动态影响力下网络舆论传播的计算实验研究

基于以往研究较少考虑影响力的即时动态更新,对于网络舆论传播的某些现象,可以融入这一因素进行分析.借鉴Krause有界信任的思想,引入Festinger的认知不一致理论对观点交互条件进行改进,并对信任阈值的作用进行了重新认识.本文认为,信任阈值并非判定个体是否交互的分界线,而是决定影响力增大或减小的分割线.进一步,对影响力的动态性进行了深入研究,引入短记忆过程和惩罚机制,从而构建动态影响力下的网络舆论传播模型,进行了计算实验分析.结果表明:随着群体信任闽值的提高,观点分化程度降低.群体观点演化也受初始影响力分布影响,初始影响力较高,网络群体更容易形成稳定的观点,且收敛速度更快.而投入干预个体的影响作用与群体信任阈值负相关,与干预个体所占的比例正相关.     

基于区间证据推理的不确定性航线配船方法

为弥补不确定性航线配船模拟算法的不足,提出一种基于区间证据推理的航线配船解析算法.该方法以证据推理理论为基础,以船舶公司期望效用最大化为目标,考虑航线特征及船舶属性等因素,构建出一个多航线、多船型的航线配船模型.与目前的模拟算法相比,该方法具有稳定性好、准确性高、可以处理模糊数据等优点.最后,通过算例验证了模型的可行性和方法的有效性.     

一类区间不确定时滞系统超前/滞后补偿器设计

针对一类具有全极点的区间不确定时滞系统,给出了相位超前/滞后补偿器的一种图解鲁棒设计方法.对滞后因子采用一阶Pade近似,应用广义Kharitonov定理,证明了图解法设计出的相位超前/滞后补偿器可以镇定区间不确定近似系统.通过仿真验证了该补偿器亦可镇定原区间不确定时滞系统,并保持良好的系统性能.该种图解设计方法选择参数灵活,便于实际应用.     

基于正交试验设计的区间数立体决策方法

为了减少决策信息损失,针对区间数决策问题,提出了一种立体决策方法。将m维区间数决策向量看作具有2m个顶点的超矩形。利用Ls(2m)正交表在超矩形上均匀、分散地选取s个顶点代表该超矩形,再根据不同超矩形对应顶点之间的相对熵度量超矩形之间的差异,最后利用各决策方案同理想解的贴近度进行决策方案排序。实例验证表明该文方法有效、可行。由于选取了多个多维实数点代表区间数决策向量,在丰富了决策信息的同时也增加了计算量。     

沿空留巷联合支护技术研究

基于巷旁支护前期的切顶作用以及后期支护体的高支撑力的要求,通过综合技术比较和经济比较,提出了一种将切顶支柱和间隔＂编织袋＂混凝土墙联合布置使用的方案。＂编织袋＂混凝土在充填采空区提供高强支撑力的同时可以有效防止采空区矸石冲击切顶支柱。工程实践表明,在采场顶板坚硬出现悬顶的中厚煤层中,该方案是一种理想的沿空留巷技术。     

基于SVM的置信度综合方法在语音识别中的应用

讨论了语音识别中使用支持向量机(support vector machines,SVM)对音子级置信度进行综合的方法. 音子级置信度得分采用传统的方法计算而得,并使用SVM对音子级置信度进行综合得到词级的置信度得分. 在说话人无关的汉语孤立词识别实验中,使用作者方法比使用传统方法获得的系统等错误率rEER(equal error rates,EER)有明显降低,可以从基线系统的28.14%降低到23.71%,而系统的复杂度仅有小幅度的上升.     

基于可靠度与置信度的双可靠性指标安全系数方法

在可靠度指标的基础上引入了置信度指标,提出可靠度与置信度的双可靠性指标的安全系数概念,并根据可靠性理论推导出新计算公式.该公式考虑了实验数据样本容量的影响,给出了小子样实验数据条件下的安全系数取值.将新安全系数应用于结构可靠性设计,算例结果表明,与其他方法相比,此方法计算结果安全系数更合理,且简单实用,能满足结构可靠性设计的要求,可取得显著的减重效果.     

基于真假设比例广义推断的多重检验方法

研究了多重假设检验方法的改进问题,基于真假设所占比例的广义推断,利用其广义置信上限对现有的多重假设检验方法进行改进.该方法更好地利用了水平,在功效上有很大提升.采用广义推断方法,即使在假设个数比较小时,也能对真假设所占比例做出较好推断.模拟结果表明,该方法显著提高了传统方法的功效.     

提高区间运算的循环处理精度

循环语句大量应用于程序开发中,但是在静态分析领域,对循环语句的处理还很不完善,存在着不终止和迭代不收敛等一系列问题。传统的循环处理策略所涉及的程序语义信息有限,无法应用于静态分析缺陷检测中。该文提出一种基于符号运算和抽象解释理论中Widening/Narrowing算子的循环处理方法,并将其应用于区间运算之中,以提高检测精度。所述方法已在缺陷检测系统(DTSGCC)中实现,对大量Linux中GCC开源工程的测试结果表明:该方法可以提高区间运算中循环处理的精度,减少潜在的误报。     

应用回归分析的数据关联算法

针对复杂电磁环境下目标跟踪需要兼顾实时性和精确性的问题,应用测量领域的数据处理方法,提出了回归分析的数据关联算法.首先,利用对滤波曲线的两点回归分析,逐一预测各观测到达时刻的置信区间,筛选出关联点;接着,以系统处理周期为分组标准,对筛选序列进行成组观测数据回归分析;最后,计算出观测融合点,并用该点更新滤波器新息.该算法不仅能将复杂的关联转变成测量点迹动态更新过程,而且优化了同步化处理步骤.仿真实验表明:回归分析算法与联合概率数据关联算法相比,在直线运动场景下,两者的均方根误差及轨迹丢失率相近,且随着目标数目的增多,前者在平均占用CPU时间上的优越性更加突出;在曲线运动场景下,两者跟踪误差相当,前者占用CPU时间仅为后者的1/6.