基于改进的Elman神经网络的网络舆情预警模型

在深入分析影响网络舆情发展变化的各种因素的基础上,建立了三层网络舆情指标体系。针对表征舆情事件样本数据的非线性动态变化等特点,提出一种改进的Elman神经网络模型。该模型以量化的网络舆情指标为网络输入,以网络舆情预警等级为输出。实验结果表明,该模型在一定程度上降低了预测问题的复杂度,同时又在一定程度上提高了预警精度,为科学分析网络舆情预警机制提供一种解决问题的思路。     

基于BP神经网络的校园网络舆情危机预警研究

对于校园网络舆情危机的处理重点是要建立针对于校园网络舆情危机预警指标体系,并且通过科学的计算进行评估.拟在构建校园网络舆情危机预警指标体系的基础上,引入BP神经网络的算法,进而实现网络危机争件的定量评估.暓后通过计算机模拟仿真实验,结合"某高校王某恢复招研资格"的争件对该模型进行检测与分析,并得出分析结论和反思内容.     

网络舆情预警机制的系统动力学仿真

利用层次分析法和系统动力学建模,考虑网络舆情传播各个环节,建立了网络舆情预警机制的系统动力学模型,将网络舆情预警机制定量研究与定性研究相结合,从政府和网络媒体两个方面分析了模型。结果表明,运用系统动力学研究网络舆情提高了舆情预警的准确性;通过提高政府公信力和加强舆情预防,可以缩短舆情运行周期;加强网络监管,从源头提高预警,减弱其对社会的危害性。     

基于层次分析的长短记忆网络(AHP-LSTM)的食品安全网络舆情预警模型

随着互联网技术的迅猛发展,网络已成为社会舆情的重要阵地,而网络舆情是食品风险预警的一个方向。传统舆情预警模型在指标体系的基础上结合反向传播神经网络（back propagation neural network,BP）等神经网络模型进行分析,存在运行不稳定、预测精度不高等问题。为了解决这些问题,采用具有较高预测精度的长短记忆（long short-term memory,LSTM）网络算法,在网络事件指标体系的基础上引入层次分析法（analytic hierarchy process,AHP）并融合食品安全事件指标数据,将融合结果作为LSTM的期望输出,以建立更为稳定、精度更高的风险预警模型AHP-LSTM。实验结果表明,与传统模型相比,AHP-LSTM对于事件指标数据具有较强的处理能力和较高的预警精度。因此构建基于AHP-LSTM的食品安全事件预警方法,可为相关部门有效防范和管理食品安全网络事件提供一定的理论依据和数据支撑。     

基于支持向量机的化工企业安全预警模型研究

针对物料危险性大、工艺过程复杂、极易发生爆炸为特点的化工企业,结合近5年事故调查报告,提出了建立化工企业安全预警指标体系与预警模型.以支持向量机(SVM)模型为基础,交叉验证最佳参数并对实验企业进行预警,使企业能正确识别和把握风险,以事前控制的思想降低企业风险.结果表明,运用SVM模型进行化工企业安全预警具有较高的准确性、可操作性和推广价值.同时,总结了SVM模型预警得出低风险企业所具有的共性,这对化工企业管控风险的实践具有重要指导意义.     

基于结构风险上界的SVM参数选择

提出了基于结构风险上界的SVM参数选择方法.首先,从理论上分析了SVM结构风险上界的计算方法,给出了结构风险上界的算法步骤;其次,以结构风险上界作为SVM泛化性评价准则对5个UCI公开数据库和经过实测建立的两个特征库(包括二类和多类数据)进行了参数选择仿真实验,并与5-折交叉验证的实验结果进行了比较,结果表明,基于结构风险上界的SVM参数选择方法有效、省时.     

基于多分类支持向量机的有杆抽油泵故障诊断研究

针对传统方法对有杆抽油泵系统进行故障诊断存在的缺陷,提出了基于支持向量机的抽油泵故障诊断方法.为解决高维、非线性分类问题,通过引入核运算技巧,分析非线性软间隔分类学习机具体算法,并得到使分类间隔最大的最优分类超平面方程.提出了特殊情况下的样本数据标准化处理具体算法,采用基于网格搜索的交叉验证法来选择模型参数,避免了参数选择的盲目性和随意性.采用一对多SVM分类器对抽油泵工况进行了多分类仿真试验,并与BP网络、RBF网络、最小距离法等加以比较,试验结果表明一对多SVM分类法理论严谨,方法可行,自适应好,可在线运行,在解决有杆抽油泵故障诊断问题中表现出了良好的性能,有助于提高采油效率,实现远程采油控制智能化,建设数字油田.     

