期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于意见领袖引导作用的网络舆论演化研究 被引量:5
1
作者 周而重 钟宁 黄佳进 《计算机科学》 CSCD 北大核心 2013年第11期287-290,共4页
构建有效的意见交互模型是预测舆论发展趋势的关键,但传统意见交互模型的构建环境是封闭的社交网络。为了构建动态的虚拟网络环境下的意见交互模型,提出一种基于意见领袖引导作用的网络舆论演化分析方法。该方法充分考虑了网络环境和不... 构建有效的意见交互模型是预测舆论发展趋势的关键,但传统意见交互模型的构建环境是封闭的社交网络。为了构建动态的虚拟网络环境下的意见交互模型,提出一种基于意见领袖引导作用的网络舆论演化分析方法。该方法充分考虑了网络环境和不同意见传播者的特点。实验结果显示,提出的方法可以很好地模拟网络舆论的演化过程和预测网络舆论的未来发展趋势。 展开更多
关键词 网络舆论 意见检测 情感分析 意见领袖 意见交互模型
下载PDF
一种改进的K近邻法在模式识别中的应用 被引量:5
2
作者 周而重 逄玉俊 《沈阳师范大学学报(自然科学版)》 CAS 2007年第4期475-478,共4页
针对传统K近邻法的缺陷,改进的K近邻法首先对训练样本进行聚类,将样本的特征空间划分成若干满足一定条件的小超球体,然后依据最近间隔值在这些小超球体内搜索待分类样本的K个近邻点.算法通过特征选取,选出反映样本模式重要信息的特征,... 针对传统K近邻法的缺陷,改进的K近邻法首先对训练样本进行聚类,将样本的特征空间划分成若干满足一定条件的小超球体,然后依据最近间隔值在这些小超球体内搜索待分类样本的K个近邻点.算法通过特征选取,选出反映样本模式重要信息的特征,从而确保了聚类的质量.同时K近邻算法中引入的最近间隔值,既确定了近邻点的搜索半径,又保障了搜索的准确性.通过实验证实,该方法不但节省时间,还有较高的识别率. 展开更多
关键词 K近邻法 聚类 特征选取
下载PDF
基于遗传算法的神经网络分类器优化设计 被引量:2
3
作者 周而重 逄玉俊 《沈阳大学学报》 CAS 2006年第5期96-99,共4页
依据神经网络分类器的设计原理,设计了一种有效的遗传算法.实验结果表明:算法优化后的神经网络分类器不但学习速度快,还能保证分类精度.
关键词 BP神经网络 遗传算法 遗传算子
下载PDF
改进电池SOC估算方法研究
4
作者 杨孝敬 周而重 《电源技术》 CAS CSCD 北大核心 2016年第9期1840-1841,1847,共3页
针对传统的荷电状态(SOC)估算方法估算动力电池荷电状态精度不高,对混合动力系统中动力控制器的正常运作有很大影响,使得节能效果大大降低,从四线法和能量守恒定律对电池内阻测量出发,提出了一种改进的电池SOC估算方法,该估算方法不但... 针对传统的荷电状态(SOC)估算方法估算动力电池荷电状态精度不高,对混合动力系统中动力控制器的正常运作有很大影响,使得节能效果大大降低,从四线法和能量守恒定律对电池内阻测量出发,提出了一种改进的电池SOC估算方法,该估算方法不但能够估算电池恒定大电流和小电流放电,同时也非常适合变电流放电工况,在变电流放电工况下,新的电池SOC估算方法的估计值误差明显小于5%,因此具有较高的估计值精度。 展开更多
关键词 混合动力系统 荷电状态 电池 能量守恒 四线法
下载PDF
机器学习在模式识别中的应用研究 被引量:6
5
作者 杜明 周而重 《科技信息》 2009年第9期37-38,60,共3页
近年来,机器学习已成功应用于模式识别领域,并且随着研究的深入,机器学习的相关算法和理论又得到了完善和扩展。本文将阐述机器学习的基本概念,分析应用在模式识别领域的若干机器学习算法。
关键词 机器学习 遗传算法 人工神经网络 支持向量机 K-近邻法
下载PDF
一种基于用户网络签到行为的地点推荐方法 被引量:1
6
作者 周而重 黄佳进 徐欣欣 《计算机科学》 CSCD 北大核心 2015年第10期232-234,261,共4页
基于位置的地点推荐服务日益强调用户的个性化需求。对此,可通过社交网站上用户与其好友之间、用户与签到地点以及地点与地点之间的关联,来从用户的网络签到行为中总结出用户的出行特点,从而提出一种基于用户网络签到行为的个性化地点... 基于位置的地点推荐服务日益强调用户的个性化需求。对此,可通过社交网站上用户与其好友之间、用户与签到地点以及地点与地点之间的关联,来从用户的网络签到行为中总结出用户的出行特点,从而提出一种基于用户网络签到行为的个性化地点推荐方法。该方法通过融合用户对地点的个人偏好程度、地点自身属性对用户的影响程度以及用户好友对地点的推荐程度,来筛选出候选地点中满足用户个性化需求的地点。实验结果验证了该方法在一定场景下的可行性和有效性。 展开更多
关键词 地点推荐 个人偏好 地点影响力 好友推荐
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部