动态社交网络中非完全信息下谣言溯源问题研究

突发事件发生后,在线社交网络往往成为谣言滋生与传播的重灾区.追溯谣言源头,从源头阻断谣言传播是舆情管控的有效手段.但在实际中在线社交网络是动态变化的,并且谣言传播的历史情况信息很难完全获取,通常只能获取当前时刻下谣言的传播情况,因此本文聚焦于研究动态社交网络中非完全信息下谣言溯源问题.本文根据节点的传播级联在最后一层网络上的感染集合与当前时刻下新增被谣言感染节点集合的期望对称差构造目标函数,并证明了目标函数具有#P-hard的性质,且既不是次模函数也不是超模函数.接下来设计了基于可达集合抽样的方法寻找谣言源头节点,并给出了算法框架和计算复杂度分析.最后在三个真实的动态网络数据集上仿真验证了本文所提出谣言溯源方法 RSS相比于已有方法的效果更好,并探究了动态社交网络的拓扑结构变化对本文提出的谣言溯源方法准确性的影响.     

信息交易概率与中国股市价格行为关系的研究

介绍并利用信息交易概率(PIN)作为衡量中国市场信息非对称程度的指标，建立了关于信息交易概率、流动性和波动性之间关系的回归模型，并采用三阶段最小二乘法(3-SLS)对其进行参数估计。实证结果表明在中国股票市场中信息交易概率与市场流动性正相关，而与波动性负相关，进一步揭示了中国股市的价格行为。     

基于Co-training协同训练的在线虚假评论识别研究

本文基于协同训练模型（co-training）提出了一种新的在线虚假评论识别方法CoDeRI以解决虚假评论识别中模型训练数据不足的问题.对同一评论信息，本文通过构建两个特征视图相互学习以识别虚假评论信息：视图一的特征来自于评论文本的词项（Term）；视图二的特征来自于对评论进行深度语法树分析之后得到的概率上下文无关语法规则（PCFG，probabilistic context-free grammars）.利用朴素贝叶斯（naïve Bayes）作为基分类器，本文提出了两种特定于CoDeRI方法的分类后样本选择策略：CoDeRI-C策略和CoDeRI-U策略.CoDeRI-C策略在对未标注信息进行标注之后，选取分类置信度最高的评论信息以扩大训练样本集；CoDeRI-U策略则随机均匀的选取标注之后的评论信息以扩大训练样本集.实验表明，CoDeRI算法在虚假评论信息识别上与现有方法相比能够取得较好的分类结果.并且，CoDeRI-U策略的虚假评论识别准确率优于CoDeRI-C策略.本文的研究为电子商务中的平台、商家和消费者如何识别在线虚假评论提供了一定的管理启示.     

基于不等概率抽样的不完全信息条件下复杂网络抗毁性模型

为了填补随机失效与故意攻击之间的空白,将复杂网络攻击信息的获取抽象成无放回的不等概率抽样问题,建立了不完全信息条件下的复杂网络抗毁性模型.其中网络攻击信息可以通过信息广度参数和信息精度参数调节控制,随机失效或故意攻击是该模型的两个特例.利用母函数方法解析推导出了任意度分布广义随机网络在随机不完全信息和优先不完全信息条件下的两个重要抗毁性度量参数——临界移除比例和巨组元规模,得到的解析结果可以分析和预测不完全信息条件下复杂网络的抗毁性.以无标度网络为例对一般攻击信息参数组合进行了仿真分析,发现随机隐藏少量节点信息将大幅度提高复杂网络的抗毁性,获取少量重要节点的信息可以大幅度降低复杂网络的抗毁性.     

区间概率信息条件下的决策方法

区间概率为描述不确定性提供了一种新工具,但它不满足概率测度的可加性要求.提出了用Monte Carlo模拟法、非线性方法和线性方法将区间概率转化为满足可加性要求的概率测度--传统概率,使得区间概率信息条件下的不确定性决策问题可以通过现有的决策方法进行方案优选.     

基于贝叶斯网络的概率安全评估方法研究

针对传统的事件树/故障树分析方法的局限性,提出了基于贝叶斯网络的系统概率安全评估方法.该方法采用了一体化的建模思想,将故障树和事件树转化为贝叶斯网络进行分析,不仅可以得到常用的安全性分析结果,还可以得到其他有用的信息,非常便于推理和诊断.而且该方法还可以处理多态、相依、非单调和非确定性逻辑关系,有很强的适用性.通过1个油井平台瓦斯泄漏实例说明了该方法的有效性,并与传统的故障树/事件树分析方法和基于二元决策图的分析方法进行了比较.     