基于动态贝叶斯网络的网络舆情预警模型

近年来多发的网络舆情事件频繁考验着政府的导控能力,利用动态贝叶斯网络对网络舆情进行预警具有重大的现实意义.在参考现有模型的基础上,细化指标体系,增加维度,结合专家意见和实际情况,构建网络舆情预警模型,并对典型网络舆情事件进行展开分析和原因诊断.将40个网络舆情案例作为训练集导入模型,对模型进行有效性验证,得到的结果 与...     

基于GA与SVM融合的网页分类算法

为了实现对大量的网络信息的正确分类以便使用户迅速获取所需信息,提出一种新的网页内容分类算法,该算法将遗传算法(GA)与支持向量机(SVM)结合起来,利用遗传算法良好的寻优能力优化SVM的分类性能。在由新闻网页文本构成的数据集上的仿真实验结果表明,GA和SVM融合的算法能够有效提高SVM的分类性能,新算法的分类正确率相比基本的SVM有非常显著的提高。由此证明,提出的基于GA的SVM改进算法是有效的,能够用于对大量网络信息的分类问题中。     

基于遗传算法优化的BP神经网络侧翻预警算法

针对轮毂液压混合动力重型商用车,引入基于遗传算法优化的BP神经网络算法建立侧翻预警控制策略.首先,建立重型车辆3自由度侧翻参考模型,选取车辆侧翻预警算法的侧翻指标,并结合参考模型建立侧翻指标观测器;然后,在传统TTR(Time-To-Rollover)侧翻预警算法研究的基础上,引入遗传算法优化的BP神经网络(GANN)对传统的TTR预警算法进行优化,建立基于GANN-TTR的侧翻预警算法;最后,利用Truck Sim仿真软件建立整车模型,利用AMESim仿真软件建立轮毂液压系统模型,在Matlab/Simulink环境下实现侧翻预警算法,并通过Matlab/Simulink、Trucksim和AMESim三软件搭建联合仿真平台,选取阶跃转向和鱼钩转向两种典型工况进行仿真,对比传统TTR、传统BP神经网络以及基于GANN-TTR的侧翻预警算法的预警精度.仿真结果表明,基于GANNTTR的侧翻预警算法能够有效提高预警精度,通过方向盘转角和纵向车速进行算法修正后得到的曲线与理想预警曲线误差最小达5%.     

一种网络舆情的动态预警方法

针对影响网络舆情预警等级各因素的特点以及目前各预警方法对预警等级动态变化性考虑不足的问题,提出了一种网络舆情的动态预警方法.引入动态模糊集,利用模糊综合评价法对网络舆情进行综合评判和动态预警.选取舆情和舆情受众2个方面共7个对网络舆情预警等级影响较大的因素构成预警指标体系,给出3个舆情实例的预警计算过程及其最终预警等级和动态变化趋势.验证结果表明：动态预警方法可以准确计算出预警等级并对以后的动态变化趋势做出正确判断.     

支持向量机在水资源质量分类评价中的应用

建立了一种支持向量机(SVM)的水资源质量分类评价模型,采用"一对一"的多类别分类算法,核函数取径向基函数,分别用网格搜索法、遗传算法和粒子群算法对SVM模型的控制参数进行寻优.农村水质分类评价实验表明:网格搜索方法能得到较高的分类准确率而且泛化能力较强,计算时间短等优点,该模型的实际应用可以推广.     

基于机器学习的网络流量分类算法分析研究

基于应用的流量分类在网络安全和管理中具有非常重要的作用.传统流量分类大部分是基于端口的预测方法和基于有效载荷的深度检测方法.由于当前网络环境中各种隐私问题以及基于动态端口和加密的应用,传统的网络流量分类策略的有效性已经逐步下降,目前主要集中在基于机器学习技术的流量分类模型进行研究.本文对各种基于机器学习算法的流量分类的比较,如贝叶斯网络(Bayes Net)、朴素贝叶斯(Naive Bayes)、基于RBF的SVM流量分类和基于遗传算法的SVM (GaSVM)流量分类等.这些算法分别使用了全特征选择和优化后的特征集合,实验结果表明基于遗传算法的SVM流量分类精度较高,并在使用主成分特征也可以达到很高的精度.     

基于可靠性测度的多类支持向量机

多类分类问题是我们经常遇到的问题,常用的方法是将多类问题转化为若干个二类问题,然后利用二类支持向量机(support vector machine,SVM)进行分类,如一对余SVM,一对一SVM,决策树SVM等.在这些方法中,大都没有考虑所生成的多个分类器之间的可靠性和重要性问题.为了改进这一点,本文以一对余SVM为例,提出了两种基于可靠性测度的多类分类算法,算法的思想可用于一对一SVM,决策树SVM等其他多种分类器中.为了检验所提算法的有效性,本文进行了比较试验,实验结果表明所提算法不仅提高了分类准确度,而且具有更为广泛的推广能力.     

