BP网络在嵌入式大气数据传感系统中的应用

研究了BP人工神经网络在嵌入式大气数据传感系统中的应用.提出了以BP网络为基础的动、静压和修正参数的改进算法,并对其应用Matlab软件进行了验证.改进算法首先应用广义逆矩阵简化方程组,然后应用BP网络求解非线性方程.计算结果表明,改进算法在精度、可靠性等方面可以满足系统的设计要求.在实时性上由于改进算法避免了迭代运算,达到同样的精度所需要的计算时间只相当于原有算法的5%,比迭代方法具有更大实时性优势.     

网络舆情热点话题聚类方法研究

主流的热点追踪算法都采用文本聚类技术来实现,在处理海量网页时,很难精准聚合中心结果,离需要的热点差距太远.现有的网络舆情系统监控的范围受限于使用者给出的关键词,使系统无法监测使用者未知的突发事件.针对网络舆情发生和传播特点,改善舆情信息采集策略;网络舆情的相关页面标题文字主题鲜明,据此提出自动挖掘热点关键词并根据关键词进行话题聚类的方法;根据新闻、论坛和博客的不同特点分别设计网络舆情热点分析模型.在此基础上,设计并实现了一个网络舆情监测系统.系统实际运行表明,该方案可以及时发掘热点话题并对突发事件实时追踪监测.     

基于遗传优化BP网络的汽轮发电机故障诊断

针对汽轮发电机组的振动故障诊断的特点,分析了BP网络和遗传算法原理和缺陷.为了克服BP算法中存在的网络学习速度慢,容易陷入极小的问题,在运用改进遗传算法的基础上,探讨了一种自适应遗传神经网络算法,并将其应用于汽轮发电机组故障识别.实验数据表明,该算法可以克服BP网络的不利影响,完成故障信号分析,收敛速度快,能有效地识别故障,具有一定的参考价值.     

改进空间向量模型主题网络爬虫系统

详细阐述了主题网络爬虫实现的关键技术, 将传统的空间向量模型进行改进形成自适应的空间向量模型, 结合网页内容和链接两个方面进行网页相关度计算, 设计并实现了一个面向主题的网络爬虫系统. 针对主题网络爬虫爬行中出现的页面捕捉不全问题还提出了一种改进的手动与遗传因子相结合的网页搜索策略. 最后给出实验结果, 证明该系统的可行性及优越性.     

基于改进BP网络的车牌字符识别方法研究

介绍了车牌自动识别的过程和原理、车牌识别中所需要的关键图像处理技术,并对BP神经网络算法进行了阐述.结合目前车牌编制的特点,基于BP神经网络原理对车牌自动识别技术中的字符识别技术进行了新探索,提出了适用于新<机动车登记规定>车牌编制方法的神经网络结构和识别算法.通过恰当设置BP网络隐层节点数,详细介绍了改进BP网络算法步骤,分析了易混字符,并用MATLAB进行了实验,实验结果表明,改进网络结构后的方法识别准确率高、识别过程速度快、系统鲁棒性强.     

Snort平台下基于BP网络的预处理插件

在Snort平台使用预处理插件的基础上,提出使用BP神经网络实现一个入侵检测预处理插件.该插件使用改进的BP算法,分为训练部分和检测部分.训练部分是独立的系统,使用样本数据训练得出网络结构参数;检测部分作为插件使用得到的参数构造BP网络并集成到snort中.给出了插件训练部分的详细实现方式,实验结果表明,该插件对异常网络数据包具有较高的检测率,是一种有效的入侵检测系统插件.     

和声搜索算法改进BP网络在水质评价中的应用

针对BP神经网络收敛速度慢,容易陷入局部极小值的缺点,提出了用和声搜索算法优化BP网络连接权和阈值的方法改进神经网络,并通过对水质评价指标的分析,建立了水质评价问题的数学模型,结合指标PH、DO、COD、NH3将和声搜索算法改进的BP网络应用于所建立的模型中进行求解;实验结果表明,和声算法改进BP网络在一定程度上可以使网络收敛速度加快和避免局部极小,准确评价出水质的级别。     

基于改进免疫克隆算法的BP网络权值优化

在简单分析了BP网络的缺陷以及应用遗传算法来优化网络权值存在的不足之后,采用了一种免疫克隆算法对BP网络的权值进行优化,并对算法的变异算子进行了改进,改进后的变异算子把高斯变异与柯西变异有效地结合在一起,兼顾了精确的局部搜索与大范围搜索的优点,在扩大算法搜索范围的同时也保证了算法搜索的精细度.仿真实验结果表明,改进后的免疫克隆算法不仅有效地提高了BP网络学习的速度,还很好地改善了算法收敛性能,克服了遗传算法收敛速度慢,易陷入局部极优的缺点,可以成功地应用于BP网络的权值优化.     

