基于节点态度的社交网络信息传播模型

为了揭示信息在社交网络中传播的内在规律,对社交网络的信息传播过程进行深入的研究,社交网络的信息传播过程除了受信息本身的吸引力和社交环境的影响,同时受节点对消息的态度的影响。然而,现有信息传播模型对节点态度考虑不足,不能体现节点态度的差异对信息传播所产生影响。本文结合传染病模型并考虑节点态度,提出了一种基于节点态度的社交网络信息传播模型,旨在分析节点态度对信息传播的影响,为研究社交网络的信息传播机理提供理论依据。首先,考虑到不同节点的态度及其变化规则的差异,从个体角度出发,基于节点行为定义了节点态度及其更新原则。其次,在传统传染病动力学SIRS模型基础上,结合信息传播与传染病感染扩散类似的传播机理,综合考虑节点态度对信息传播状态转移的影响,利用社会学习理论得到一种基于节点态度的社交网络传播模型。该模型能够分析节点态度对信息传播的影响,给出传播规则,并刻画信息传播的演化规律。最后,采用新浪微博的真实数据对本文的传播模型进行了仿真实验,仿真结果验证了节点态度影响着信息的传播,证明了本文所提模型能够更准确地描述信息传播规律,反映社交网络的信息传播过程。     

在线社交超网络的信息全局传播模型

信息爆炸时代,在线社交网络作为信息传播的主要途径被广泛应用,但在线社交网络中信息传播的动态过程往往难以准确预测和防控。该文引入超图中的超边描述两个或两个以上个体之间复杂的社交关系,利用基于超网络动态演化模型构建在线社交超网络,并结合基于反应过程策略的SIS模型,对在线社交超网络中信息全局传播的动态过程进行理论分析和仿真实验。使用平均场理论得到超网络结构参数与传播率、恢复率之间的解析表达式,并通过仿真实验分析超网络规模、传播率、恢复率、超网络结构参数以及初始传播节点对信息全局传播的影响。进一步,对超网络和复杂网络结构下的信息全局传播过程进行了对比分析。研究结果有助于深层次理解在线社交网络中信息全局传播的传播规律及发展趋势,并为信息侦测和舆情控制等实际应用提供科学依据。     

基于多Agent的微博社交网络信息传播模型

针对传统微博社交网络信息传播模型没有考虑用户个体差异性和用户强弱关系的问题,本文建立了基于多Agent的微博社交网络信息传播模型。将微博用户抽象为Agent,并定义Agent的属性,分析微博社交网络信息的传播机制,定义Agent之间的交互规则,考虑不同强弱关系下影响用户转发信息行为的因素,通过仿真实验探究个体态度、影响力、个体间认同度等因素对微博网络信息传播的影响。仿真结果表明,微博信息的传播呈裂变式扩散模式,微博用户的态度、影响力等因素对信息的传播起促进作用,所提出的相关影响变量对有效利用与管控微博信息传播具有一定的启示意义。     

基于Multiagent的社交网络舆情传播模型

为分析与预测社交网络中舆情传播过程和演化趋势,本文基于Multiagent分布式技术,建立了社交网络舆情传播模型,研究社交网络舆情传播方式,并根据Agent的行为和状态特性,对Agent进行分类,分析Agent的属性特征,通过剖析Agent个体之间的交互微观行为,依据信息价值时效性、信息源覆盖率和信息关注度,对转发行为的影响进行讨论,给出了Agent的决策规则,以网络结构方式体现Agent之间的内在联系。为验证模型的有效性,基于Agent的仿真平台,采用Netlogo 6.0.4进行模拟仿真分析。仿真结果表明,舆情信息的传播与信息价值呈正相关,信息价值越大,越有利于舆情信息的传播,且信息源的覆盖率与转发Agent数和中止Agent数成正相关,信息关注度对舆情传播影响甚大,说明该模型能准确分析和预测网络中舆情传播的演化趋势。该研究对相关人员了解社交网络中舆情的传播具有重要意义。     

一种用于图卷积网络的社交关系方向门控算法

针对社交网络用户态度分析任务中用户之间原有社交关系方向可能阻碍态度信息流动以及标签扩散的问题,提出了一种应用于半监督图卷积网络的社交关系方向门控算法.该算法首先在原有与逆向社交关系方向上分别进行图卷积运算,得到2种用户节点态度特征向量,然后利用门控机制对2种特征向量进行动态融合.扩展了态度信息传播路径的同时,还能够捕捉用户影响力差异,以自动选择态度信息的流动方向.在2个真实热点话题数据集上的实验结果表明,现有图卷积网络在加入该算法之后,其用户态度分析的准确率能够得到有效提升.     

