馈模型,提出变尺度聚类算法。该算法将传统聚类方法的求解过程由单一尺度分析扩展到多尺度分析,克服了实际数据聚类应用过程中的聚类结果特征不显著问题。本文选取新浪微博作为数据源,利用企业网络舆情数据集和企业客户数据集进行数据分析实验。实验结果表明,企业可以通过获取与其主营业务相关的网络舆情信息,实现客户满意度预测;同时,变尺度聚类算法结果能够为企业进一步制定销售战略和销售战术提供决策支持。     

网络舆情的研究与发展—以涉警网络舆情为例

网络舆情传播速度快、波及范围广,同时具有很强的突发性、不确定性、难以控制等特点,对相关部门进行涉警网络舆情干预和引导带来巨大挑战。目前有关网络舆情引导、管控机制、应对策略研究等成果丰富、但是对网络舆情危机的演变和干预多停留在定性分析之上、定量分析研究相对欠缺。现有网络舆情研究多针对舆情发展某一阶段进行研究,未结合网络舆情发展的多阶段属性展开全生命周期研究,为数不多的网络舆情多阶段干预决策机制研究也比较粗略,缺乏一套科学、规范的干预决策机制作为支撑。因此,结合网络舆情的多阶段属性、应用定量分析方法,是未来网络舆情干预决策机制研究的方向之一。本文通过对网络舆情发展过程的描述,给出一定量的状态表述和行动刻画,构建一个分类多阶段决策模型框架。     

基于多尺度中心性算法的复杂网络节点影响力研究

复杂网络中重要节点的影响力度量是网络信息挖掘中的关键问题,传统的重要节点识别方法仅考虑单一因素影响,具有一定的局限性.提出了一种基于位置信息,拓扑结构和边重要性的多尺度中心性(Multi-Scale Centrality (MSC))的度量新方法.方法融合了多样性因子影响,在K-shell分解的基础上根据节点与其位于不同k核层的邻居间的关系构建外连边尺度衡量节点的位置信息,克服了同层节点重要性无法被区分的缺陷.又结合具有结构洞特性的节点相对其邻居节点的信息传播和控制优势,对节点的重要性更进一步地作区分.最后根据边的可替代性衡量边重要性,并依据边对其相连节点的重要性贡献构造多尺度MSC中心性算法模型.经与SIR疾病传播模型在真实网络模拟的结果进行对比,验证了本算法可行性和有效性.     

基于大数据的涉警网络舆情多阶段干预决策建模研究

在大数据爆炸的时代,网络舆情、尤其是负面网络舆情管理,已成为管理层面临的难题和亟需解决的决策问题.基于目前涉警网络舆情事件研究更多偏向于定性研究,应用大数据和动态优化理论,从历史事件中寻找舆情演变规律,创新性的提出从负面评论占比的角度量化系统状态和干预效果,创造性的在涉警网络舆情这一社会管理领域首次应用马氏决策过程展开研究,通过转移概率矩阵给出涉警网络舆情在不同状态下、不同干预行动下的动态发展转移规律.同时,以马氏决策过程计算结果作为系统的初始状态,应用向后递归值迭代算法进行干预行动选择策略动态寻优,分别给出了有限阶段、无限阶段各状态下的最优干预行动选择策略.案例对比研究表明,结论可为舆情管理部门提供量化决策支持,对不同状态下的干预行动选择策略提供辅助参考.     

微博突发事件负面舆情信息传播机理及应对策略

深入研究微博突发事件负面舆情信息传播规则,掌握微博突发事件舆情应对方法,成为维护社会稳定和政府执政安全的重要议题.首先,基于生命周期理论对微博突发事件负面舆情信息的传播阶段进行了定性分析,从而为分辨突发事件网络舆情的传播阶段提供依据;然后,通过假设模型,得出网络知情人数和时间有连续可微关系,建立连续可微方程,由此建立了微博突发事件负面舆情信息的传播模型;最后,以"杭州保姆纵火案"为例,从定性与定量双重维度对观点进行了实例验证,并提出了面向微博突发事件负面舆情传播各个阶段的治理对策.     

