基于自适应高斯模型和运动能量的异常行为识别

为有效识别监控视频中的群体异常行为,提出一种基于自适应高斯模型和运动能量的异常行为识别方法。将自适应帧间差分法融入混合高斯模型中,对运动目标进行提取,计算行为发生个体的动态能量,利用行为发生各方的位置关系计算出交互能量,最终计算出异常行为事件的整体能量总值,从而实现群体异常行为的有效识别。实验结果表明,该文算法对人群异常行为具有较好的识别效果,算法实时性较好,具有一定的应用推广价值。

组织知识系统的知识超网络模型及应用

利用网络模型研究知识系统,是当前知识管理研究者感兴趣的热点问题之一.现有的单一要素模式的知识网络不能反映组织知识系统的复杂构成和整体结构.采用超网络的思想和方法对这一问题进行了研究,提出了组织知识系统的知识超网络模型.该模型由三种节点、六种边构成,可用于表示组织知识系统中的知识、人、存储载体等三类要素及其之间的复杂关系,因而可反映组织知识系统的复杂构成及结构形态.文中对模型的应用做了初步探讨,包括:知识组织、知识表示、知识结构分析、知识定位搜索、分析组织知识管理活动等.该模型为组织知识管理提供了一种新的工具和思路.

基于知识网络的专家领域知识发现及表示方法

从知识网络的角度,对专家领域知识的发现及表示方法进行了研究。在分析知识内在关联的基础上,对专家领域知识进行网络建模,包括知识点建模及其关联关系建模。通过对模型进行网络分析,发现其中的群组(Clique)和子群组(Sub-Clique)。对群组和子群组中的知识点进行知识聚合,可获得知识核和知识子核,从而实现专家领域知识的准确获取和表示。该方法描述的专家领域知识可用专家领域知识网络结构图、知识表等形式表示出来,具有客观、准确等特点。文章最后给出了一个验证实例。

基于加权知识网络的个人及群体知识结构分析方法

本文对个人及群体的知识结构分析方法进行了研究。首先将个人及群体的知识结构表示为一个加权知识网络,其中节点权重表示个人及群体对各知识点的掌握程度。在此基础上,对个人及群体的领域知识表示方法、在特定领域的知识广度和深度的涵义及度量方法等进行了研究,并对交叉知识领域的特性进行了分析。最后结合一个实例对方法进行了验证。

基于加权知识网络的组织知识存量表示与度量

对组织知识存量的表示与度量方法进行研究。在对组织知识存量结构及存储情况进行分析的基础上,提出组织知识存量的加权知识网络模型。该模型将组织知识结构表示为一个层级有向网络,并通过对边进行加权和对节点赋值来实现组织知识及各知识点存量的度量,其中节点具有两类属性值,分别用以表示组织知识在人脑中和其他各类存储媒介中的存量,边则反映了知识点之间的构成关系。同时对模型建模方法进行探讨,最后结合一个实例对方法进行验证。

基于LDA的企业微博主题传播超网络建模及分析方法

综合利用微博内容及粉丝评论数据,对企业微博主题的传播效果进行研究。使用LDA主题模型发现微博内容及粉丝评论中的主题,在此基础上,通过建立内容关键词与粉丝评论关键词之间的映射,构建微博主题传播超网络(MTDSN)模型。基于MTDSN模型及各构成子网,分析微博传播重点主题、粉丝热点主题、有效传播热点词及有效传播核心词,并通过凝聚子群分析有效传播主题及其构成。以华为花粉俱乐部官微为实例,证明该模型及方法的有效性。

广东省信息化与工业化融合战略研究

本文对广东省的两化融合战略进行了研究。根据两化融合工作特点及要求,将广东省两化融合战略从微观到宏观依次分为四个层次:企业层、行业层、区域层、社会层。在此基础上,对各层次的两化融合战略模式、路径进行了探讨,并对各层次战略实施内容及相关措施给出了初步建议。本文的研究,切合广东省情及两化融合工作的要求,具有现实可行性,研究结论对于广东省推进两化融合工作具有一定的指导意义。

基于加权超网络模型的组织知识存量表示方法

在对组织知识存量结构及存储情况进行分析的基础上，提出了一种基于加权超网络模型的组织知识存量表亲方法。模型中，知识节点具有两类属性值，分别表示组织知识在人脑中以及其他各类存储媒介中的存量。知识节点与各存储媒介节点之间的边具有权重，用以表示组织知识点在各存储媒介中的存量。该方法可同时表示组织知识的存量及存储分布情况，还可用于表示组织成员的个人知识存量、组织知识的定位搜索、组织知识安全性分析等。最后结合一个实例对方法进行了验证。

