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。     

面向社交网络信息源定位的观察点部署方法

准确地定位社交网络上的信息扩散源点,对于网络信息扩散控制具有重要的现实意义。现有的一种可行方法是通过在网络中观察点搜集的过程信息对扩散源进行定位,定位准确率与观察点的选择紧密相关。针对网络中的信息扩散源定位问题,提出了一种网络观察点优化部署方法。考虑单信息源的信息扩散过程,首先分析了特定信息源定位准确率与观察点部署位置之间的关系,以此为基础,发现了与任意信息源定位准确率相关的关键因素。提出基于r覆盖率的观察点部署策略,以观察点集合的r覆盖率作为目标函数,实现了r覆盖率优先观察点选取算法。在模型网络与实际网络上进行了实验,验证了该方法的有效性。提出的观察点部署策略对于网络谣言、计算机病毒的控制具有重要意义。     

支持Web2.0标签层次体系构建的关系识别及层次组合方法研究

从标签系统中生成层次体系可以支持多种类型的应用,具备重要的意义.当前的研究主要集中于发现标签间的关系,但对如何利用这些关系形成高质量的层次体系却关注不足.针对这一现状,研究了支持Web 2.0标签层次体系构建的关系识别及层次组合方法,通过分析并识别已发现的标签间关系所具有的不同类型提升了标签间关系的质量,并提出基于语义流动分析的层次组合方法实现了更高质量的层次体系构建.应用多种评估指标的实验结果表明应用关系识别及使用语义流分析方法可以获得相比评估方法更高质量的标签层次体系.     

支持Web2.0标签层次体系构建的关系识别及层次组合方法研究

从标签系统中生成层次体系可以支持多种类型的应用，具备重要的意义.当前的研究主要集中于发现标签间的关系，但对如何利用这些关系形成高质量的层次体系却关注不足.针对这一现状，研究了支持Web 2.0标签层次体系构建的关系识别及层次组合方法，通过分析并识别已发现的标签间关系所具有的不同类型提升了标签间关系的质量，并提出基于语义流动分析的层次组合方法实现了更高质量的层次体系构建.应用多种评估指标的实验结果表明应用关系识别及使用语义流分析方法可以获得相比评估方法更高质量的标签层次体系.     

一种基于深度卷积神经网络的太阳能电池片缺陷检测方法

太阳能电池片缺陷检测是太阳能电池板可靠运行的重要保证。基于计算机视觉技术的机器学习类缺陷检测方法存在诸如需要人工特征选择、训练参数过多以及某些缺陷类型检测效果差等问题。提出了一种基于深度卷积神经网络(DCNN)的太阳能电池片缺陷检测方法。该方法以区分缺陷类别为检测目标，以太阳能电池片图像作为输入，构建一个包含3个卷积层、1个池化层、1个全连接层和1个输出层的深度网络。在训练网络参数的过程中，提出了参数个数优化策略，参数调整算法以及应对过拟合问题的措施。在数据集上的实验结果表明，DCNN方法对太阳能电池片的缺陷检测准确率可以达到97%以上，F值可达0.690。该方法在各个缺陷类别的检测准确率均要高于现有方法，其即时检测速度能够满足现实生产要求。