基于多模态信息融合的社交媒体谣言检测研究

社交媒体是当今社会中非常重要的信息传播渠道。由于缺乏有效的监管机制,社交媒体上经常会出现虚假信息、谣言和不实消息。目前有的大多数方法都使用单一的文本或图像特征以及将这两种特征简单的连接,不考虑模态间的关系。文章提出了一种基于多模态的社交媒体谣言检测方法。该方法将图像、文本两种不同的模态信息进行融合,以提高检测的准确性和可靠性。在实验中使用了大量的社交媒体数据集进行测试,结果表明,该方法可以有效地检测出社交媒体中的谣言信息。

基于联合隐式特征的多模态情感分析模型

图文多模态情感分析的任务中,大部分研究专注于图像文本对的显示特征提取而忽略了多模态数据中高层次的隐式语义级特征关联,针对这一问题提出基于联合隐式特征的多模态情感分析模型。在使用RoBERTa和VGG16模型构建显式特征提取模块的同时引入隐式特征提取模块,采用CLIP模型的强泛化能力和高级语义特征学习能力,提取多模态隐式特征;通过对多模态数据的显式特征和隐式特征进行加权融合得到多层次特征向量,最后完成情感分类。在MVSA-Single和MVSA-Multiple两个数据集上进行实验验证了模型的有效性。

基于故障树和贝叶斯网络的故障诊断模型

针对设备故障诊断技术中存在的固有不确定性问题,通过分析传统故障树模型存在的局限性以及传统贝叶斯网络建造困难的特点,提出了一种融合于故障树和传统贝叶斯网络的新方法—诊断贝叶斯网络法,并阐述了故障树和贝叶斯网络的故障诊断策略优化方法的基本思想和具体算法.通过综合分析故障树和贝叶斯网络在诊断推理和模型表达方面的特点得出,新方法可使二者充分发挥优势,有效解决故障诊断中存在的不确定性问题,提高了诊断的准确率,在故障诊断领域中具有一定的实际应用价值.

基于模板匹配的发票号码识别算法

针对数字识别系统中的发票号码识别问题,提出了一种有效的基于模板匹配的发票号码识别算法.通过对发票数字图像进行前期处理以获得单个字符图像,根据印刷体数字二值化后矩阵特点,基于模板匹配的思想,将待识别字符图像与模板图像进行信息区叠加,对叠加后的图像进行不匹配像素统计,从而得到匹配系数,取匹配系数最小值为最佳匹配.结果表明,该方法简单有效,抗干扰性强且识别率较高,识别发票图像准确率可达99%.

多源信息的模糊决策树融合算法研究

针对不确定性问题,提出了一种新的基于知识发现的信息融合的方法.对不确定问题采用精确的数学方法解决会得到不精确的结论,模糊决策树算法可以很好地解决这类问题,并能有效地提取出模糊规则.即利用模糊决策树的ID3算法对测试空间中的大量不确定多源信息数据进行综合分析、处理,建立准确的评估模型,提取隐含其中的规则,最终获取新的知识.此方法已成功应用于吉林丰满水电数字仿真系统中的考核系统.实验证明,这种知识提取方法对处理大量无序、不确定的数据很有效.

关于CSMA/CD协议的数学原理研究

目前CSMA/CD网络已经从单总线型网络发展到了堆叠式网络,但其不确定性始终没有得到解决.基于CSMA/CD总线优先级控制的堆叠式网络,将堆叠式网络抽象为一种r级网络数学模型,从数学原理角度对堆叠式网络结构服从幂率变换定理,在其时间敏感性上以幂率收敛方式优于单总线型网络进行了证明.通过网络吞吐量和网络传输效率性能分析,评价了模型的正确性,最后总结出了CSMA/CD的理论“究竟”,从而拓宽了CSMA/CD在嵌入式工业控制领域的“方便”应用.

基于贝叶斯网络的缺失数据处理

针对贝叶斯网络的数据缺失问题,提出了一种数据修补方法,该方法通过使用一个评分函数来对节点各个状态分别进行评分,得出各个状态对于所属的贝叶斯网络的得分,即各个状态与所属贝叶斯网络的匹配度,最终确定要补充数据的状态.实验证明,此方法可以在贝叶斯网络结构学习或者推理之前对数据进行修补,使其成为完整的数据,有效提高缺失数据的利用率.