基于加权知识网络的个人知识存量表示与度量方法

对个人知识存量的表示与度量方法进行了研究。在对个人知识存量结构分析的基础上,提出了个人知识存量的加权知识网络模型,该模型将个人知识体系表示为一个层级有向网络,并通过对边进行加权和对节点赋值来实现个人知识存量的度量,其中,节点的属性值可反映个人对不同知识点的掌握程度,边则反映了知识点之间的构成关系。还对知识点的获取和度量方法进行了探讨。最后结合一个实例进行了验证。

一种基于加权超网络模型的组织知识搜索定位方法

在分析组织知识结构及存储情况的基础上，提出了一种基于加权超网络模型的组织知识搜索及定位方法。首先建立组织知识的加权超网络模型，该模型将组织知识及其存储载体集成为一个超网络，并通过对节点和边加权以反映组织知识在人脑及其他存储媒介中的存储情况。利用该模型进行组织知识搜索定位，可同时将与待检索知识相关的人及其他媒介资料检索出来，并可根据它们与待检索知识的相关程度进行排序、筛选，从而实现快速准确的知识定位。最后结合一个实例对方法进行了验证。

基于互动行为的企业微博传播效果评价与分析

[目的/意义]微博传播效果评价,可以帮助企业更准确地了解其品牌、事件、舆情等在社交平台的传播情况。但由于受到水军、虚假粉丝等不良影响,微博的真实传播效果难以被衡量。[方法/过程]本文基于微博用户的互动行为,在交互强度的基础上提出了用户交互影响度算法,并引入话题传播深度、广度、速率、效率及用户传播贡献度的概念,从而较为完整地对企业微博的传播效果进行评价。[结果/结论]仿真模拟发现交互影响度算法与真实情况吻合较好,可有效消除虚假交互数据的影响。“华为手机”官方微博的实例验证结果表明,上述方法可从多个维度对传播效果进行深入分析,分析框架合理有效,分析结果也可为企业的品牌传播、社会化营销等提供改进意见。

改进PageRank算法对微博用户交互行为的影响

针对微博用户交互行为内容简单,传播速度快的特点,采用传统方法时由于用户活跃度与传递系数的关联性低,微博信息的检测目标不准确,导致微博用户交互行为确定不合理和无效的问题。提出基于交互行为的微博用户影响力改进算法。综合考虑了粉丝质量,以及关注、转发、评论等交互行为对用户影响力的影响。通过分析微博用户交互特征及其对用户影响力的作用,选取微博信息被接受率、用户活跃度、用户间交互强度、用户间影响强度及影响力传递系数等指标来度量交互行为对用户影响力的作用强度,进而依据PageRank算法原理构建新的改进算法。最后,利用腾讯微博用户数据,证明改进算法能较好反映用户转发、评论等交互行为,并能够削弱不活跃僵尸粉影响,更贴近人们对影响力的一般认知,因而更有效、合理。

基于网络众包模式的海量历史文献数字化处理方法研究

[目的/意义]针对海量历史文献数字化所面临的文献数量庞大、耗时长、成本过高等问题,本文将众包理念引入传统文献数字化工作中,形成基于网络众包模式的海量历史文献数字化处理方法。[方法/过程]该模式根据历史文献特点,将网络大众自发知识生产模式与专家定向模式相结合,提出了相应的用户激励和质量控制方案,从而保证众包任务的高效率、低成本、质量可控。此外,以粤海关清末历史文献为试点验证众包模式在大规模文献数字化处理工作中的可行性、高效性。[结果/结论]该模式为处理历史文献处理提供了新的思路与方法,且具有广阔的应用前景。

超网络与知识超网络研究简述

超网络是复杂网络研究热潮后,研究者关注的一个重要方向。本文对超网络的研究现状进行了简述,以帮助研究者了解超网络的概念、类型、应用、热点及未来方向等。本文通过对现有研究的分析及综合,指出超网络的三种类型:超图超网络(hyper-graph super-network)、多层优化超网络(multi-layer optimized super-network),多网集成超网络(multi-network integrated super-network)。并结合实例分析了每类模型的特点、应用、以及近几年的研究成果。此外,还重点简述了超网络研究的一个重要方向:知识超网络,主要介绍超网络在知识管理领域的模型、应用及发展趋势等。最后对超网络的现状进行总结,并对其未来研究方向进行了简要分析。未来,超网络研究可结合人工智能、大数据、知识处理与个性化知识服务等。