基于改进萤火虫优化算法的SVR空气污染物浓度预测模型

为了对空气污染物浓度进行准确预测,提出了基于改进萤火虫优化方法(IGSO)的支持向量机回归(SVR)空气污染物浓度预测模型.首先,利用佳点集理论、拥挤度以及变步长策略对萤火虫优化算法进行改进;其次,根据空气污染物浓度时间序列数据构造训练集,运用IGSO算法寻找SVR的最优参数;最后,利用基于最优参数的SVR实现对空气污染物浓度的预测.通过两部分的实验说明文章所提方法的性能.1)在8个标准测试函数上进行多次对比实验,结果显示IGSO算法相比于基于其他改进策略的萤火虫优化方法能够寻找到更优的目标函数值且方差较小,实验表明改进萤火虫优化算法在稳定性及求解精度方面性能较优.2)对京津冀地区空气污染物浓度进行实验,结果显示如下,首先,相比于萤火虫优化算法、粒子群优化算法以及遗传算法,文章基于IGSO对SVR参数的多次寻优结果波动较小,并且所得SVR模型的交叉验证误差及其方差较小;其次,与基于上述其他优化算法的SVR、基于网格搜索的SVR以及BP神经网络相比,文章方法对测试集的预测精度较高.因此,基于IGSO的SVR空气污染物浓度预测模型具有较高稳定性及预测精度.     

舆情传播规律及其对策研究

为探寻舆情传播规律并找到相应对策,借鉴流行病学仓室建模的思想,建立了舆情传播的微分方程模型,基于舆情传播模型的分析,得出了对于正面舆情,应控制模型参数使系统趋于正的平衡点,使传播者不断增加;对于负面舆情,应控制模型参数使系统趋于负的平衡点,实现传播者不断减小的舆情控制策略.     

GIHS-TSFNN并行学习算法及其应用研究

针对传统T-S模糊神经网络的随机初始网络参数导致网络学习速度慢、易陷入局部解以及运算精度低等缺陷,提出了一种应用佳点集的改进和声搜索算法(GIHS)优化T-S模糊神经网络的并行学习算法.首先应用佳点集择优构造更加高质量的初始和声库,然后搜索过程中进行参数动态调整,并且每次迭代产生多个新解,充分利用和声记忆库的信息,以提高算法的全局搜索能力和收敛速度.其次,将GIHS算法与T-S神经网络相结合构建并行学习算法,实现两种算法的并行交互集成,得到了最优参数配置以提高T-S模糊神经网络的泛化能力.最后将该算法应用到农业干旱等级预测中以解决旱情评估问题.仿真实验表明,GIHS算法性能优于基本HS和IHS算法,且与T-S模糊神经网络、HS算法优化的T-S模糊神经网络和IHS算法优化的T-S模糊神经网络相比,具有更高的预测准确度.     

基于S1S2IR双S模型在微信谣言传播中的研究

随着网络化社交工具的日益普及与应用,研究社交网络中的舆情传播行为与机制具有重要的理论和实际应用意义.通过对微信用户(含公众号)网络行为的分析,重点研究网络中谣言的传播行为,并提出了一种在SIR模型基础之上的改进模型-S1S2IR双S谣言传播模型.其核心改进思路是将"普通用户(S)"细分成受微信公众号影响的用户子集和受微信好友影响的用户子集,该划分从数学建模的角度来讲是切实可行的,并得出平均场方程且对其稳定性进行分析和验证.利用MATLAB进行模拟仿真,对传播过程进行数值模拟,分析在谣言传播过程中,不同参数的变化,对谣言传播过程的影响.最后得出政府部门不仅要对微信用户之间的交流接触进行管理,同时对于微信公众账号也要进行严格的审核和管控,减少谣言在微信中的传播,维持社会的稳定.     

含有等式约束非线性规划的全局优化算法

针对含有多个等式约束的非线性规划问题,提出一个全局优化算法.该方法基于可行集策略把改进的模拟退火方法与确定的局部算法方法相结合.对算法的收敛性进行了证明,数值结果表明算法的有效性及正确性.     

