外力对逆磁致伸缩索力传感器影响研究

基于索力传感理论模型和环式结构的索力传感器,对索力测量原理做了推导,传感器输出感应电压与激励磁场变化、外力变化、某一激励磁场下的材料磁导率及空气间隙尺寸、线圈密度等有关.重点分析了加载外力对传感器输出的影响.在稳恒直流激励下,当外力缓慢变化时可通过感应积分电压反映外力;当外力交流变化时,可通过感应电压求得外力,感应电压幅值与加载外力的频率成正比.最后,确定模拟实验参数,对传感器进行了仿真.结果表明当外力缓慢变化时,感应积分电压与外力成线性关系,传感器的灵敏度与线圈匝数.材料逆磁致伸缩系数成正比.     

一种新型铁路天窗分析与探讨

利用列车运行图,采用模拟分析的方法,分析计算了双线自动闭塞线路上V型天窗和X型天窗的在空间域上列车运行线集,由此得出了开设X型天窗比V型天窗使列车正常运行所要受的约束条件多。在此基础上提出了V—X混合型天窗,经计算表明,该维修天窗性能优于V型和X型天窗。     

影响图及遗传算法的私人信息推测

市场竞争中,准确推测竞争对手的私人信息对于竞争者掌握竞争的主动权具有重要意义。以影响图作为竞争对手的决策模型,以对手的目标是使整体决策的总期望效用最大,而不仅仅是使每一步决策获得最大效用为准则,根据所观测到的竞争对手的决策行为,利用遗传算法推测对手的自然信息、决策信息或效用信息。实验结果表明,所提方法是正确有效的。     

影响最大化问题中基于K-truss的投票改进算法

在社交网络的影响最大化（IM）问题中,近似算法通过大量的Monte-Carlo模拟计算节点集的影响范围,导致时间复杂度提高,而多数启发式算法在具有不同拓扑结构的图上存在稳定性较差的问题。提出基于K-truss的改进投票算法TrussVote。在投票阶段,通过引入K-truss的相关理论及算法定义节点的有效投票能力,用于表示节点对其不同邻居的投票倾向,同时在计算得票分数时考虑边的传播概率,提高解决IM问题的效率。在每轮投票结束后,将得票分数最高的节点选为种子节点。在更新阶段,结合节点间的相似性指标定义衰减因子,以有效区分邻居节点投票能力的弱化程度。此外,基于IC模型下的原始传播结果,提出传播差异作为传播范围的等价分析指标。在不同规模真实网络数据集上的实验结果表明,相比RNR、VoteRank++等算法,该算法不仅能有效降低时间复杂度,而且可在最短的时间内感染更多的节点,具有广泛的影响范围。     

带权定性影响图

定性影响图是具有精确概率和效用的影响图的定性抽象。在定性影响图中,节点之间的影响关系使用定性符号描述,这种符号描述简化了不确定知识的表示,降低了影响图建模的难度,加速了不确定知识的推理。但是,定性影响图在抽象过程中损失了部分信息,导致定性影响图在评价过程中会产生不确定结果,阻碍了定性影响图的广泛应用。以加权的思想扩展定性影响图,使扩展的定性影响图中每个定性影响都带有一个表示节点间影响强弱的数值权值,在评价过程中根据定性影响权值的比较来减少不确定结果的产生,从而扩大定性影响图的应用范围。     

Effective solution for unhandled exception in decision tree induction algorithms

This paper deals with some improvements to rule induction algorithms in order to resolve the tie that appear in special cases during the rule generation procedure for specific training data sets. These improvements are demonstrated by experimental results on various data sets. The tie occurs in decision tree induction algorithm when the class prediction at a leaf node cannot be determined by majority voting. When there is a conflict in the leaf node, we need to find the source and the solution to the problem. In this paper, we propose to calculate the Influence factor for each attribute and an update procedure to the decision tree has been suggested to deal with the problem and provide subsequent rectification steps.     

面向微博话题传播的重要节点测量研究

为了发现在微博网络中对话题传播有巨大影响力的用户,从网络的拓扑结构出发,对微博平台上话题信息的传播进行了研究,测量了话题传播的网络拓扑结构,并利用紧密中心度和介数中心度对传播过程中参与的用户进行了影响力测量。根据测量分析结果,利用随机游走思想,将两种方法进行优化,计算出一个新的参数叫扩张比,用来评价用户在整个话题传播过程中的影响力,实验结果表明优化后的方法能够有效地发现整个网络中影响力最大的重要节点。研究结果有助于控制话题的传播过程,实现网络营销的利益最大化,以及提供研究个人影响力最大化问题新的思路。     

融合用户行为和内容的微博用户影响力方法

为了模拟信息在微博环境中的传播情况,根据微博用户行为(发布、关注、转发和评论等)和微博内容,提出一种融合用户行为和内容的微博用户影响力算法。通过对微博用户行为的分析,得到行为因子数据,进而计算出用户影响力的权值。利用微博用户内容建立词共现矩阵,继而运用狄利克雷分配(LDA)模型进行潜在主题分布的识别,通过KL(Kullback Leibler)散度的方法得到用户之间的相似性,最后结合用户影响力权值,得到用户的影响力。实验表明,此算法较为有效。     

基于PageRank的社交网络影响最大化传播模型与算法研究

社交网络中影响最大化问题是指找出最具有影响力的k个节点,使得最终社交网络中被影响的节点最多,信息传播范围最大。针对影响最大化问题,目前已存在一些基本传播模型,但是这些模型没有考虑网络中节点的相关性和重要性,而网络中节点的相关性和重要性是衡量其影响力的一个重要指标,因此,提出了一种基于网页排名算法的信息传播模型(PageRank-based Propagation Model,PRP),然后利用贪心算法来近似求解影响最大化问题。实验结果表明,基于PageRank的传播模型解决影响最大化问题的效果比传统的线性阈值模型、加权级联模型和独立级联模型的效果更好,影响力范围更大。     

大学生生活方式二重性研究——基于网络二重属性的影响

网络自然属性与社会属性既相互联系又相互区别;大学生生活方式自然属性与社会属性也相互联系并相互区别;网络二重性对大学生生活方式二重性产生直接的影响。网络的自然属性重塑大学生的社会结构,二重地改变着大学生生活的时空结构。网络的社会属性削弱大学生现实社会关系的不平等性;改变大学生生活的社交范围,并为其提供更新的社交方式;二重地影响着大学生的思想与心理。