基于概率加权通信社区SIR模型及信息扩散预测方法研究

针对当前电信网如何有效刻画敏感信息传播特性及对信息扩散进行预测的难题,提出了基于概率加权通信社区信息传播模型及扩散范围预测方法,该模型基于复杂网络传播动力学,考虑了电信网通信社区中用户之间的关系紧密程度、不同的用户类型以及社区中结构等因素对于信息传播的影响.采用该模型并通过扩散过程推演方法进行仿真,仿真结果中可以准确得到各类个体随时间演化的变化趋势.     

一种结合深度学习和集成学习的情感分析模型

随着社交媒体的不断发展,用户评价已成为网络决策的关键因素.为了准确分析社交媒体用户评价的情感倾向性,更好地推进舆情分析、推荐算法等工作,本文通过对Bi-LSTM模型和Bagging算法的改进,提出了一种新的情感分析模型—Bi-LSTMM-B模型.该模型的特点在于将深度学习模型可提取抽象特征的优势和集成学习多分类器共同决策的思想相结合.一方面在Bi-LSTM模型的基础上引入Maxout神经元,构建Bi-LSTMM模型,解决随机梯度下降算法中存在的梯度弥散问题,更好地优化训练过程.另一方面,模型基于Bagging算法训练多个情感分类器,根据分类器性能优劣利用袋外数据为每个分类器分配指定类别的权重,并提出相应的改进投票策略,增强了模型的泛化能力.实验结果表明:本文提出的Bi-LSTMM-B模型相比于传统的LSTM模型准确率提高12.08%,其中Maxout神经元的引入对情感分析准确率有8.28%的相对改善效果,改进后的投票策略对准确率有4.06%的相对改善效果,并在召回率和F值两项指标上均优于其他对比模型.由此证明,深度学习模型和集成学习思想相结合可提高情感分析的准确率,并具有一定的研究价值.     

802.11a无线局域网多速率传输模型的实现

针对速率信息的交换、预约时长设置以及相关网络分配矢量的更新和计算,基于碰撞检测的载波侦听多址协议,提出了一种交换速率信息的多速率传输协议RIEMS协议.基于802.11a协议中DCF方式来实现无线局域网RIEMS协议多速率传输的模型,分析得到了影响多速率传输协议性能的参数,完成该模型的仿真.仿真结果表明多速率传输可以大幅度提高网络性能.此模型可以应用于支持非对称信道、ad_hoc网络、高速移动、速率可变宽带无线移动网络的媒体接入控制.     

微博个性化转发行为预测新算法

目前,对微博转发行为预测主要是对所有微博用户的历史数据进行学习,从而得到转发模型.但是这类模型需要对所有用户的转发行为进行全局预测,存在同质性且无法对具体用户进行个性化预测的缺陷.针对这些问题,提出了基于多任务学习的个性化微博转发行为预测算法.对新浪微博进行了数据抓取、分析和特征选择,根据社会学中影响力的理论,针对微博用户之间进行社交信息交流而导致相互影响的特点,引入了多任务学习方法,以逻辑回归预测模型作为基准算法,将预测模型分为全局模型与个性模型进行学习.预测模型把对每个用户转发行为的预测对应为多个任务,根据微博用户间的社交交互对这些任务进行关联.实验结果表明,所提出的模型能够有效地对单个用户的微博转发行为进行预测,并且提高了转发行为预测的准确率.     