基于信息融合的诊断贝叶斯网络研究

针对设备故障诊断技术中存在的固有不确定性问题,通过分析传统故障树模型存在的局限性以及传统贝叶斯网络建造困难的特性,提出了一种融合于故障树和传统贝叶斯网络的新方法——诊断贝叶斯网络,并阐述了故障树和贝叶斯网络的故障诊断策略优化方法的基本思想和具体算法。通过比较分析,综合考虑了故障树和贝叶斯网络在诊断推理和模型表达方面的特点及仿真结果,提出的新方法可以使二者优势充分发挥,在故障诊断领域中具有实际的应用价值。

基于模型融合的贷款违约预测模型研究

在银行贷款服务中,用户的违约行为对于银行来说存在着信用风险损失。用户的相关指标与是否会发生违约行为有着一定关系。针对贷款违约问题,文章提出基于模型融合的贷款违约预测模型,通过预测模型预测用户违约情况,从而降低损失风险。文章基于天池贷款违约预测大赛的数据集,对其数据进行数据分析、处理及数据类型转换等工作,确定违约相关的主要特征,包括贷款金额、贷款期限、贷款利率、分期付款金额、贷款等级、就业年限、年收入、债务收入比等。基于对各类模型的比较,文章选取XGBoost和LightGBM算法,引入Focal Loss损失函数,通过Stacking方法进行融合,搭建出FL-XGBoost-LightGBM违约预测模型。实验表明,引入Focal Loss损失函数的模型精度优于未引入损失函数模型精度;引入Focal Loss损失函数的融合后的模型精度比单一模型的精度高,取得最好的预测结果。

基于改进注意力机制的人体行为识别研究

当今社会,视频监控设备已经广泛地应用于各个城市的公共场所,智能视频监控系统能够在无人工参与的情况下对监控视频中的图像序列进行处理,包括目标的跟踪与识别,行为分析等。然而在视频中可能存在大量无用信息或背景干扰。文章在分析网络模型中存在特征提取不充分以及数据集上人物衣着、拍摄角度、光照及动作背景等因素的基础上,提出一种新型注意力模块IA。IA采用通道注意力与空间注意力相结合的方式,强调重要的特征图或是特征通道的作用,降低不重要特征的影响程度,进而改善效果。把改进后注意力模块接入基础网络并在人体行为识别数据集UCF101、HMDB51中开展实验研究,实现了准确率的提升。

基于时间换算的动态证据组合规则

证据理论在解决多源信息融合问题、尤其是不确定性问题上有独到之处.但证据理论组合规则中对动态证据的权威性问题未进行详细地量化,使得动态证据组合过程中产生偏差甚至导致预测结果与人类思维相反.针对上述不足,提出基于时间换算的动态证据组合规则,即将时间换算函数与证据组合规则有机结合起来,可有效地解决动态证据组合过程中产生的偏差,在组合时考虑证据权威的时变性.为验证其有效性,将其用于丰满电厂主变压器故障预测,试验结果支持了该方法.

基于信息融合的井下图像跟踪

提出了一种新的井下图像跟踪算法图像相关算法与卡尔曼滤波器之间的信息进行融合·此算法基于贝叶斯规则,将一种常用的均方差图像相关算法和卡尔曼滤波器两者信息进行融合,得到一种新的成像跟踪算法·改进后的算法融合了MSD相关器和卡尔曼滤波器两者的信息,使得两者之间的信息反馈增强,提高了跟踪算法的性能和鲁棒性,大大减少了目标失锁的可能性·另外,改进后的算法还融合了噪声的统计性能,提高了对噪声的抑制能力·从理论计算和实验结果看,用这种算法获得的图像比一般相关算法获得的图像更具有真实性和准确性·

基于不同置信度的证据组合规则及应用

使用一种组合来自不同置信度证据源证据的组合方法 ,对于该类问题 ,使用传统Dempster Shafer理论往往得到与直觉相悖的结果·使用有效因子λ衡量证据源的可靠性 ,并将其起引进信任函数 ,所有的证据经过有效性评估后再进行组合 ,并将该方法用于专家系统 ,实验证明 ,即使是同一个专家 ,由于其擅长不同 ,对于不同问题给出结论的可靠性不同 ,给定方法与传统D S理论相比 ,提高了决策的准确性·

基于面向对象XML文档的面向方面模型

目的提出一种XML文档定义的方法,解决XML文档定义仅是一种简单包含关系和应用简单面向对象的功能、代码重复、横切关注点的分散、扩充XML元素时必须对原有元素修改问题.方法利用面向对象及面向方面定义方式方法的优势互补性,将其引入XML文档定义模式XML Schema中,提出基于面向对象XML文档的面向方面定义方式.结果在XML Schema原有定义方式中增加aspect、pointcut和advice几个定义元素的标识元素,并对XML Schema原有定义方式中简单面向对象方法进行扩充.定义XML元素及对元素进行扩充时采用多继承、阻塞、重命名、重载及织入结合,给出相应的表示符号,并用数学模型描述.结论基于面向对象XML文档的面向方面定义方式减少了XML文档定义中代码的重复,提高文档定义的模块性和可移植性.在实际应用中具有一定的可行性.