基于改进RFM模型的直播平台用户细分及个性化推荐方法研究

网络直播是一种新兴的共情式传播媒体。针对直播行业特点研究了适合直播平台的用户细分及个性化推荐方法。基于直播平台中用户粘性及长期价值的重要性,将用户平均观看时长作为重要维度融入现有RFM模型,构建RFMT模型;通过RFMT Cluster和RFMT Segmentation方法实现用户细分;通过指标加权法计算用户-主播价值偏好,构建用户评分矩阵,结合协同过滤算法开展推荐实验。基于国内某主流直播平台的后台数据进行研究,结果表明,基于RFMT Segmentation的用户细分方法更适用于实际应用的推荐,细分后的各类群体推荐效果大幅提升。RFMT模型增加了对用户粘性和长期价值的考虑,更适应直播平台的特点,所提出的基于直播平台的用户细分及个性化推荐方法有效、可行。

基于MF-R和AWS密钥管理机制的物联网健康监测大数据分析系统

带有传感器的可穿戴式医疗设备不断生成大量数据,由于数据的复杂性,难以通过处理和分析大数据来找到有价值的决策信息。为了解决这个问题,提出一种新的物联网体系结构,用于存储和处理医疗应用的可扩展传感器数据(大数据)。所提出的架构主要由Metafog重定向(MF-R)架构和AWS密钥管理机制两个子架构组成。MF-R架构使用Apache Pig和Apache HBase等大数据技术来收集和存储不同传感器设备生成的传感器数据,并利用卡尔曼滤波消除噪声;AWS密钥管理机制使用密钥管理方案,目的是保护云中的数据,防止未经授权的访问。当数据存储在云中时,所提出的系统能够使用随机梯度下降算法和逻辑回归来开发心脏病的预测模型。仿真实验表明,与其他几种算法相比,提出的算法具有更小的误差,且在吞吐量、准确度等方面具有一定的优越性。

Spark框架下利用分布式NBC的大数据文本分类方法

针对现有面向大数据的计算框架在可扩展性机器学习研究中面临的挑战,提出了基于MapReduce和Apache Spark框架的分布式朴素贝叶斯文本分类方法。通过研究MapReduce和Apache Spark框架的适应性来探索朴素贝叶斯分类器(NBC),并研究了现有面向大数据的计算框架。首先,基于朴素贝叶斯文本分类模型将训练样本数据集分为m类;进一步在训练阶段中,将前一个MapReduce的输出作为后一个MapReduce的输入,采用四个MapReduce作业得出模型。该设计过程充分利用了MapReduce的并行优势,最后在分类器测试时取出最大值所属的类标签值。在Newgroups数据集进行实验,在所有五类新闻数据组上的分类都取得了99%以上的结果,并且均高于对比算法,证明了提出方法的准确性。

基于MapReduce的分治k均值聚类方法

针对原始k均值法在MapReduce建模中执行时间较长和聚类结果欠佳问题,提出一种基于MapReduce的分治k均值聚类方法。采取分治法处理大数据集,将所要处理的整个数据集拆分为较小的块并存储在每台机器的主存储器中;通过可用的机器传播,将数据集的每个块由其分配的机器独立地进行聚类;采用最小加权距离确定数据点应该被分配的类簇,判断收敛性。实验结果表明,与传统k均值聚类方法和流式k均值聚类方法相比,所提方法用时更短,结果更优。

动作识别中基于深度神经网络和GA合并算法的分类决策方法

针对人体动作识别中传统方法在分类决策方面存在的问题和缺陷,提出了一种新颖的基于深度神经网络(DNN)和遗传算法(GA)合并算法的非线性分类决策方法。首先提出的合并算法在整个训练集合上对特征提取器进行组合,进而组合成不同的两个独立网络,再利用DNN对两个独立网络进行初始化,进一步利用GA对两个网络进行合并;然后将网络的偏差和权重表示为每层网络间的一个矩阵;最后利用DNN对网络的偏差和权重进行训练,并在合并过程中将矩阵中的每一行当做一个染色体。实验采用了标准MNIST数据集对提出算法的性能进行评估。评估结果显示实验过程中的交叉和突变操作增加了神经元节点,提高了识别性能,并且弱化了不相关和相关神经元节点。因此,提出算法的错误率更低,网络性能更优异。

一种基于混沌理论的数据加密算法设计

研究混沌理论的数据加密算法设计,针对传统利用混沌系统对数据加密时运算开销大、运算效率不高。为解决上述问题,提出了一种利用混沌系统的迭代序列进行加密的方法。首先将混沌产生的序列映射成由整数构成的伪随机序列来充当加密密钥,然后将其均匀分布在某一区间上。再利用Logistic公式迭代若干次与经过置换的明文异或获得加密密文。通过对混沌序列加密算法的设计,使加和解密运算开销和运算效率得到了提高;分析算法具有较强的抗密钥穷举攻击和抗攻击的能力。仿真实验结果表明方法是有效的和可行的,并且数据加密/解密的效果良好。