Spark平台上利用网络加权Voronoi图的分散迭代社区聚类并行化研究

针对当下数据大规模增长对计算能力需求的急剧增长,传统独立运行的机器在大规模网络社区中执行社区检测操作时无法提供所需的数据处理能力的问题,提出一种网络加权Voronoi图的并行分散迭代社区聚类法(NWVD-PDICCM)。利用基于网络加权Voronoi图的分散迭代社区聚类方法(NWVD-DICCM)提取大型网络的有效社区结构。结合并行聚类方法,将DICCM方法的操作从串行过程转换为并行计算。利用执行并行社区聚类时的图分区,通过最小化从属工作者之间的通信来加速该过程。仿真实验结果表明,NWVD-PDICCM可以与一系列计算机架构平台共同运行,并且实现基于Spark平台的并行操作,相比其他几种较新的方法,在大规模网络数据处理能力方面得到显著提升。     

不确定语言信息下的大规模群体DEMATEL决策方法

针对现有不确定语言决策试验和评价实验(DEMATEL)方法大多仅适用于中小规模群体,且未考虑不确定语言变量采用非均匀标度的情况,探讨一种新的不确定语言信息下的大规模群体DEMATEL决策方法.首先,给出一种群体不确定语言DEMATEL矩阵的聚类方法,并对大规模群体DEMATEL意见进行合理分组;然后,定义三维不确定语言密度算子,并对大规模群体DEMATEL意见进行有效集结;最后,提出一种改进的基于不确定语言DEMATEL的指标权重确定方法,并在此基础上进行多属性决策.算例分析验证了所提方法的可行性与有效性,该方法采用非均匀标度来表征和呈现不确定语言变量,而且考虑了大规模群体决策的共识度,使得决策结果更为客观合理且更为可靠.     

文本情感分析方法研究综述

文本情感分析是自然语言处理领域的一个重要分支,广泛应用于舆情分析和内容推荐等方面,是近年来的研究热点。根据使用的不同方法,将其划分为基于情感词典的情感分析方法、基于传统机器学习的情感分析方法、基于深度学习的情感分析方法。通过对这三种方法进行对比,分析其研究成果,并对不同方法的优缺点进行归纳总结,介绍相关数据集和评价指标及应用场景,对情感分析子任务进行简单概括,发现将来的情感分析问题的研究趋势及应用领域,并为研究者在相关领域方面提供一定的帮助和指导。     

基于聚类的离群点检测方法研究综述

离群点检测在数据处理中具有重要研究意义,其检测方法大致可以分为基于统计、基于距离、基于密度和基于聚类的方法。为了及时掌握当前基于聚类技术的离群点检测方法的研究现状,通过归纳与整理,将具有代表性的基于聚类的离群点检测方法进行了介绍和归类,将其主要分为静态数据集中的检测方法、数据流中的检测方法、大规模数据中的检测方法和其他方法等四大类。对每类方法所解决的问题、算法思想、应用场景以及各自的优缺点进行了详细的归纳和分析,指出目前存在的问题以及未来发展方向。     

基于用户兴趣词典和LSTM的个性化情感分类方法

微博是一个可以分享生活、发表看法、发泄情感的社交平台,由于数据量大且易于获取,微博数据已被广泛用于网络用户情感分析.传统对微博进行情感预测的研究没有考虑用户的用词喜好、语言风格等个性化因素的影响,使得情感分类结果的准确性不高.首先通过分析用户兴趣特征构建用户兴趣词典,在此基础上提出基于用户兴趣词典的情感分类模型;然后利用长短期记忆网络(Long Short-Term Memory,LSTM)分类准确性高的特点训练一个通用的LSTM分类模型;最后利用支持向量机融合不同模型以得到最终的情感分类结果.实验结果表明,与支持向量机、朴素贝叶斯等传统分类器相比,基于用户兴趣词典与LSTM的个性化情感分类方法在分类精度上有较大提升;与LSTM、循环神经网络等深度学习方法相比,该方法在保证运行效率的前提下能获得更高的分类精度.     

基于Z-buffer算法优化的大型变电站场景模型快速线消隐方法

针对现有三维模型消隐方法面向大规模三维场景模型应用中存在的计算复杂、耗时长等缺陷, 本文提出了基于改进 Z-buffer 算法对大型变电站场景消隐的快速可视化方法。首先,为了简化计算,将场景模 型数据整合并重构;其次,通过透视投影变换将变电场景模型像素化;进一步,基于 Z-buffer 算法高效的像素 化计算特性提出了快速模型筛选方法,从而得到变电场景的子模型遮挡关系。最后,实验中将所得遮挡关系列 表融合现有消隐算法,结果表明本文提出的方法能够大幅度提升消隐的运算性能。     

以精益生产为基础,满足车轮产品大规模定制需求

介绍了马钢车轮公司以精益生产为契机,通过控制带出品率、对于产品生产周期实施管理、主工序与附工序生产分离、主工序实现快速换型、提高生产流程与生产单元柔性、统筹工艺设计等举措,满足车轮产品大规模定制的需要,实现合同兑现率的不断提高和客户满意度的持续提升,有力支持了车轮产品在不具备规模效应的前提下成本的持续下降。     

Coursera的盈利模式分析

对大规模开放网络课程(Massive Open Online Courses,以下简称MOOC)的典型平台Coursera的盈利模式进行分析,是研究MOOC可持续发展的需要,也是中国MOOC发展需要解决的问题.盈利模式有利润源、客户价值及经营活动3个关键因素.Coursera平台的盈利模式是采取证书收费、合作分成的利润源,客户价值是采用多元化课程、灵活的课程体系结构及增强用户体验,经营活动是采取多渠道合作模式及全球化战略.     

基于特征选择技术的情感词权重计算

在文本情感分析中,情感词典的构建至关重要,然而目前这方面的研究大多集中在简单的词语极性判别上,有关情感词的权重赋值研究较少,且已有的权重赋值方法基本上都需要人工辅助来选取基准词,这给实际应用带来很大的困难. 针对此问题,提出了一种自动的基于特征选择技术的情感词权重计算方法. 首先提出了词语情感权重与文本情感倾向的相关假设;然后针对情感分类,结合二元分类的特性改进了信息增益( information gain, IG)和卡方统计量( chi-square,CHI) ,将特征选择技术应用于情感词权重计算. 实验结果表明:将计算所得的带情感权重的情感词库用于文本情感分类能够提升分类精度.     

一种降维求解机组组合问题的双重粒子群优化算法

考虑机组组合的电力系统动态经济调度是一个高维复杂的非线性优化问题。提出了一种采用降维思想解决大规模机组组合问题的新方法,降维的方式是将对整个调度周期的优化转化为对每个调度时刻依次、分别优化,即将对矩阵的优化转化为对行向量的优化,降低求解维数。结合离散与连续粒子群(particle swarm optimization,PSO)算法,分别得到当前调度时刻最优的机组组合状态及对应的最优负荷分配。采用初始化策略提高初始解质量,并对机组启停、爬坡等约束条件处理,使寻优都在可行域中进行,结合优先次序法及智能调整策略避免算法早熟。算例表明本文方法在经济性上具有很大的优越性,且可明显减少开机机组数目,对于求解机组数较多的大规模系统更具优势。