网络异源数据社会风险预估及有效性分析

针对互联网中异源数据的风险预估问题,借鉴社会心理学中社会风险研究成果,提出基于深度学习模型Paragraph Vector的风险分类和风险预估方法.选择"天涯社区"的"天涯杂谈"和"百姓声音"子板块为例,通过话题分析和相似度比较说明了不同子版块之间社会风险分类的可行性;利用基于Paragraph Vector的K-Nearest Neighbors分类方法(KNN-PV),以"天涯杂谈"标注数据为训练集,实现"百姓声音"相同时间段新发帖的风险分类和风险预估,并通过人工标注结果验证了KNN-PV方法的有效性.研究结果表明,基于机器学习方法能够实现互联网中异源数据的风险分类和风险预估.     

一类不确定非线性系统的改进积分滑模跟踪控制

针对一类不确定非线性系统的滑模跟踪控制,在切换函数中引入跟踪误差的积分项,并用各状态变量代替各误差项,消除了传统滑模跟踪控制所需的被跟踪信号的一阶及高阶导数己知的假设.同时为了防止在初始误差较大的条件下积分饱和引起的超调较大的问题,设计了一种改进积分型滑模面.在边界层外,通过调节因子对积分项进行削弱;在边界层内,采用传统积分以减小系统稳态误差.仿真研究表明,此滑模控制方法具有良好的控制性能及较强的鲁棒特性.     

基于在线支持向量机和遗传算法的预测控制

针对非线性系统模型预测控制中预测模型容易失配且目标函数难以求解的问题,本文提出一种基于在线支持向量机建模和遗传算法滚动优化的模型预测控制方法。该方法利用在线支持向量机建立被控对象的非线性模型,在线支持向量机是一种迭代学习的支持向量机训练算法,可以进行在线训练,从而实现模型在线自校正;并且通过遗传算法求解目标函数的最优控制量,完成滚动优化。对非线性系统的仿真研究结果表明,该方法有效且具有良好的自适性。     

基于趋势分析的发酵过程监控

发酵过程很复杂,不同发酵阶段的控制策略必须随着发酵阶段的变化而相应调整。以往的策略由于发酵过程中伴随的随机干扰的影响未能对发酵阶段做出准确判断而使得在线监控效果不够理想。以移动时间窗为基础,通过对时间窗时段内的变量线性拟合找出变量在当前时段的变化趋势,然后用相关分析找出变化趋势中的拐点,即发酵阶段之间的切换点。以此为基础,通过正常批次各阶段特征的总结及和非正常批次对比、归类,实现对染菌、低产两种非正常批次的在线初步诊断。     

DeepOpinion:一种网络舆情深度分析与引导系统

在广泛调研以往互联网舆情系统存在的一些问题和不足的基础之上,研发了一套互联网舆情深度分析与引导系统DeepOpinion。该系统从用户、主题、情感三个方面对互联网舆情进行分析,并通过信息检索和内容定制技术对所关注的网络舆情进行适当引导。以天涯杂谈板块为网络舆情来源、以“辱母杀人案”事件为具体案例对系统功能进行了验证,结果表明DeepOpinion系统在互联网舆情深度分析与引导中发挥重要作用。