加权网络上舆论传播的演化研究

应用计算机模拟研究舆论传播在加权网络上的演化过程。结果发现,加权网络上舆论传播时,连接条数越大,系统就越容易形成一致意见 权重的引入不利于一致意见的形成,异步更新方式较同步更新方式不利于系统一致意见终态的形成。     

加权网络上Sznajd舆论模型研究

在异步更新的方式下,将Sznajd舆论模型应用到加权网络上,用网络的节点代表一个人,用节点之间的连接权重来描述人际之间的亲疏关系,研究加权网络的磁化率和权重对舆论演化的影响情况,并进行计算机模拟.结果表明,加权网络上的Sznajd舆论模型不存在僵持态,以相等的概率0.5达到全体向上或全体向下的垄断态;初始磁化率大于0,终态磁化率也肯定大于0;权重更新系数越大越不利于系统一致意见终态形成.     

基于断裂点理论和网络加权Voronoi图分析的北京市商业中心辐射域研究

城市断裂点理论作为城市地理学经典理论,与Voronoi图结合将是划分城市商业中心空间势力范围的一种有效工具.尝试对北京市主要商业中心的辐射范围进行了划分,实现了基于道路网络分析的网络Voronoi图和网络加权Voronoi图的构建.对道路系统更新前后构建的网络Voronoi图比较分析,表明构建网络加权Voronoi图是模拟商业中心辐射域的一种有效方法.将断裂点理论与网络加权Voronoi面域图结合,模拟出北京市主城区道路系统更新前后商业中心不同的辐射域空间格局变化,并提取了辐射域覆盖面积、覆盖人口、路网长度、路网密度等信息.实验结果表明:网络加权Voronoi面域图在模拟商业中心辐射域时更加接近地理实际;道路系统更新升级对于商业中心辐射空间格局变化影响明显;商业中心自身规模影响其辐射域的扩张趋势.     

网络舆论演化的高影响力优先有限信任模型

针对经典有限信任模型在观点更新时需考虑其他全部个体的观点,以及虚拟社会网络规模巨大、用户时间和精力有限等问题,提出了基于影响力和信任阈值、含有双重选择机制的网络舆论演化模型,并对参与网络舆论演化个体的观点坚持策略进行建模,在多个参数集下对该模型与经典有限信任模型进行仿真.结果表明,所获得结果与实际网络舆论演化的情况相符.     

网络突发舆论事件的传播特征与应急管理对策研究

网络舆论突发事件的应急管理研究具有重大的现实意义。网络舆论的传播机理与传统媒介相比具有显著的特征差异。文章在分析网络舆论突发事件特点的基础上,探讨了在现有法律和技术的前提下构建网络舆论和突发舆论事件管理体系的思路,提出了相应的应对措施。     

加权网络的常用统计量

加权网络是复杂网络研究的一个重要分支,连边权重的异质性有助于刻画复杂系统的各种特性.但长期以来,由于加权网络上各种统计量的定义不统一、物理意义不明确,很多学者直接抛弃交互作用的强度,使用门限值将加权网络变为二值无权网络后再进行研究.本文综述了加权网络上常用的统计量,并简要介绍了这些统计量在实际复杂系统分析中的应用.本研究有助于相关研究人员明确各种加权网络统计量的物理意义,使用加权网络对复杂系统进行分析和刻画.同时,理解各种常用统计量的内在联系和应用背景是构造更有效加权网络统计量的基础.最后介绍了各种权重网络的随机化置乱方法,为分析和理解实际加权网络统计量的绝对值提供了参考和比较.     

基于CA的网络舆论传播因素的研究

网络舆论是一种新兴的特殊的社会舆论。由于Internet是一个开放的复杂性系统,使得网络舆论传播呈现出纷繁复杂的特性。通过对元胞自动机的分析,在前人研究的基础上,联系现实社会的网络舆论传播特点,提出了一种新的网络舆论传播模型,并模拟分析了人员密度、大众媒介导向、人员移动这几个特定的因素,对网络舆论传播的影响。     

推广小世界网络上的Sznajd舆论模型

在由两个参数控制的推广小世界网络上进行了二维的Sznajd舆论模型的异步更新演化,探讨了网络拓扑结构对演化的影响,发现随着网络参数的增加,小世界性质的增强,即聚集系数变大和平均最短距离变小,使得Sznajd舆论模型的驰豫时间在一定参数范围内减小并且铁磁性吸引子出现的概率对不同初始态度人员密度有着重要的依赖关系。     

拓扑结构对互联网舆论传播的影响

为研究拓扑结构对网络宏观舆论的影响作用,构建了两类观点交换规则,并以此为基础在随机网络、小世界网络和无标度网络3种拓扑上进行了舆论演化的数值仿真.结果表明,充分的观点交换有利于宏观舆论的统一;网络的异构性可以促进少数群体在舆论的演化过程中最终取胜;降低个体间的连接程度和加强网络的异构性都会增加宏观舆论观点的极化或分裂的可能性.     

