面向负面网络舆情的识别与追踪关键技术研究

当前网络负面舆情的追踪技术只完成了以关键词为基础的话题区分,对内部数据的相似性没有进一步研究,子话题的划分过程也过于简单。为了实现对网络负面舆情精准地识别和追踪,研究面向负面网络舆情的识别与追踪关键技术。首先,划分出负面网络舆情的子话题,分析数据对象的相似特性、完成聚类,获得一组子话题聚类的集合;其次,识别负面网络舆情事件,即从海量的事件信息中挖掘并识别出事件的本质,推断事件的因果关系,并对其发展趋势进行预测;最后,实现负面网络舆情话题的追踪。实验结果表明,此方法对负面网络舆情的识别检查的误检率平均值为1.1%,漏检率平均值为0.9%,通过实验结果能够得出此方法在负面网络舆情识别与追踪中具有较高的准确性和可靠性。

基于迭代分形的网络信息智能检索方法

本文为实现高速有效的智能检索,进行基于迭代分形进行网络信息智能检索方法设计,通过对迭代分形编码概述的了解,在此基础上设计网络信息智能检索方法,以设计迭代扩展检索功能为出发点,创建分形模型知识库,在两者基础上构建智能搜索引擎,将检索结果以信息传递的形式发送给用户,最终实现信息高速智能检索目标,通过实验探究此方法的可行性,与传统检索方法作对比,证明此方法检索结果的全面性。

基于微信小程序的毕业生就业信息跟踪系统研究

随着移动互联网的快速发展,微信App已成为大众社交信息传递的重要工具。本系统充分利用微信在移动互联的信息获取、传递的方便和快捷优势,采用微信小程序+Flask+MySQL架构,开发简单快捷,运行效率较高,有力保障系统安全、稳定运行,为学校的就业工作和专业培养方案提供准确、有效的参考数据。

单片机技术在新型汽车领域的应用研究

本文阐述了汽车单片机的特点和组成,重点分析了单片机技术在汽车动力系统及提升汽车安全性能方面的应用,以及单片机技术在汽车领域中应用存在的问题,指出单片机技术在汽车控制系统中的应用有利于提升汽车的安全性、智能性和节能性。

信息互动与协同教育资源整合的信息化教学平台设计

传统教学平台存在信息化数据冗杂和平台响应时间超标等问题,严重影响了平台的正常运行。因此,设计了信息互动与协同教育资源整合的信息化教学平台。硬件方面,设计了SJT8008芯片和TSSOP8存储器;软件方面,构建信息化教学平台软件架构,从整体上把控信息化教学数据,根据信息互动与协同教育资源整合,设计教学数据实时更新算法,实现信息化教学平台设计。平台测试验证了该平台响应时间较短,能够保证平台的正常运行。

增强蚁群算法在移动机器人路径规划的应用研究

针对蚁群算法在移动机器人路径规划中存在的历史路径不能被充分利用的问题,提出一种具有通信机制的增强型蚁群算法。根据自然界中蚂蚁触手的接触特性,对历史路径进行整合,以获得更优的复合路径。为了进一步改进算法,提出一种放大的轮盘赌方法来加速收敛。设计自适应的Sigmoid衰减函数来优化不同阶段的启发式信息。针对死锁问题的各种类型,制定了具体的优化策略并减少了死锁蚂蚁的数量。最后进行了参数确定和对比实验,在简单环境和复杂环境下,所提算法的整体性能明显提高,实验结果证明了所提方法的有效性。

基于水云模型的农田地表土壤水分监测研究

目前,农田地表土壤水分监测方法存在操作复杂、监测范围受限的问题。对此,文章提出了一种基于水云模型的农田地表土壤水分监测方法。首先,文章将土壤样本的投影值与土壤的含量分级表进行对照,判定土壤的基础属性;然后,通过离心法计算不同吸力下的土壤含水率,确定土壤体积含水量和土壤水势的关系;最后,根据土壤水分的空间分布特征的分析结果,采用水云模型对农田地表土壤中的水分状况进行监测。实验结果表明,实验组在4种深度下土壤水分含量的监测精度均高于95%,说明文章方法监测性能较好。

基于混沌和自适应搜索策略的GSO算法分析与优化

针对基本萤火虫群算法在全局优化问题求解过程中存在的求解精度偏低、易陷入局部最优、收敛速度较慢等问题,提出一种基于混沌和自适应搜索策略的萤火虫优化算法(CSAGSO)。利用混沌搜索技术对萤火虫种群进行初始化以得到分布更为均匀、合理的较优初始解;运用混沌扰动优化策略对每一代适应度较差的部分萤火虫个体进行混沌扰动以增强种群多样性和提高全局搜索能力。采用动态步长的自适应搜索策略,并对寻优过程中静止不动的萤火虫个体位置进行更新,加快了算法前期收敛速度,减少了后期震荡现象发生。仿真实验结果表明,优化后的萤火虫算法参数较少并具有较好稳定性,同时在求解精度和收敛速度上都明显优于基本萤火虫群算法。

