基于混合采样和自编码器的信用卡欺诈检测应用

针对信用卡欺诈检测数据集存在不平衡、特征空间维度较高等问题,提出一种基于混合采样和自编码器结合的信用卡欺诈检测方法.用混合采样对数据集平衡化处理;应用自编码器对训练数据集进行降维,使用随机森林作为分类器检测欺诈行为,在ULB信用卡数据集上进行验证并与其他方法对比.结果表明本方法在信用卡欺诈检测方面表现良好.     

基于SGNN的报税欺诈检测

税收申报欺诈检测是税务机关税收征管和稽查中面临的一个重要问题。提出一种基于自生成神经网络(SGNN)的税收中报欺诈检测方法。首先用采样来的企业经营和财务数据训练好一个SGNN网络，然后用这个SGNN网络判断一个企业的报税额是否真实。实验结果说明所提方法是一种有效的方法：在31个测试样本中，检测精度达93．55％，比基于C5．0的方法高了近10个百分点，而训练时间只需0．1875s。     

基于图嵌入的社交媒体药物不良反应事件检测方法

药物不良反应事件是造成患者发病、死亡的主要原因之一.传统的基于患者自发报告系统存在较为严重的漏报情况,近年来将推特等社交媒体作为数据来源进行药物不良反应事件检测的研究愈发受到重视.各种深度学习模型通常依赖于大量的训练样本,然而受限于数据来源的特质和耗时的数据标注工作,该领域的相关研究面临标注数据规模小、数据噪声大等问题,制约了这些模型发挥良好的效果.据此,在文本表示层面引入基于图嵌入数据增强和对抗训练两种正则化方法,提升模型在低资源高噪声下的药物不良反应事件检测效果.通过实验,具体分析和讨论两种方法的适用范围,结合卷积神经网络,提出一种同时发挥其优势的药物不良反应事件检测模型,实验结果显示其具有良好的适用性.     

基于双色彩空间和面部矩形特征的人脸检测

在YIQ和YCbCr色彩空间中,结合人类面部矩形的特征,提出了一种用于人脸检测和定位的算法.该算法通过比较输入图像R、G、B 3通道总的平均值和B通道的平均值来选择色彩空间,并采用基于积分图的2维OSTU法进行肤色分割;然后根据肤色区域面积对肤色分割图像进行中值滤波;最后根据中值滤波后的肤色分割图中的肤色区域面积构造最佳人脸矩形,并用该矩形去定位人脸区域.实验结果表明:该算法较传统的采用单一色彩空间的人脸检测算法具有更高的准确率.     

基于社交网络的定位软件的研究

针对城市社区生活中无识路能力的弱势群体在走失后不能准确描述自己的具体位置,提出了基于社交网络平台的定位系统的总体方案,并设计了该系统的客户端软件和服务器端软件.该系统建立在Android平台上,利用社交网络的开放性、百度地图的定位功能和地图功能以及无线通信网络的便利,实现了跟踪并绘制无识路能力的老人、小孩或者其他弱势群体的运动轨迹,并引导其家人及时发现他们的行踪.经过一系列的测试后,表明该系统具有一定的实用性,可靠性比较高.     

基于门控图神经网络的谣言检测模型

针对基于图神经网络的谣言检测方法在聚合邻居节点信息生成谣言表示过程中存在的噪声干扰问题,充分利用社交媒体源帖包含的丰富语义和结构信息对谣言检测的重要影响,提出一种基于门控图神经网络的谣言检测模型,该模型根据信息传播过程建模谣言的传播图和扩散图,基于门控图神经网络聚合邻居信息生成节点表示,利用门控机制去除邻居节点噪声,同时引入根节点语义增强方法提升表征节点的能力。此外,利用注意力机制融合局部结构和全局结构信息学习更加全面的谣言表示用于谣言检测任务。在公开数据集上的实验结果证明,提出的模型在谣言检测性能和早期检测能力方面均优于基线方法。     