基于部分路径的社交网络信息源定位方法

随着微博、微信等在线社交网络的快速发展,社交网络上的不实信息呈现爆发式的传播,往往会引起严重的后果,如何寻找谣言等不实信息在社交网络中的传播源头具有重要的应用意义。该文提出一种面向在线社交网络的信息源点定位方法,与现有的基于观察点的定位方法不同,该方法考虑了传播过程中信息普遍带有的部分传播路径,并以此重构传播过程,修正传播子图,从而更准确地定位信息源点。在模型网络及实际网络上进行实验,说明了该算法的有效性。     

综合时间序列分析和新颖性的信息扩散预测

现有信息扩散预测普遍依赖于社会网络构建,从而引发网络链路估计准确率低,信息扩散预测精度差的问题,为此提出了一种综合时间序列分析和信息新颖性的信息扩散预测方法.通过分析信息在网络节点上扩散随时间的变化特性,对网络节点的全局影响力进行估计,并考虑信息产生至节点受影响的时间差来衡量信息新颖性,进而平移调整节点影响力大小,最终实现信息扩散范围的预测.向斯坦福大学所提供测试数据的实验结果表明,新方法准确稳定地预测了信息扩散范围的实时变化.     

结合改进残差网络和Bi-LSTM的短期电力负荷预测

为充分挖掘电力负荷历史数据的潜在特征,提高短期负荷预测模型的预测精度,提出了一种由改进残差网络（ResNetPlus）、注意力机制（Attention mechanism,AM）和双向长短期记忆网络（Bi-directional long short-term memory,Bi-LSTM）结合而成的残差AM-Bi-LSTM预测模型。该模型将历史负荷、温度和所预测日期的特征作为输入,在Bi-LSTM模型基础上,引入多层改进残差网络提取输入数据的隐藏特征,有效克服了网络隐藏层数加深导致的网络退化问题,使模型的反向传播能力大幅提升;加入注意力机制,分析网络中输入信息与当前负荷的相关性并突出重要信息的影响,从而提高模型的速度与准确率;使用Snapshot策略集成收敛于不同局部极小值的多个模型,以提升模型的准确率和鲁棒性。最后,使用美国ISO-NE数据集进行模拟预测,测试结果表明:所提模型的平均预测精度达到98.27%;在连续的12个月中采用该模型的平均预测精度相比于LSTM模型提高了2.87%;在不同季节下采用该模型的平均预测精度相比于AM-Bi-LSTM和ResNetPlus模型分别提高了1.05%和1.16%。说明所提模型相较于对比模型具有较高的准确率、鲁棒性以及泛化能力。     

基于滑模状态观测器的永磁风电系统最大功率点跟踪控制策略

为了提高传统风能最大功率点跟踪控制的鲁棒性,提出了新的滑模自适应最大功率点跟踪控制策略。由于实际无速度传感器的风电系统变量难以测量,为此构造了滑模状态观测器来估计系统的转速跟踪误差,并基于估计值设计了滑模自适应最大功率点跟踪控制器。最后,基于MATLAB/Simulink仿真平台搭建了完整的风电系统仿真模型。仿真结果表明,在不同风速扰动作用下,所提出的控制策略均能实现良好的跟踪和控制效果,提高了风电系统的鲁棒性,保证了风电系统的最大功率输出。     

基于鲁棒状态估计的永磁风电系统最大功率控制

为了提高传统风能最大功率跟踪控制的鲁棒性,提出新的滑模自适应最大功率跟踪控制策略。由于实际无速度传感器的风电系统变量难以测量,为此构造滑模状态观测器,估计系统转速跟踪误差,基于估计值设计了滑模自适应最大功率跟踪控制器。最后,基于MATLAB/Simulink仿真平台搭建了完整的风电系统仿真模型,仿真结果表明,所提出的控制策略在不同风速扰动作用下能实现良好的跟踪和控制效果,提高了风电系统的鲁棒性,保证了风电系统的最大功率输出。     

基于DSP他励直流电机模糊PID控制器仿真研究

针对他励直流电机调速系统参数模型的非线性、时变性,常规PID控制器参数离线整定带来的非优化的问题,提出一种基于DSP的模糊PID控制器算法,以电流反馈误差及误差的变化率作为模糊控制器的输入变量,采用参数自整定的模糊PID控制器实现PID参数在线优化。以DSP开发系统作为仿真平台,将他励直流电机传递函数转换为差分方程,构成基于模糊PID控制器的数字闭环他励直流电机仿真系统。利用DSP高速运算能力进行在线仿真,观察常规PID控制器和模糊PID控制器产生的系统输出波形。CCS2.0和MATLAB仿真实验表明：模糊PID控制器基本实现输出无超调,系统阶跃响应的上升时间和调整时间均比常规的PID控制器阶跃响应的小。模糊PID控制器应用于他励直流电机调速系统中,控制性能明显高于基于常规PID的调速系统。     