改进极限学习机的网络流量混沌预测

为了获得更加精确的网络流量预测,降低网络拥塞的频率,提出了改进极限学习机的网络流量预测模型。针对网络流量混沌性分别确定原始网络流量的延迟时间和嵌入维数,采用极限学习机对网络流量的变化特点进行拟合,改进标准学习机,改善学习速度和预测性能,最后通过网络流量数据的预测实验验证其可行性。验证结果表明:与其它网络流量预测模型相比,改进极限学习的网络流量预测结果更加可靠,对网络流量将来变化趋势可以更加准确描述,提高了网络流量预测精度。

基于多层次视觉语义特征融合的图像检索算法

目的为了解决低层特征与中层语义属性间出现的语义鸿沟,以及在将低层特征转化为语义属性的过程中易丢失信息,从而会降低检索精度等问题,设计一种多层次视觉语义特征融合的图像检索算法。方法首先分别提取图像的3种中层特征(深度卷积神经网络(DCNN)特征、Fisher向量、稀疏编码空间金字塔匹配特征(SCSPM));其次,为了对3种特征进行有效融合,定义一种基于图的半监督学习模型,将提取的3个中层特征进行融合,形成一个多层次视觉语义特征,有效结合3种不同中层特征的互补信息,提高图像特征描述,从而降低检索算法中的语义鸿沟;最后,引入具有视觉特性与语义统一的距离函数,根据提取的多层次视觉语义特征来计算查询图像和训练图像的相似度量,完成图像检索任务。结果实验结果表明,与当前检索方法对比,文中算法具有更高的检索精度与效率。结论所提算法具有良好的检索准确度,在医疗、包装商标等领域具有一定的参考价值。

显著性驱动的局部相似拟合模型分割算法研究

灰度不均匀和噪声图像的分割是计算机视觉中的难点。现有的活动轮廓模型尽管能够取得较好的分割效果,但仍然对噪声图像分割效果不理想,初始轮廓曲线的选取敏感,优化易陷入局部极小导致演化速度慢等问题。针对该问题,首先使用局部区域灰度的均值和方差拟合高斯分布,构建新的能量泛函,均值和方差随着能量的最小化过程而变化,从而增强了灰度不均匀和噪声图像的分割能力。此外,结合视觉显著性检测算法获取待分割目标的先验形状信息,并自适应地创建水平集函数,从而降低了初始轮廓位置敏感性及计算时间复杂度,实现全自动的图像分割。实验结果证明,提出的算法可以用于灰度不均匀和噪声图像分割,并取得了较好的分割性能,消除了算法对初始轮廓位置敏感性,减少了迭代次数。

基于像素评估与运动补偿预测误差扩展的视频水印算法

目的为了解决当前视频水印技术因忽略了视频像素特性与时间的相关性,从而出现嵌入失真和水印容量较低等不足,设计一种基于像素评估和运动补偿预测误差扩展的自适应视频水印算法。方法首先,引入运动补偿预测误差扩展方法,预估每个视频帧的像素灰度值,从而获取其对应的运动补偿预测误差。再依据预测误差,计算像素的运动补偿局部标准差,将整个视频分割为平滑和非平滑子块。依据运动补偿局部标准差,结合像素选择阈值,从平滑块中选择出合适的像素用于嵌入水印。依据评估的水印容量与选择的视频像素,针对不同的像素,设计不同的水印嵌入机制,将水印信息隐藏到视频特定的像素中,通过完成边信息的嵌入,从而输出水印视频。最后,构建水印提取方法,从水印图像中检测出初始水印。结果测试数据显示,与当前视频水印方法相比,所提算法具有更高的水印容量和更低的失真度,其最大水印容量为2 bits,提取水印信息的PSNR值在40 dB以上。结论所提算法具有良好的不可感知性与较低的失真,在版权保护、信息防伪等领域具有一定的应用价值。

高职院校计算机专业立体化教材建设现状及对策研究

立体化教材建设是利用现代教育技术完善教材建设工作的,是教材建设和发展的方向,是教育教学改革的基础.目前,高职院校计算机专业立体化教材建设中还存在诸多问题,在综合分析其现状的基础上,针对其存在的问题,提出了立体化教材建设开发应用对策,为高职院校计算机专业立体化教材建设改革提供借鉴.