运用上下文增强和分层注意力机制的社交推荐

针对现有方法在建模用户、项目及其上下文特征上与社交网络耦合程度低,且没有充分挖掘社交信息中其他细粒度特征的问题,提出一种基于上下文增强和分层注意力机制的社交推荐模型(context enhancement and hierarchical attention mechanism social recommendation, CEHA-SR)。针对社交网络用户间关系所具有的图结构性质,该模型以图神经网络为框架,对社交信息、用户-项目-类别信息使用分层的注意力机制从不同层面的特征进行充分建模,并自适应得到不同特征之间的关系权重。在Ciao-28和Epinions-27两个真实数据集上的验证表明,该模型的均方根误差和平均绝对误差比经典的图神经网络社交推荐模型(GraphRec)分别降低了约3.63%、4.13%和4.33%、4.12%。     

结合主动学习与关系图卷积神经网络的社交机器人检测

社交机器人一直在应用中不断发展,并且为了逃避现有的检测方法,变得更加先进和复杂,较大地影响了原有部分社交机器人检测方法的效果.检测社交机器人成为了一项漫长而又艰巨的工作.在社交机器人检测领域中,目前存在着已公开相关数据集较少的情况,需要人工标注大量的数据.本文提出了一种结合主动学习与关系图卷积神经网络(RGCN)的检测方法——ALRGCN,用以解决人工标注大量数据成本较高的问题.其主要思路是利用主动学习方法来扩充标记数据集,以最大化人工标注的价值.主动学习利用种子选择算法构建初始训练集以及不确定性采样方法筛选出较高信息熵的样本,交由分类模型进行训练,旨在通过专业人员的经验来人工标注一些分类器难以分类的数据.鉴于社交机器人通常以集群的形式出现,本文引入了RGCN来捕捉其网络结构特征.RGCN可以有效地分析节点及其相邻节点的属性,进而帮助该节点进行分类.实验在TwiBot-20数据集上进行,通过对比进行使用的基线实验,ALRGCN在F1上取得了2.83%的提升.实验结果证明,ALRGCN在标注样本更小的情况下可以更有效地检测出社交机器人.     

基于多维动态特征验证的社交机器人账号检测

社交机器人账号的存在增加了无关、无效甚至虚假信息的传播机率,影响人类的线上及线下生活。人工识别此类账号需要工作者经验丰富,同时成本高、精度低。从账号动态变化角度出发引入社交关系关注数变化量、粉丝变化率和基于序列匹配的发文相似度特征,建立多维动态特征社交机器人账号检测模型,提出一种改进的基于AUC决策树分类评价指标随机森林优化算法以期解决以上问题。实验结果表明,改进后的算法对于提升检测准确率具有明显帮助,在社交机器人检测更注重的查全率方面也具有一定的优势。     

社会责任信息披露与财务舞弊关系实证研究

随着经济全球化的不断推进,中国负责任的大国形象深入人心,对中国企业履行社会责任的要求不断提高。截至2019年我国资本市场被频繁曝出财务舞弊行为,使中国企业履行社会责任的动机备受质疑。本文基于利益相关者理论,运用Logistic模型从投资者视角实证检验企业社会责任与财务舞弊之间关系。实证结果表明：企业社会责任与财务舞弊相互作用,相互影响。财务舞弊会抑制企业社会责任的履行;社会责任履行质量又反作用于财务舞弊,低质量企业社会责任与财务舞弊的发生显著负相关,达到某一临界值后,相对高质量的社会责任与财务舞弊的发生无显著关系;股权性质对财务舞弊和企业社会责任关系有抑制作用,但不影响社会责任质量与财务舞弊之间的关系。     

基于多软件平台的二维重载精密转台的控制特性仿真分析及优化

为提高二维重载精密转台动态特性，基于AMEsim、ADAMS以及Simulink多软件机电一体化联合仿真对系统控制特性进行仿真分析.本文使用AMESim建立电机模型，Adams建立二维重载系统的动力学模型，使用Simulink工具箱建立PID控制模型，最终建立三软件联合仿真模型对系统阶跃响应进行仿真分析；针对系统存在时变性、非线性和负载干扰等因素的问题，采用自适应模糊PID控制算法对系统进行控制优化.仿真结果表明，模糊PID控制算法有着响应快、无超调，稳定误差较普通PID控制减小37%左右等优点.     