融合注意力机制的残差网络晶体硅片分类方法

为了更好地利用晶体硅片资源,实现对晶体硅片准确高效的分类,提出了一种改进的ResNet34卷积神经网络,且用于对晶体硅片高清图像进行分类.通过拍摄晶体硅片高清图像建立自有数据集,并对其进行离线扩充来有效扩大数据集.基于ResNet34网络建立分类模型,采取自适应矩估计权重衰减优化算法(AdamW)来提高ResNet34网络的泛化能力,同时将注意力机制的方法融入到ResNet34网络中增强模型的特征提取能力,之后将改进的模型载入到晶体硅片数据集上训练,实验结果发现,所提W-ResNet34+SC-SEAM分类模型的准确率可达99.91%,比在仅利用ResNet34模型分类结果上提高了2.68%的准确率,实现了对晶体硅片的精确分类,证明了所提分类方法是可行的.     

基于无线通信基站的室内三维定位问题

三维定位问题是现代商用通信网络中对于定位系统存在的一个真正具有技术难度的挑战.根据视距传播环境和非视距传播环境的到达时间的数据集,建立线性误差模型;对于无真实位置的竞赛数据集,定义竞赛数据定位误差评估模型;基于不同的空间场景,提出基于空间单元的定位算法;面对高度误差明显高于平面误差的问题,设计基于高斯加权的误差补偿模型;针对最优定位精度最少基站问题,提出基于贪心策略的基站选择算法;考虑轨迹连续性,设计轨迹准确性验证的10-fold交叉验证方法;基于测量距离有限的真实环境,分析平均"连接度数"与定位精度的关系.实验结果表明,提出的定位算法在有效基站数大于等于5时,能获得较好的定位精度.     

面向SNS大数据的捕获移出模型抽样估计

捕获移出模型起源于生物种群调查和特殊社会网络的研究,是一种复杂抽样方法,一般用于对不确定群体的总量规模和方差进行估计。本文将改进的捕获移出模型应用到社交网络传播规模的抽样估计中,对网络信息的传播范围和波及人群进行了初步估计,并以近期北京频繁出现的"雾霾"事件的自由传播为例进行了实证分析。研究表明,捕获移出模型可以对社交网络中的热点事件的传播规模和再传播的概率进行有效估计,从而说明社交网络已逐渐成为公共话语空间的重要传播路径和传播方式。面对社交网络的迅速蔓延,本文对大数据环境下的抽样估计方法也进行了初步的探索和实践。     

基于冰情检测环境的无线传感器网络路由协议研究

结合冰凌测报无线传感器网络中传感器节点能量受限、节点随着冰凌的产生与流动会出现在河道断面局部观测区域的冰凌测报无线传感器网络拓扑结构不断变化这一特性,提出了对贪婪周边无状态路由协议GPSR的改进策略GFSRI(GPSR-Improved),改进算法中采用图论模型,借助网络模拟器NS2(Network Simulator 2),对GPSR算法以及改进的路由策略GPSRI进行了模拟仿真实验,对路由算法中涉及到的关键参数的相关实验数据进行了处理分析.模拟仿真实验及评估结果表明,GPSRI在数据包转发的路由跳数、源和目的节点间端到端的传输时延方面与GPSR相比有较大的性能改进.     

基于改进鲸鱼优化算法的物流路径优化

针对物流配送车辆路径难以优化以至于影响物流配送系统效率和效益的问题,提出一种基于鲸鱼优化算法的车辆路径优化方法.首先,建立物流配送系统数学模型.其次,针对传统鲸鱼优化算法易陷入局部最优的问题,采用随机惯性权重和非均匀变异策略对算法进行改进,并用过测试函数对比试验验证了所提方法的有效性.最后通过改进的鲸鱼优化算法进行物流路径优化实验,实验结果验证了所提出的改进鲸鱼优化算法能够高效的优化物流配送车辆路配送路径,降低了物流配送成本.