改进算法的BP神经网络水质评价模型

在分析BP神经网络算法的基础上,提出了水环境质量评价的改进BP神经网络模型,并编制了相应的程序.将模型运用于流域水质综合评价中,结果表明改进的BP神经网络模型通过变步长法和加入动量项的方法不仅可以减少训练的次数,避免网络训练陷入平坦区,还可以提高网络的精度,减小全局误差.相应所开发的评价系统简单易用,具有广泛的应用前景.     

基于动态递归网络PID自适应控制器设计

本文分析了改进的ELMAN网络的结构,并讨论了神经网络的学习算法,针对BP算法的缺陷,提出了用遗传算法修正网络权值的学习算法.本文不仅将采用遗传算法进行训练的改进ELMAN网络应用于电阻炉加热系统的建模,而且针对该系统的特点提出了一种带预测模型的神经网络PID自适应控制器,并最后将该控制器应用于电阻炉温度控制,取得了良好的控制效果.     

基于情感词典扩展技术的网络舆情倾向性分析

随着Web2.0时代的到来,网络已逐渐成为反映社会舆情的重要载体之一,网络舆情发现及网民的观点和倾向性挖掘也成为新的研究热点,但是目前尚无有效反应网民对热点事件或话题总体态度的舆情分析系统.本文针对网民关于话题评论简单、数目众多的特点,应用HowNet和NTUSD两种资源对现有情感词典进行扩展,建立了一个新的、具有倾向程度的情感词典.基于扩展的情感词典,开发了一个半自动化网络舆情分析系统.该系统能够为用户提供更加细致、准确的评论倾向性分析结果.     

Social sentiment sensor: a visualization system for topic detection and topic sentiment analysis on microblog

As a new form of social media, microblogging provides platform sharing, wherein users can share their feelings and ideas on certain topics. Bursty topics from microblogs are the results of the emerging issues that instantly attract more followers and more attention online, which provide a unique opportunity to gauge the relation between expressed public sentiment and hot topics. This paper presents a Social Sentiment Sensor (SSS) system on Sina Weibo to detect daily hot topics and analyze the sentiment distributions toward these topics. SSS includes two main techniques, namely, hot topic detection and topic-oriented sentiment analysis. Hot topic detection aims to detect the most popular topics online based on the following steps, topic detection, topic clustering, and topic popularity ranking. We extracted topics from the hashtags using a hashtag filtering model because they can cover almost all the topics. Then, we cluster the topics that describe the same issue, and rank the topic clusters via their popularity to exploit the final hot topics. Topic-oriented sentiment analysis aims to analyze public opinions toward the hot topics. After retrieving the topic-related messages, we recognize sentiment for each message using a state-of-the-art SVM (Support Vector Machine) sentiment classifier. Then, we summarize the sentiments for the hot topic to achieve topic sentiment distribution. Based on the above framework and algorithms, SSS produces a real-time visualization system to monitor social sentiments, which is offering the public a new and timely perspective on the dynamics of the social topics.     

基于价值累加理论的网络热点事件舆情研判及系统实现

基于价值累加理论分析网络热点事件的演变过程,确定触发因素的出现、共同信念的形成、行动动员的完成是事件演变的三个关键环节,设计监测模型,对事件舆情中的敏感因素、情感的形成及扩散进行分析判断。在此基础上,构造网络舆情热点信息智能监测平台系统(NPOIMS),以我国西部地区的x市为实例对象,架构舆情监测系统,监测与x市有关的各类舆情信息,提炼热点词语,进行舆情研判,提供分析报告,为相关部门提供舆情引导和事件应对的信息参考和决策支持。     

基于百度贴吧的高校网络舆情热点话题分析

高校网络舆情是大学生在校园背景下,对网络上直接关系到大学生或者自身感兴趣的公共事件所持态度、认知、意见、情感交叉的集合。随着网络应用的普及,高校网络舆情可能朝着任一个不可控的方向发展,因此,高校网络舆情研究是高校管理中的重要工作之一。本文以百度贴吧中的泰州学院吧为数据源,利用网络爬虫采集泰州学院吧主题帖内容和回帖数量作为实验数据,通过Python数据分析技术分析高校网络舆情的热点话题,并通过数据可视化技术进行数据分析结果展示,基于数据分析结果研究高校网络舆情热点话题成因与影响,最终提出相关引导策略以促进互联网环境下大学生全面发展和推进校园和谐建设。     