基于全部组合收益概率最大的最优新增组合套期比率

提出了全部资产组合收益大于0概率最大原理,以全部资产组合单位风险期望收益最大为目标函数,以全部资产组合期望收益大于0为约束条件,建立了基于收益概率最大的新旧两组套期保值决策模型.该模型的特色与创新一是通过中心极限定理分析得到了在套期保值过程中使全部资产组合收益大于0的概率最大的两个基本条件:全部资产单位风险的收益最大和全部资产组合收益大于0;二是通过确定新增资产组合的套期保值比率使全部资产套期保值的组合收益大于0的概率最大.解决了在旧组合套期保值比率不可调整时,如何确定新组合的套期保值比率,使全部资产整体收益大于0的概率值最大的问题;三是通过建立新、旧两个套期保值资产组合风险非线性叠加的函数表达式,解决了在新增一组套期保值资产时, 如何确定全部资产组合风险的问题;四是最优套期保值比率的优化目标同时兼顾收益和风险因素.     

侦察卫星星座目标发现概率与最大访问间隔分析

以区域内特定目标的搜索为背景,分析侦察卫星对某地面区域内运动目标的探测类型和搜索方式,并建立目标发现概率与单星探测概率和星座最大访问时间间隔的关系模型。分别以大型舰船和飞机为探测目标,对光学侦察、电子侦察和雷达侦察等三种类型侦察卫星星座的技术性能指标和作战性能指标之间的关系进行了仿真分析。     

不确定信息QoS路由的概率遗传算法的研究

QoS路由是保证网络服务质量的重要组件。但网络状态信息具有固有的不确定性,因此有必要研究不确定信息对QoS路由的影响。通过假设网络带宽和时延的分布符合某种随机变量的特点,分别用概率方法表示出带宽和时延的不确定性,然后求出路径满足给定QoS约束的概率,最后在遗传算法的计算过程中,选择合理的适应度函数,找出满足QoS约束的最大概率解。仿真结果表明该方法能够保证得到满意解的同时缩短搜索时间。     

指令驱动市场股票信息性交易概率的实证研究

在金融市场中，信息性投资者拥有资产未来价值的私人信息，并将根据其所掌握的信息情况进行交易，且其交易将向市场传递相关信息。信息性交易概率问题可以作为股票交易信息不对称程度的代理变量，以往对其的评估大多基于存在风险中性作市商的报价驱动市场。本文在传统的EKOP信息交易模型基础上发展了适合指令驱动市场的信息模型，考察了不存在做市商报价的中国指令驱动的证券市场信息性交易的概率问题，对市场上知情投资者委托单占日内所有成交委托单的比重问题进行了研究，考察了市场上投资者的行为并给出了衡量日内交易事件信息性交易概率的估计式。     

融合位置和姿态信息的模型概率估计

为了利用目标的姿态信息来提高机动目标跟踪的精度,提出一种融合位置和姿态信息的模型概率估计算法。该算法采用模糊关联的方法,实现了基于姿态信息的模型概率估计;根据离散点过程滤波的基本理论,对其进行滤波;采用贝叶斯推理方法,对来自姿态的模型概率和来自位置的模型概率进行了信息融合,并将融合后的模型概率应用到IMM算法。仿真表明,改进的IMM在保持传统IMM实时性的基础上提高了跟踪精度,从而验证了姿态信息对目标跟踪的辅助作用。     

基于虚假场景的合成孔径雷达干扰方法研究

虚假场景干扰是对合成孔径雷达(SAR)系统进行有效干扰的重要技术。针对机载SAR系统,介绍了虚假场景干扰的信号形式和产生方法,着重研究了干扰时应该考虑的一些关键因素,分析了雷达定位误差对干扰效果的影响,提出了干扰布阵的方法,解决了实施虚假场景干扰时可能遇到的问题。     

基于故障概率的联邦滤波鲁棒信息分配方法

考虑到故障隔离后故障信息的影响一般需要一段时间才能够消除,研究了当某个子系统发生传感器故障时,其他具有不同信息分配系数的无故障子系统的鲁棒性问题.基于理论分析提出了一种鲁棒信息分配思想,并指出了该思想应当满足的信息分配系数关系.然后给出了一个信息分配系数的专家自适应调整方法,即基于子系统在不同环境下可能发生的故障概率,建立相应的调整规则进行信息分配.从概率的角度,根据这种方法可使其他无故障子滤波器具有较强的抗干扰能力,从而使重构的联邦滤渡器快速输出不含故障信息的融合结果.理论分析和仿真说明该方法是可行的.     