基于用户间影响力及对象间关联关系的社会化推荐

提出一种结合用户间影响力和对象间关联关系的社会化推荐方法.该方法在建立用户兴趣模型时,利用贝叶斯方法计算用户间影响力和对象间关联关系,得到用户间影响力矩阵和对象间关联关系矩阵;然后,将其与用户-对象评分矩阵进行联合分解,解决了只考虑当前的兴趣而无法提高推荐准确率的问题.实验结果表明,所提的方法能够在推荐准确率上取得更好的效果.     

基于J2EE的社保综合平台系统

为解决现有社会保险应用软件开发效率低、实施周期长、系统柔性差、无法满足用户需求的问题,采用C/S/S结构和J2EE的相结合,作为社会保险平台的主体架构。详细论述了系统的总体设计方案,提出了一个基于J2EE的C/S/S多层体系结构的社保综合平台系统。该系统可提高社保专业化应用水平,为促进社保实现的规范化、科学化做出了贡献。     

基于.Net平台和Web Service技术的政府GIS的构建

为了解决政府GIS中办公、业务数据与GIS数据之间的共享、系统的响应速度和执行效率的问题,采用理论分析和实验的方法,分析政府GIS特点、.NET平台和Web Service构建新型政府GIS的技术优势。在实践基础上,设计了一种新的基于.Net控件的客户端和基于Web服务相结合政府GIS原型实验系统。通过具体实验系统,实现办公、业务数据与GIS数据之间的共享,有效解决系统并发控制与数据传输,提高系统的响应速度和执行效率。     

基于概念语义网络图的RDF知识推理研究与实现

当前，在语义Web中，基于OWL、RDF的知识表示、知识推理成为了研究和应用的热点。文章介绍在常用软件领域知识中。基于RDF知识库的概念语义网络图的构建和知识推理的相关算法。     

基于情感强度定律的社会情感优化算法

情感强度定律是在受到外界刺激作用时指导个体情感变化的理论基础。在社会情感优化算法的基础上引入了情感强度定律,考虑到情感在人类个体决策上所起的重要作用,我们对源于外界刺激的情感强度值进行了量化,使个体在自身认知和社会活动中表现了合理的自适应能力,完善了算法的全局、局部搜索协调能力。最后对算法的参数也做了分析和讨论。仿真实验结果表明,该算法有效地提高了求解的性能,能高效地解决高维复杂多模态优化问题。     

基于GANs-LightGBM的序贯三支异常用户检测研究

针对网络中异常数据类别分布的不平衡性和异常用户检测代价的敏感性,在序贯三支决策框架下,提出了一种基于生成式对抗网络和集成学习模型的异常用户检测方法.利用生成式对抗网络(generative adversarial nets,GANs)模型对异常/非异常数据进行类别平衡,并在多层次多粒度的特征空间下训练LightGBM模型,持续地处理不确定域的样本以识别异常用户.实验结果表明,与传统的机器学习算法相比,该方法在异常用户检测中具有较高的AUC值和较低的检测代价.     

基于多元信息融合的用户关联模型

随着社交媒体网站的日益普及,用户倾向于加入多个社交网络,作为社交媒体中的一项新兴工作,将社交网络的多个用户身份关联起来具有重要意义。通过研究目前有代表性的用户关联模型,提出了一个基于综合信息的用户关联模型(BiALP),该模型通过节点表达的方法学习网络的内在结构信息、属性信息和内容信息,以源网络和目标网络的节点表达为特征,以已关联用户对作为带标签数据,采用二分类监督学习的方式学习源网络与目标网络之间的关联关系。大量实验表明,BiALP模型与目前有代表性的其他用户关联模型相比效果有明显的提升(35%),能够实现更精确的用户关联。     

基于遗传退火算法的解相关多用户检测器

多用户检测技术是第三代移动通信系统码分多址(CDMA)中的一项关键技术。在多用户检测中求解最佳矢量问题可以转化为在遗传算法中求解具有最高适应度函数的问题。文章提出了一种基于遗传退火算法的解相关多用户检测,该算法将模拟退火(SA)引进到遗传算法(GA)中,通过退火来减轻遗传算法的选择压力,利用退火法的爬山性能,改善了遗传算法的性能。仿真表明,该多用户检测器在抗多址干扰以及抗远近效应的能力方面均优于解相关检测器。