网络热点话题传播的脉冲时序行为动力模型

微博、论坛等交互式网站上的热点话题是网络舆情的源头与集散地,早期发现与预测网络热点话题是舆情控制的关键。针对交互式网络热点话题,Yasuko Matsubara等人对信息传播的模式进行了建模,提出了SpikeM模型,该模型可以较好地反映信息传播的模式。但是针对热点话题呈现多峰的情况,该模型则无法拟合。且该模型假设针对某一事件,每个网络用户只能发布一次消息,这与实际情况不符。从实际情况出发（针对同一话题,网络用户可以多次发布消息）,提出了脉冲时序行为动力模型（PTSDM）。假设多次发布消息的用户数服从幂律分布,从用户行为的角度分析话题的特征,在模型中引入脉冲干扰,使模型更具随机性,更符合客观实际,从而可以拟合不同类型的热点话题。采用两个数据集作为测试样本,进行了实验,实验表明了所构建模型的有效性。     

一种话题演化建模与分析方法

根据时序关系将文本流划分为连续时间片中的文本集, 在线抽取各时间片中隐含的子话题, 采用模型选择方法动态确定各时间片包含的子话题数, 以历史时间片的子话题信息作为当前子话题发现的先验知识, 基于 OLDA (Online latent Dirichlet allocation)模型抽取各时间片包含的子话题, 通过 Gibbs 抽样对话题模型参数进行估计; 对子话题进行关联分析, 定义子话题产生、消亡、继承、分裂和合并五种演化类型, 提出基于相对熵的子话题关联分析方法, 根据子话题语义相似度和时序关系建立子话题间的关联, 由具有时序关系和内容关联的子话题组成话题, 通过子话题内容和强度的变化描述话题演化. 基于真实网络新闻的话题演化分析实验表明, 本文提出的话题演化分析方法能够有效检测 网络新闻话题内容和强度的演化.     

面向应急管理的事故和灾害网络舆情监管系统

系统基于Hadoop框架,利用MapReduce编程模型,采用K-means聚类算法,结合实际舆情处置工作流程,将舆情监测、处理、分析、上传下达等功能融为一体.面向应急管理服务,针对主要灾害及政务类网络信息开展全天候监测,第一时间获取事件与灾害"原生态"舆情数据,并实现热点话题的快速识别与跟踪处理.通过省-市-区三级用...     

基于关联规则的热点事件时序分析方法

热点事件在发展过程中包括多个相关话题,分析多个话题在时序上的演化和传播路径,能够深层次把握热点事件产生、发展、消亡的具体细节。为此提出一种基于关联规则的热点事件时序分析方法。首先将关联规则算法并行实现获取多个时间片的频繁关键词集;然后筛选所有频繁关键词集的关联规则形成关联规则集,从而得到多个话题关键词集合;最后根据关键词集合分析热点事件多个话题的演化和传播路径。实验表明,该方法能够全面有效地跟踪热点事件的动态变化过程,为网络舆情监控和管理提供借鉴和支撑。     

基于语义块的事件倾向性分析研究

事件的倾向性分析对网络舆情分析和事件趋势分析都具有重要意义。该文把影响倾向性分析的词语分为四类 对象词、褒贬词、逻辑词和程度词,建立了语句倾向性分析的二元模型和三元模型,在语句语义块分析的基础上实现对语句和篇章的倾向性获取。实验中首先确定三个事件实例的关键对象和立场,然后根据语句倾向性分析获得文章对于对象的褒贬态度和立场。实验表明语义块的范围限制有助于提高事件倾向性分析的准确性,立场分析则是事件倾向性分析的关键所在。     

基于两级传播理论的舆论超网络传播分析

社交网络挖掘可以使人们更好地认识信息在网络中的传播规律,分析信息在事件中的传播特点。现有的文献研究主要集中于舆论事件社交网络的静态建模,以及针对一些共性特点的仿真验证,而对舆论事件模型结构变化的讨论较少。本文尝试从两级传播理论出发,采用三层超网络结构对舆论事件不同时段构建传播分析模型,给出舆论演化分析度量指标,挖掘超网络结构变化的特点,探索舆论酝酿期积蓄力量的潜在因素。以长生疫苗事件进行分析,发现需要在酝酿期有多样化的意见领袖不断在各个话题中进行牵引,在积累了潜在的舆论人群之后才能促成舆论爆发。