建筑用户行为节能潜力评估新方法

现有建筑用户行为节能潜力评估方法未能充分考虑不同用户之间的差异性,从而显著降低了评估结果的准确性。针对此种不足,提出一种行为节能潜力评估的新方法。通过主成分分析对用户行为影响因素进行降维处理,在此基础上,采用数据挖掘方法中的聚类分析技术对样本用户进行合理分类,并针对不同类用户特征分别进行节能潜力评估。由于该方法既全面考虑了同一用户不同因素的影响,又充分体现了不同用户之间的差异性,可显著提高评估结果的准确性。通过将其应用于湖南省3所高校100名研究生用户电脑待机行为的节能潜力评估表明,该方法有效可行。     

基于业务用户行为的计算机动态取证评估模型研究

对复杂信息系统的业务用户行为和网络取证进行了研究,结合木马技术提出了基于业务用户行为的计算机动态取证评估模型,该模型构建了基于云模型的业务用户行为定量评估方法。通过仿真实验验证了模型评估的合理性,同时验证了该模型能实时隐蔽地记录用户行为,并能确保将获取的信息反馈给取证控制端,为计算机动态取证的研究提供了一种可行的技术方案。     

基于多维行为分析的用户聚类方法研究

聚类分析是数据挖掘中一项重要的技术,通过对多维用户行为的聚类分析,可以从用户层面来帮助管理人员得到更为精确和有效的用户评价信息。该文首先从用户行为数据中提取多维用户行为特征,之后采用基于互信息的无监督特征选择(UFS-MI)模型对提取的特征进行排序、筛选并确定权重,得到每个用户行为的加权特征向量。根据用户行为之间的相似性构造网络,然后通过Blondel社团划分算法对用户行为网络进行聚类分析。在某公交线路的实证数据集上的实验结果表明,该方法的准确率为92%,比传统聚类算法K-means的准确率有明显提升,研究结果可以为公交公司的管理层在进行统一管理和培训时提供参考。本文的工作拓展了网络科学在多维用户行为数据聚类分析的应用范围,丰富了多维驾驶行为数据聚类分析的思路,为决策者提供参考依据。     

权重均衡优化的Web用户行为的信任评估

针对Web用户信息的安全问题,提出了一种主客观相结合的用户行为信任评估模型.通过熵权法确定客观权重,通过层次分析法确定主观权重,进一步得到优化的集成权重.通过引入基于滑动窗口的长期量化评估机制和对不同类型证据的无量纲化处理,最终计算出用户行为的信任评估值.实际应用和理论分析结果表明,该模型在满足主、客观相对平衡的优化条件下,可以更准确地得出单次和长期用户行为的信任评估值,对诸如电子商务、网络金融等关键网络应用用户行为的高可靠性判断奠定了坚实的理论和实践基础.     

基于LSTM的川西北地区降雨型泥石流预警方法

为研究降雨型泥石流与降雨量的关系,通过分析四川省甘孜州丹巴县近20年泥石流灾害与降水量的关系发现,当前期累积降水量(前10 d)达到50 mm以上时,发生泥石流灾害的概率为55％;当12 h降水量达25～40 mm时,泥石流发生的概率为45％;当24 h降水量达25～40 mm时,泥石流发生的概率为9％.采用LSTM方...     

起重机安全评估的测算数据法

冶金起重机金属结构的事故时有发生，一些大中型冶金企业对起重机的安全检测评估工作已经提取议事日程上来。本文根据多次检测评估工作的经验，分析了实测的局限性、理论计算误差产生的因素，提出了将实测数据和理论计算相结合，得出测算数据，作为安全评估依据的方法。     

基于G-SMOTE和Biased-SVM的内部威胁用户检测

针对目前内部威胁用户检测召回率低及数据类别不平衡的问题,提出一种基于Geometric SMOTE(G-SMOTE)和Biased-SVM的内部威胁用户检测方法.该方法对用户行为进行特征提取,利用G-SMOTE算法在每个威胁用户样本中心定义一个几何区域用于生成威胁用户样本,保证了训练集中的正常用户、威胁用户的类别平衡;使用Biased-SVM算法设置不同的惩罚因子影响类别权重,提高了模型对于威胁用户的关注.将该方法在CERT 4.2数据集上进行实验,与SMOTE-RF、 SVM算法相比,召回率R分别提高了5.7%和25.1%,F_1值分别提高了2.1%和14%.结果表明,该方法明显提高了威胁用户检测的召回率,有效地改善了内部威胁用户检测中类别不平衡的问题.     

基于用户行为分析的搜索引擎模型

介绍了目前搜索引擎技术发展的进展和研究热点.给出一种从用户点击的反馈信息中提取用户智能的搜索引擎算法.此算法首先给页面设置不同的内容相关度,再实测网页在不同内容相关度下的用户点击率,根据这组相关度和相应的用户点击率数据,可以由差商法或拟合直线法求得最佳的网页内容相关度,这样就可求出最终的索引相关度.实验表明该算法对提高搜索的稳定性和搜索精度有明显作用.     

基于行为感知的用户画像技术

为了在保护用户隐私的同时构建用户画像,提出基于行为感知的用户画像技术. 采用智能手机内置的惯性传感器,可以感知识别用户使用手机的行为（如浏览阅读、打字聊天、通话等）. 通过识别的用户行为挖掘用户特性,如性别、社交性格、压力状态等,构建初步的用户画像. 实验结果表明,利用该方法能够较好地识别用户行为并构建用户画像,其中行为识别的准确率为87.2%,针对性别、社交性格、压力状态3个具体用户特性的预测准确率分别为81.8%、72.7%、72.7%.