基于信息含量最大的绿色产业评价指标筛选模型及应用

绿色产业评价是发展低碳经济,实现经济、社会与生态环境可持续发展的必要环节,建立合理的指标体系是绿色产业评价的关键. 从反映绿色产业内涵的角度出发,从绿色生产、绿色消费、绿色环境三个方面海选指标,依据信息含量最大和冗余信息剔除原则定量筛选指标,构建了绿色产业评价指标体系.文章的创新与特色一是通过变异系数求解指标信息含量,遴选信息含量最大的指标. 构建了由绿色生产、绿色消费、绿色环境三个准则层26个指标组成的绿色产业评价指标体系. 二是通过变异系数筛选出各个类中变异系数（信息含量）最大的指标,保证了筛选出的指标对绿色产业评价有显著影响. 三是通过R聚类将同一准则层内的指标分类,使不同类别的指标反映不同的数据特征.避免了绿色产业评价中不同指标反映的信息重复. 四是研究表明： 最终建立的指标体系用27.7%的指标反映了98.44%的原始信息.     

理性群体决策的概率集结研究

探讨如何集结多个专家的不确定性信息,以获得群体一致判断．首先分析群体理性存在的可能性;在此基础上,给出了几种集结个体概率的模型及算式,讨论了这些模型的特点,实际应用的可能性;最后,评述了Ｄａｌｋｅｙ个体概率集结不可能性定理中潜在的问题。得出几个研究的结论,并且提出了需要进一步研究的问题。     

基于Bayes信息融合的人为差错概率计算方法

研究了人为差错概率的计算。首先,介绍了可用于人为差错概率计算的数据来源,主要包括：通用数据、专家数据、仿真实验数据和现场数据。然后,分析了Bayes信息融合方法的基本思想,强调了该方法的两个关键性问题：验前分布的构建和融合权重的确定。最后,构建了基于Bayes信息融合的人为差错概率计算方法。将前3种数据作为验前信息,融合形成验前分布。使用Bayes方法完成与现场数据的数据综合,得到人为差错概率的验后分布。基于该验后分布,完成人为差错概率的计算。通过示例分析,演示了方法的使用过程,证明了方法的有效性。     

基于幅值信息的联合概率数据关联粒子滤波算法

针对非线性非高斯环境下多目标被动跟踪的低可观测问题,将粒子滤波、联合概率数据关联和量测的幅值信息相结合,提出了一种基于幅值信息的联合概率数据关联粒子滤波算法。将联合概率数据关联算法中的关联似然与幅值似然比相结合,利用粒子滤波算法进行跟踪滤波,用幅值量测来改善低可观测条件下的目标跟踪性能。仿真结果表明,该算法提高了数据关联的可靠性和目标跟踪的精度。     

基于多种社交关系的概率矩阵分解推荐算法

随着社交网络的发展,社会化推荐算法得到普遍应用,现有的推荐算法往往只是将一种社交关系引入到推荐系统,但在现实社交网络中用户之间往往存在多种社交关系。基于多子网复合复杂网络模型,利用共享用户特征矩阵,提出了基于多关系社交网络的矩阵分解推荐算法。通过在Epinions数据集上的实验结果分析,准确率评价指标MAE、RMSE和NMAE分别提高了34%、27%和7%,由此可以证明,多关系社交网络的矩阵分解推荐算法能有效提高推荐准确率。     

基于网络流矩阵求解网络最大流

通过建立网络流矩阵及相关概念，研究其性质，从理论上提出了基于网络流矩阵的最大流求解方法，并且给出了严格的数学证明和具体步骤。主要采用了节点流量平衡、转化为矩阵、矩阵降阶的思想。这些思想的应用具有重要的理论意义，同时也为研究最小费用最大流问题开辟了新途径，和其它方法比较，本文的方法具有操作简单、易于实现等优点。     

考虑时滞的真假信息竞争扩散仿真研究

考虑到虚假信息要先于真实信息扩散且二者存在于同一个社会网络中的现象,研究了真假信息竞争扩散模型,分析比较了各种概率、真实信息初始扩散时间和扩散节点数量的影响。结果发现,采取措施降低节点扩散虚假信息的可能性可以减少虚假信息扩散范围,此外,仅当真实信息延迟扩散时间较短时,可通过增加节点扩散真实信息的可能性、增加扩散真实信息节点的数量或选择度较大的节点来扩散真实信息的方式来减少虚假信息扩散范围,并增加了真实信息覆盖面。