论网络舆论对法院审判的影响

随着互联网的发展,网络舆论作为新闻传媒的一股新兴力量,正逐渐显示出巨大的影响力。网络舆论以不同于传统媒介的新特点为公民发表言论提供了一个很好的平台,使网络舆论监督成为促进司法公正、推动司法民主化的一柄利剑。但同时,网络舆论对案情未审先断的评论和倾向性的报道,很容易给法官造成先入为主的印象,使法官对案情的认识和对法律的理解发生偏差,甚至造成法官屈于舆论压力,民意左右司法的结果。面对这把双刃剑,人民法院应该积极采取措施,做到既避免网络舆论干涉审判的独立性,又充分发挥网络舆论监督司法活动、促进司法公正和司法理念更新的作用。     

基于RGB-D图像和深度学习的场景语义分割网络

近年来,深度卷积神经网络应用于图像语义分割领域并取得了巨大成功。本文提出了一个基于RGB-D(彩色-深度) 图像的场景语义分割网络。该网络通过融合多级RGB网络特征图和深度图网络特征图,有效提高了卷积神经网络语义分割的准确率。同时,本文利用带孔的卷积核设计了具有捷径恒等连接的空间金字塔结构来提取高层次特征的多尺度信息。在SUN RGB-D数据集上的测试结果显示,与其它state-of-the-art的语义分割网络结构相比,本文所提出的场景语义分割网络性能突出。     

Complex Network Classification with Convolutional Neural Network

Classifying large-scale networks into several categories and distinguishing them according to their fine structures is of great importance to several real-life applications.However, most studies on complex networks focus on the properties of a single network and seldom on classification, clustering, and comparison between different networks, in which the network is treated as a whole.Conventional methods can hardly be applied on networks directly due to the non-Euclidean properties of data.In this paper, we propose a novel framework of Complex Network Classifier(CNC) by integrating network embedding and convolutional neural network to tackle the problem of network classification.By training the classifier on synthetic complex network data, we show CNC can not only classify networks with high accuracy and robustness but can also extract the features of the networks automatically.We also compare our CNC with baseline methods on benchmark datasets, which shows that our method performs well on large-scale networks.     

基于复合神经网络的网络业务分类算法

针对目前计算机网络业务流管理问题,提出了一种基于复合神经网络的网络业务分类方案．将复合神经网络用于网络业务源特征提取与分类的研究中,打包法和BP算法结合用于复合神经网络的训练．并分析比较与单个神经网络和模糊神经网络算法用于网络业务分类效果．计算机仿真结果表明,复合神经网络分类收敛快、误差小,比单个神经网络算法和模糊神经网络算法更优越；同时,研究结果为解决网络业务源特征提取与分类提供了一种有效的途径．     

利用串/并联神经网络建立化学反应器模型

本文研究使用线性动态神经网络与非线性的静态网络相结合的混合建模方式解决复杂非线性系统的建模问题。使用混合神经网络建模，可以降低单个网络的训练难度，基于此，也可将非线性系统控制策略的求解分解，转换为线性系统的求解。从而改善使用单一神经网络建模存在的精度不高以及训练时间长等不足，也为非线性系统控制策略的求解提供方便。本文以一个典型多变量系统——连续搅拌釜式反应器（CSTR）作为仿真对象，详细研究和实现了两类神经网络串联和并联的混合建模方法，并对结果进行了比较。     

基于组合神经网络的教师评价模型研究

本文提出的基于组合神经网络的教师评价模型,可以弥补以往基于神经网络的教师评价模型的不足,不但可以给出教师的综合得分或所属类别,还可以给出教师在每个方面的得分.所使用的组合神经网络,由多个结构相同的BP神经网络组成;用构建的组合神经网络和传统BP神经网络分别进行实验.仿真实验表明,该模型相对误差较小,可以满足评价需求.     

主动网络体系结构和性能分析

针对当前Internet的不足，提出了引入主动网络的必要性，基于主动网络的纵向结构和横向结构，指出了主动节点所应具有的结构，通过点-点可靠数据传输模型，比较了主动网络和传统的基于TCP/IP协议的网络性能，由定量分析结果可知，主动网络在有损链路上，通过将计算引入网络，有效地改善了网络的性能。     

Ad hoc网络安全模型的研究

Adhoc网络作为一种无线移动网络正成为网络研究的一个热点。而且由于它的若干特点，使得Adhoc网络在军事领域受到广泛的重视，并正在逐步应用于商业领域。但安全问题却是Adhoc网络的一个弱点。根据RSA密码体制和门限数字签名方案，提出了一种门限RSA数字签名方案，并在此基础上提出了一种基于信任分散的Adhoc网络安全模型。该安全模型对建立一个安全的Adhoc网络有着一定的意义。     

Delay-distance correlation study for IP geolocation

Although many classical IP geolocation algorithms are suitable to rich-connected networks, their performances are seriously affected in poor-connected networks with weak delay-distance correlation. This paper tries to improve the performances of classical IP geolocation algorithms by finding rich-connected sub-networks inside poor-connected networks. First, a new delay-distance correlation model (RTD-Corr model) is proposed. It builds the relationship between delay-distance correlation and actual network factors such as the tortuosity of the network path and the ratio of propagation delay. Second, based on the RTD-Corr model and actual network characteristics, this paper discusses about how to find rich-connected networks inside China Internet which is a typical actual poor-connected network. Then we find rich-connected sub-networks of China Internet through a large-scale network measurement which covers three major ISPs and thirty provinces. At last, based on the founded rich-connected sub-networks, we modify two classical IP geolocation algorithms and the experiments in China Internet show that their accuracy is significantly increased.     

三网融合对数字图书馆发展的影响

三网融合是指电信网、计算机网和有线电视网三大网络的在高层业务应用上的融合。介绍了三网融合的概念和意义,探讨了三网融合对数字图书馆发展的影响。