社交网络上基于信息驱动的行为传播研究

针对社交网络上信息与行为的交互作用与协同传播的特点,建立了基于信息驱动的行为传播模型。该模型综合反映了社交网络上信息与行为传播的交互性,以及信息传播的记忆性、时效性与社会加强效果等多种因素对传播的影响。研究发现,信息的时效性、社会加强效果、信息的转播率等模型参量,以及源节点的度与核数、节点的度及与源节点距离等网络参量,都在一定程度上影响行为传播的速度和范围,但各参量在不同环境下发挥不同的作用。     

单车道路段上车辆排队的链式反应模型

为揭示单车道路段上车辆排队的演化规律,描述了车辆排队的形成和消散过程与核裂变的链式反应过程之间的相似性。根据核链式反应原理,建立了单车道路段上车辆排队的链式反应模型体系,包括车辆排队形成模型、车辆排队消散模型和信号交叉口车辆排队模型。利用大连市典型路段的实测交通数据对车辆排队形成和消散模型进行了验证,并运用MAT-LAB软件对不同条件下的交通流进行数值模拟,分析了阻滞信号和消散信号的传播速度对于到达流量和行驶速度的敏感度。结果显示,模型具有较高的精度,可以测算单车道路段上车辆排队的链式反应速度和范围,能够解释车辆排队形成和消散的内在规律。研究成果为解析多车道路段上车辆排队的演化规律以及路段阻塞的链式反应规律奠定了基础,可为解决城市交通拥堵问题提供理论依据,同时为研究交通排队提供新的思路和方法。     

Correlation of the positive stress ratio effects on fatigue crack propagation rate of aluminium alloys based on a new parameter da/dS

In-situ SEM （Scanning Electron Microscope） observation of fatigue crack propagation in aluminium alloys reveals that crack growth occurs in a continuous way over the time period during the load cycle. Based on this observation, a new parameter da/dS is introduced to describe the fatigue crack propagation rate, which defines the fatigue crack propagation rate with the change of the applied stress at any moment of a stress cycle. The relationship is given between this new parameter and the conventional used parameter da/dN which describes the fatigue crack propagation rate per stress cycle. Using this new parameter, an analysis has been performed and a model has been set up to consider the effect of the applied stress ratio on the fatigue crack propagation rate. The obtained results have been used to correlate the published test data and a good correlation has been achieved. This method is very easy to use and no fatigue crack closure measurement is needed, therefore this model is significant in engineering application.     

Layer-Constrained Triangulated Irregular Network Algorithm Based on Ground Penetrating Radar Data and Its Application

In this paper,a layer-constrained triangulated irregular network (LC-TIN) algorithm is proposed for three-dimensional (3D) modelling,and applied to construct a 3 D model for geological disease information based on ground penetrating radar (GPR) data.Compared with the traditional TIN algorithm,the LC-TIN algorithm introduced a layer constraint to the discrete data points during the 3D modelling process,and it can dynamically construct networks from layer to layer and implement 3D modelling for arbitrary shapes with high precision.The experimental results validated this method,the proposed algorithm not only can maintain the rationality of triangulation network,but also can obtain a good generation speed.In addition,the algorithm is also introduced to our self-developed 3D visualization platform,which utilized GPR data to model geological diseases.Therefore the feasibility of the algorithm is verified in the practical application.     

Layer-Constrained Triangulated Irregular Network Algorithm Based on Ground Penetrating Radar Data and Its Application

In this paper,a layer-constrained triangulated irregular network (LC-TIN) algorithm is proposed for three-dimensional (3D) modelling,and applied to construct a 3D model for geological disease information based on ground penetrating radar (GPR) data.Compared with the traditional TIN algorithm,the LC-TIN algorithm introduced a layer constraint to the discrete data points during the 3D modelling process,and it can dynamically construct networks from layer to layer and implement 3D modelling for arbitrary shapes with high precision.The experimental results validated this method,the proposed algorithm not only can maintain the rationality of triangulation network,but also can obtain a good generation speed.In addition,the algorithm is also introduced to our self-developed 3D visualization platform,which utilized GPR data to model geological diseases.Therefore the feasibility of the algorithm is verified in the practical application.