基于不同模型的中文命名实体识别方法研究

目的:比较条件随机场、长短期记忆模型、BiLSTM-CRF和使用Bert预训练字符向量的BiLSTM-CRF四种命名实体识别模型。方法:分析比较四种模型在人民日报数据集和MSRA数据集上对人名、地点和机构三类实体的识别性能。结果:单一神经网络LSTM在缺乏训练数据支持的结果表现不如CRF,而使用了Bert预训练字符向量的神经网络即使使用较少的训练数据仍能获得较其他模型更好的结果,在人民日报数据集和MSRA数据集上的F值均达到0.9。结论:单一神经网络模型在缺乏训练数据时有较大局限性,使用Bert预训练字符向量的神经网络模型在中文命名实体识别任务中存在较大优势。

考虑成本与要素关系的信息安全风险分析模型

针对信息安全风险评估问题,提出了同时考虑风险要素关系和控制措施作用及成本的风险分析模型.与现有研究成果相比,该风险分析模型的优势在于充分考虑威胁和脆弱性等风险要素相互关系的基础上,更加注重控制措施对威胁和脆弱性等风险要素的影响关系,同时考虑风险处理时控制措施的成本,为风险评估提供更加客观、准确的风险分析方法和有效的控制措施选择与优化策略.案例分析结果表明,利用该多目标决策风险分析模型能够有效地量化风险评估要素间的影响关系,依据控制措施的有效程度和合理成本提供客观、准确的控制措施优选排序,提高风险评估的准确性,从而为信息安全风险管理提供科学的决策依据.

面向对象的XML Bricks研究

XMLBricks作为新型XML文档的应用,已贯穿于Internet应用的许多领域之中.对XMLBricks这种新型的文档的应用进行分析,发现目前对XMLBricks的使用仅是一种简单的包含关系.通过对XMLSchema的扩展,使XMLBricks具有面向对象的某些特性.如:多继承,阻塞,重载等功能.使XML文档定义具有更多的面向对象编程技术方面的功能,并且给出相应的表示符号和公式用来描述面向对象的XMLBricks,更好的实现了XMLBricks的复制机制.减少系统中的代码重复,使之具有较好的模块性和可移植性.

一种新的博弈树迭代向前剪枝搜索

针对博弈树迭代加深搜索和向前剪枝搜索中误剪最佳分支的弱点,利用向前剪枝搜索与预评估搜索间的双重迭代调用,提出了一种新的博弈树迭代向前剪枝搜索方法.预评估搜索通过节点排序及调整剪枝比率可以更加准确地选取排序在前的最佳分支,进而使迭代向前剪枝搜索实现在预评估所保留的最佳分支方向进行深度搜索,二者迭代相互调用以提高向前剪枝搜索的有效性及效率.定性分析与中国象棋计算机博弈实验结果表明,迭代向前剪枝搜索提高了实时行棋决策的效率和效果,与α-β剪枝搜索相比,提高的搜索效率超过160倍,同时取得了胜负比近7倍的博弈效果.

基于复杂网络的社区划分算法分析

近年来,复杂网咯吸引了大量的学者,作为一个新兴起来的学科,来自各个领域的学者们都开始对其进行研究分析。社区划分是复杂网络的重要特征之一。针对复杂网络中社区划分问题,对三种的社区划分算法进行了研究,传统GN算法、FN算法和谱聚类算法,分别阐述了各种算法的基本原理,并对这两种算法基于真实世界网络模型进行了适当的分析和比较,选取出较为高效的谱聚类算法,用于现实世界复杂网络中的社区划分,为实际应用中社区划分算法的认识与应用提供了方法参考。

一种基于序列生成的神经架构搜索策略

机器学习越来越在生活中起到方方面面的作用,查找一个好的神经网络架构可以更加有效地进行机器学习。神经网络架构搜索是研究这一类问题的研究方向。由于神经网络架构可以看作是序列内容,所以通过序列生成的方法可以有效加快神经网络架构的搜索,尤其当以经验丰富的学者研究得出的网络为蓝本的时候,生成网络的结果相对较好,故而采用序列生成-对抗网络来完成这一工作。经过实验,序列-生成对抗网络模型能够通过学习已有的架构关系来生成相应的节点,并按照其应有的顺序给出。