生命线工程网络抗震优化算法研究

以生命线工程网络系统造价为优化目标,网络拓扑结构为优化参数,网络节点抗震连通可靠度为约束条件,建立生命线工程网络系统的抗震拓扑优化模型.同时,介绍了利用递推分解算法来获得单元重要度的方法,进而利用遗传算法、模拟退火算法和遗传-模拟退火混合算法,进行了生命线网络系统的抗震拓扑优化分析.其中,遗传算法通过对种群选择、交叉和变异操作不断进化以获得优化解,模拟退火算法则通过扰动当前解产生新解来获得优化解,遗传-模拟退火混合算法则通过将遗传算法中的变异操作以模拟退火操作代替获得优化解.利用三种优化方法对两个算例进行生命线工程网络系统的抗震拓扑优化分析.计算结果对比表明,遗传-模拟退火混合算法具有最好的优化能力.     

基于MFOA算法的SVM模型在信用风险评估中的应用

P2P网贷行业借助于互联网技术,得到了急速地发展,其中的个人信用风险评估也变得更加重要.为提高信用风险评估的准确性,基于SVM建立一套信用风险评估模型.然而SVM模型的性能很大程度上取决于惩罚因子以及核函数的参数,因此需要对SVM的参数进行优化.采用基于改进的多种群果蝇优化算法对支持向量机的参数进行优化选择并在真实的P2P信贷数据上进行实验.通过与几种常见的群智能算法的优化效果如遗传算法,蚁群算法,粒子群算法等进行对比,结果表明,使用多种群果蝇优化算法的SVM模型具有评估准确率更高等优点.     

基于特征选择和SVM参数同步优化的网络入侵检测

为了提高网络入侵检测正确率,利用特征选择和支持向量机(SVM)参数间的相互联系,提出一种特征选择和SVM参数联同步优化的网络入侵检测算法.该算法首先将网络入侵检测正确率作为问题优化的目标函数,网络特征和SVM参数作为约束条件建立数学模型,然后通过遗传算法对数学模型进行求解,找到最优特征子集和SVM参数,最后利用KDD 1999数据集对算法性能进行测试.结果表明,相对于其他入侵检测算法,同步优化算法能够较快选择最优特征与SVM参数,有效提高了网络入侵检测正确率,加快了网络入侵检测速度.     

基于支持向量机和遗传算法融合的入侵检测

为了研究网络异常入侵检测问题,将支持向量机（SVM）和遗传（GA）算法融合并应用于入侵检测领域,区分正常和异常的用户行为,实现对网络系统的入侵检测.传统SVM算法易产生训练参数选择不当,难以获得较高的检测效率和分类精度等问题.针对此问题,提出了一种优化的基于SVM-GA融合的入侵检测方法,首先对网络入侵数据进行归一化处理简化输入,然后通过遗传算法对SVM训练参数进行同步优化,最后采用SVM算法对网络数据进行检测,分类识别得到网络入侵结果.仿真实验结果表明,该融合算法训练时间短、检测精度高、误报率和漏报率低,是一种有效可行的入侵检测方法.     

面向网络舆情的无监督演化趋势评估方法

针对网络舆情突发性强、标注数据较少且管控资源有限等问题,提出了一种网络舆情演化趋势评估无监督学习算法,筛选演化趋势重要的舆情事件进行优先管控,提升网络监管的工作效率。针对舆情事件并发性强的特点,利用多指标排序算法对舆情演化趋势重要性评估问题进行形式化描述;针对舆情突发性强、难以获得大量标注数据的问题,利用主曲线排序算法对舆情演化趋势重要性评估问题进行建模,采用3阶贝塞尔曲线进行模型求解,充分利用评估指标中的顺序关系和数值关系;结合典型公开数据集和自主构建的舆情数据集对所提算法进行了验证分析,实验结果表明,所提算法可在无标注数据的情况下实现舆情事件演化态势重要性的评估,为资源有限情况下的舆情事件管控提供决策支撑。     

分销配送网络优化模型及其求解算法

为了优化网络结构 ,寻求最佳配送策略 ,最终找出成本最小的供应链 ,针对需求拖动式供应链中 ,多供应商、多产品、多客户分销配送网络的优化设计问题 ,在考虑需求分配的情况下 ,提出了分销配送网络的优化模型。为了求解优化模型 ,提出了基于混合遗传算法求解混合 0 - 1整数规划问题的算法 ,它是用遗传算法搜索 0 - 1变量的最优解 ,将其他算法融入遗传算法中 ,对非 0 - 1变量进行求解的一种算法。最后通过两个算例进行了仿真实验 ,验证了优化模型的正确性和算法的有效性。模型简明、客观 ,算法易于扩展并具有鲁棒性、通用性