基于灰色神经网络的Web社区主题舆情传播模型

Web舆情传播的动态性,不确定性等特征给精确预测舆情传播带来困难.在分析了灰色理论系统的基础上,提出了灰色理论微分方程型模型(GM)和扩展BP神经网络的组合模型,该组合模型综合考虑了网络的结构和传播特性,首先建立灰色理论微分方程型模型,然后映射到扩展的BP神经网络中,通过训练数据来训练该神经网络,使网络具有传播预测能力.仿真实验表明,该组合模型在Web社区主题舆情传播预测精确性方面高于单一的GM模型.

基于Multi-agent理论的社会网络文体分类方法

针对当前社会网络中的文体分类存在分类效果不理想问题,结合网络文体的多样性、多归属性及动态性的特征,提出了一种基于multi-agent的属性融合和词库关联的网络文体分类方法.首先提取网络文体的特征关键词和词义等基本属性,建立Multi-agent的融合分类模型,并给出了基于Multi-agent的社会网络文体融合分类算法.实验结果表明该方法与传统单分类器以及其他多分类器融合分类方法相比,不仅可以通过语义特征提取对语义网络中的网络文体进行高精度分类,而且可以实现社会网络文体分类的自动化,具有更高的分类精度与稳定性.

高强混凝土单轴动态抗压本构关系

通过对高强混凝土动态抗压试验结果进行详细分析,引入应变速率因子,结合静态本构模型,建立高强混凝土单轴动态抗压本构关系模型。并用试验所得的数据对得到的模型进行验证,结果表明文中所建模型的准确性与科学性,为研究其它混凝土动态本构关系奠定了基础。