一种基于通信膜计算的拥堵道路收费模型

针对城市交通拥堵问题,提出了一种利用并行通信膜计算原理的拥堵道路使用收费模型(CMC_DTAM)。在考虑拥堵收费的情况下,建立了出行者的出行决策算法,出行者在交通膜计算中动态进化,外部可以通过调整收费参数来影响出行者决策,进而影响整个系统进化。对CMC_DTAM模型进行了仿真并将该模型与基于粒子群算法的拥堵收费模型(PSO_DTAM)在同一参数条件下进行了比较,仿真实验结果不仅验证了前者的有效性和可行性,而且表明了前者由于考虑了出行者的动态决策,故相对后者则更为符合客观真实情况。

基于R语言的煤炭产品销售预测实证研究

针对目前市场经济环境下煤炭销售管理存在的一些如销售预测不科学、生产规划不合理、销售决策辅助信息匮乏等问题,利用R语言和时间序列分析相关理论,结合某煤炭企业历史销售数据和具体销售预测流程,采用霍尔特-温特指数平滑预测法对一定时期内的煤炭销售进行预测并将预测结果与实际数据作了对比分析。实验结果表明:销售预测具有较高的准确度,预测结果不仅为煤炭销售管理人员提供合理决策依据,而且对加强煤炭销售管理、合理安排生产计划和提高销售利润具有重要意义。

考虑车辆协同与时间延迟的跟驰模型的弱非线性分析

为解决交通系统中合作驾驶引起的交通流问题,提出一种广义力跟驰模型。采用线性稳定性理论分析法推导出模型的线性稳定性条件并分析车辆协同与时滞组合对交通流稳定性的影响。通过非线性分析方法推导出考虑合作与时滞的车辆跟驰模型的Burgers方程与KdV方程,并给出它们的孤立波解及约束条件。利用解析法与数值分析法研究交通波演化过程中合作最优速度(OV)模型。实验结果表明,合作与延迟是依赖于模型的,车辆协同作用有利于抑制交通阻塞,传感器对延迟车辆的延迟检测在一定程度上有利于缓解失稳效应。

NB-IoT环境下基于区块链技术的智慧停车诱导系统信任评估研究

为解决智慧停车诱导系统中停车场、车辆、RSU设备之间存在的信息交互不可信及交易不可靠等问题,提出了一种基于区块链技术的信任评估机制。首先,通过对比各种通信方案优缺点,选择窄带物联网作为网络环境,搭建基于区块链技术的智慧停车诱导系统整体框架。其次,基于物联网节点行为考虑选择数据分组转发量、传输数据分组的重复率以及传输数据传输时延作为信任评估指标,引入分段线性函数,建立有等级划分的信任评估模型,结合智能合约形成可靠的交易凭证。最后,对基于区块链技术的停车信息交互过程进行优化,保证了信息交互的安全性。本文为智慧停车诱导系统的信任评估机制研究提供可靠理论基础。

引入细节约束因子的半耦合字典学习超分辨率重构模型

为了提升单幅图像的超分辨率重构细节,提出了一种基于细节保持的超分辨率重构方法。针对半耦合字典学习超分辨率算法细节保持不够高的缺陷,采用细节约束因子与半耦合字典交替学习策略。在重构阶段,利用图像水平方向与垂直方向的梯度构建细节约束因子,并引入到半耦合字典学习框架,进一步提高重构精度。为了改进细节约束因子在重构过程中的贡献度,采用边界差异的拉普拉斯分布实现参数的自适应选择。相比于半耦合字典学习超分辨率算法,该方法在峰值信噪比方面平均提升1.5%。实验结果表明,该方法在主观和客观评价标准下均取得了较好的重构效果,提升了超分辨率重构质量。

一种基于序贯Monte Carlo算法的交通事件重构方法

为了能准确地重构出当前道路场景中的交通流事件,需要合适的模型与方法以及能够代表交通流状态的实时数据。基于交通流非线性非高斯的特点,提出了一种基于序贯Monte Carlo方法的交通流堵塞事件重构模型。提出的模型能够不断的同化真实道路上实时的传感器数据使仿真中的交通流状态与真实路况不断接近。通过分析仿真数据推测出当前真实道路上的堵塞事件及其相关属性,并据此在仿真环境中模拟堵塞,进而实现对真实道路上堵塞事件的重构。理论研究和实验结果表明该模型能够根据重构结果评估当前的道路状况,合理推测引起拥堵的位置与堵塞范围。

基于混合深度学习模型的软件漏洞检测方法

为解决传统软件漏洞检测方法检测吞吐率低的问题,基于混合深度学习模型设计软件漏洞检测方法。通过确定软件漏洞检测关键点,提取软件漏洞中的关键点,处理软件漏洞检测数据,剔除与软件漏洞关键点无关的检测数据,基于混合深度学习模型向量化表达软件漏洞特征,运用混合深度学习模型的学习能力检测软件漏洞,实现基于混合深度学习模型软件漏洞检测。设计实例分析,结果表明,设计检测方法检测吞吐率均在3reqs/s以上,远高于对照组的检测吞吐率,能够解决传统软件漏洞检测方法检测吞吐率低的问题。