虚拟网络的发展是对辩证唯物主义新的论证

虚拟网络的迅速发展对马克思辩证唯物主义开始了新一轮的论证,也为其科学发展提供新的契机:是对其物质论的进一步论证;对其意识论的充实;对其认识论的深化。     

大学生网络使用动机类型及其与网络成瘾的关系分析

目的:研究大学生网络使用动机的主要类型.方法:以长沙地区两所大学286名学生为被试,以自编的网络使用动机问卷和网络成瘾量表为研究工具.结果:286名大学生网络使用的主要动机类型为:社会交往动机、虚拟社群动机、自我肯定动机、商品资讯动机、匿名交往动机、社会性学习动机.虚拟社群动机、匿名交往动机、自我肯定动机和商品资讯动机与网络成瘾呈正相关.结论:大学生网络使用时具有其相应的动机,网络使用者的行为表现并不完全就等同于个体内在的网络使用动机.网络的虚拟环境成为吸引部分大学生使用网络,并导致其网络成瘾的主要因素.     

搜索引擎发展方向

介绍了互联网上搜索引擎的发展情况,从搜索引擎技术专业化、个性化、智能化3方面分析了搜索引擎发展方向,并设想更完美的搜索联引擎技术的未来.     

浅谈企业与电子商务

20世纪90年代,随着IT产业的迅猛发展,计算机网络在世界范围内急剧膨胀,在全世界掀起了新的一轮信息革命,全球经济进入网络经济时代,而电子商务更是以其独特的魅力影响并改变着企业的整体运作、经营管理模式。     

基于贝叶斯与因果岭回归的物联网流量预测模型

针对物联网流量预测困难的问题,提出了一种基于贝叶斯与因果岭回归的物联网流量预测模型.该模型首先根据物联网流量传输波动影响链路变化等因果关系,深入刻画物联网流量局部特征,并利用薛定谔方程优化识别模型,同时结合贝叶斯拟合因果关系联合岭回归方法建立预测模型.最后,通过仿真实验研究了该模型与其他方法之间的性能状况,结果表明该模型在平均队列、阻塞率和延迟率等方面具有较大优势.     

基于Markov-vine copula的我国网贷平台对传统金融机构风险传染效应研究

近年来,网络借贷发展迅速,并且随着互联网技术的运用和网络借贷自身所蕴含的独特风险方式,使得其局部风险更容易蔓延至整个网贷市场,有可能会迅速波及,传染到其他类型的金融市场.本文将Markov区制转换模型和vine copula相结合,用来研究我国网络借贷平台对传统金融机构的动态风险传染效应.研究结果表明:我国网络借贷平台和相应的传统金融机构在不同阶段呈现出不同的"杠杆效应";我国网络借贷平台以及相关的传统金融机构均具有较为明显的区制转换特征;比较三个阶段的情况,网络借贷平台对商业银行的风险传染效应要大于其他的传统金融机构,其次是网络借贷平台对信托业的风险传染效应;在各阶段,网络借贷平台对传统金融机构的风险传染效应不对称,下尾相关系数基本大于上尾相关系数.     

互联网嵌入对社会资本的影响研究

信息技术的发展极大改变了人们的生活方式,互联网渗透到人们工作和生活的每个角落,重塑着人们彼此之间的社会网络,同时对个体的社会资本产生潜移默化的影响。本文将嵌入的概念应用到互联网环境中,提出互联网嵌入的概念,通过半结构化访谈、探索性因子分析等步骤开发了具有联系度、匹配度、牺牲感三个维度的量表,并利用对1 98份样本数据的分析,探讨了互联网嵌入对社会资本的影响。研究结果表明,互联网嵌入的匹配度、牺牲感两个维度对社会资本有显著的正向影响。     

我国互联网监管体系利益相关方行为博弈分析

采用博弈理论和方法对我国互联网监管体系中各方行为进行了分析,发现监管动机来源于博弈方风险厌恶的倾向,两级委托-代理模型使得具体执行监管工作的互联网机构处于收益小、成本高、风险大的境地,而位于中间位置的行政机构则处于信息最优势的地位;同时,由于逆向选择,网民在网络意见市场里倾向于选择不相信监管方的判断;而学术研究机构更多地在为自身谋求有利的代理地位,而非进行政策效果反馈工作。     

网络成瘾与大学生年级的关系研究

大学生网络成瘾与年级之间存在着显著的相关关系,随着年级的增高,网络成瘾水平逐渐下降,大一网络成瘾水平要显著高于其他年级,而大三和大四的网络成瘾水平最低。Logistic回归模型表明,年级是网络成瘾水平的良好预测指标。     

An Efficient Multidimensional Fusion Algorithm for IoT Data Based on Partitioning

The Internet of Things (IoT) implies a worldwide network of interconnected objects uniquely addressable, via standard communication protocols. The prevalence of IoT is bound to generate large amounts of multisource, heterogeneous, dynamic, and sparse data. However, IoT offers inconsequential practical benefits without the ability to integrate, fuse, and glean useful information from such massive amounts of data. Accordingly, preparing us for the imminent invasion of things, a tool called data fusion can be used to manipulate and manage such data in order to improve process efficiency and provide advanced intelligence. In order to determine an acceptable quality of intelligence, diverse and voluminous data have to be combined and fused. Therefore, it is imperative to improve the computational efficiency for fusing and mining multidimensional data. In this paper, we propose an efficient multidimensional fusion algorithm for IoT data based on partitioning. The basic concept involves the partitioning of dimensions (attributes), i.e., a big data set with higher dimensions can be transformed into certain number of relatively smaller data subsets that can be easily processed. Then, based on the partitioning of dimensions, the discernible matrixes of all data subsets in rough set theory are computed to obtain their core attribute sets. Furthermore, a global core attribute set can be determined. Finally, the attribute reduction and rule extraction methods are used to obtain the fusion results. By means of proving a few theorems and simulation, the correctness and effectiveness of this algorithm is illustrated.