考虑怀疑和辟谣机制的SEIMR谣言传播模型

考虑到复杂网络上的谣言传播可能会受到怀疑和辟谣等因素的影响,在SIR谣言传播模型中引入怀疑和辟谣机制,构建了一个新的SEIMR谣言传播模型。基于微分方程理论给出了模型在均匀网络上的传播动力学方程,并分析了该模型的无谣言平衡点和谣言盛行平衡点的存在性,利用下一代矩阵法计算了模型在无谣言平衡点处的基本再生数R_(0)。在此基础上,通过Routh-Hurwitz判据分析了模型在无谣言平衡点处和谣言盛行平衡点处的局部渐近稳定性,并利用Lyapunov稳定性理论证明了模型在无谣言平衡点处的全局渐近稳定性。仿真实验结果表明,怀疑和辟谣机制对谣言爆发规模、爆发时间以及持续时间具有重要影响。

带辟谣机制的SICR网络谣言传播模型

针对谣言传播过程中知道谣言真相的人会对其谣言进行辟谣的现象,结合网络的均匀性结构特征,将种群分为未知者I、传播者S、辟谣者C和免疫者R,提出了一种新的带辟谣机制的SICR谣言传播模型。首先,通过平均场理论给出了SICR谣言在均匀网络结构下的传播动力学方程。其次,利用微分方程理论分析了模型的平衡点存在性,利用下一代矩阵法计算了模型的基本再生数,根据Routh-Hurwitz准则分析了模型在平衡点处的局部渐近稳定性,根据Lyapunov稳定性理论证明了模型在无谣言平衡点处的全局渐近稳定性。最后,通过仿真实验验证了理论结果的正确性。仿真实验表明,减少传播率、增加辟谣率与免疫率能有效抑制谣言传播,且辟谣机制对谣言传播具有重要影响。

基于SVM-LSTM-ATTE组合模型的高校录取分数线预测

高校录取分数线预测受到许多动态因素影响,传统的SVM算法在预测高校录取分数线方面存在难以衡量输入特征序列对目标特征的影响程度,而注意力机制可以动态分配权重给重要特征,且基于注意力机制的长短期记忆网络(LSTM-ATTE),在高校录取分数线方面有显著成效。综合考虑多种因素,利用SVM可以把高维空间中的非线性问题转化为线性问题,以及LSTM-ATTE能解决时间序列数据长期依赖的问题,提出将SVM模型与LSTM-ATTE方法相结合的组合模型,来构建高校录取分数线预测模型,并通过网格搜索寻找组成LSTM-ATTE最优参数组合。实验证明,本文提出的组合模型在误差范围为3分的情况下,相比于其他模型准确率最高提升了13%。

基于旋转注意力的命名实体识别模型

针对命名实体识别中实体词对关系建模分类性能不高的问题,提出一种基于旋转注意力的命名实体识别方法,该方法首先用BERT模型和Bi-LSTM进行编码,然后用卷积神经网络对输入的文本进行特征提取,接着将提取的特征序列输入旋转注意力模型中计算输出概率,最后使用MLP层对输出进行分类。实验结果表明,本文提出的方法在CADEC、GENIA和CoNLL2003等标准英文数据集上均取得了较好的性能,验证其在命名实体识别任务中的有效性和可行性。

一种求解多处理机调度问题的α-平坦化调度算法

在分析多处理机调度问题的基础上,提出了α-平坦的概念,并将其引入到多处理机调度问题中;基于此,提出了一种新的基于α-平坦的求解多处理机调度问题的算法。算法首先对作业集合做平坦化处理,然后再对处理后所得的新问题进行求解,最终获得原调度问题的一个近似解。实验结果表明,通过该算法可以求得较好的结果,相对于其它启发式算法,该算法具有较好的稳定性。

一种基于AES算法的通信信息加密传输方案

随着网络通信技术的迅速发展和广泛使用,确保经由网络传输的通信内容的安全性成为人们日益关注的问题之一。针对此问题,在对AES算法与网络通信原理进行深入研究的基础上,提出一种基于AES算法的通信信息加密传输方案。最后运用一个自制的、遵循此方案的网络聊天室程序进行相关的实验,实验结果表明所提出的方案能够在不影响用户正常使用的情况下,有效保障用户通信内容的安全性。

一种求解置换Flow Shop调度问题的DRPFSP算法

针对置换Flow Shop调度问题,在对经典启发式算法进行研究的基础上,提出了一种用于求解此类问题的DRPFSP算法。算法首先对加工时间矩阵A进行数据标准化处理;然后通过引入一个概率矩阵P2×m和相应的降维函数fp(A)=PA,将含有m台机器的原问题转化为含2台机器的新问题;再运用Johnson算法对新问题进行求解得到一个调度序列π0;最后结合插入邻域快速评价法对π0进行处理以获得原问题的一个调度方案π。实验结果表明,相对于经典的启发式算法,DRPFSP算法能更有效地对置换Flow Shop调度问题进行求解。

多功能AES加密与解密软件的设计与实现

文章将AES算法应用于对字符串与文件的加密与解密,并提出了"加密包"的概念。在对AES算法实现时,采用了预先计算查找表、密文挪用等技术,使该算法的运行更加快速且合理地解决了等处理数据长度不是数据块分组长度的整数倍这一特殊情形;在对文件读写的优化实现上采用了多线程、多缓冲区及内存映射文件三种技术相结合的方式,极大地提高了软件的文件读写效率。实验结果表明,该软件具有很高的运行效率且操作灵活便捷。

基于WCF和NHibernate的软件架构研究及应用

针对.NET平台下软件架构跨平台移植和跨数据库支持的问题,在对传统三层架构以及WCF、NHibernate等技术进行研究的基础上,提出了一种新的基于WCF和NHibernate的分层软件架构(记为WN-Framework)。一方面,它利用WCF构建数据服务,并通过在服务层中引入对象缓存池技术显著提升了服务性能。另一方面,它利用NHibernate进行数据持久化,并通过在持久化层中引入库表自动生成方法进一步提升了开发效率。WN-Framework具有灵活可扩展、高可重用等优势,能够更好地应对终端多样性和数据库迁移的需求,并且它在某高校基于互联网及移动互联网的综合OA平台的开发和应用中取得了很好的效果。今后,采用WN-Framework的开发也会越来越广泛。

基于信誉推荐和客观信任协商的P2P信任评估模型

根据P 2P网络的特点,在分析几种主要的信任模型的基础上,以信誉的特点及人类社会的实际特点为出发点,提出基于信誉推荐和客观信任协商的信任评估模型,该评估模型在充分考虑对每次网络交互的客观信任评价的前提下,引入主观性的信任评价机制。通过模拟实验,验证了模型的有效性。

基于RBAC的高灵活度权限管理与控制模型的研究

随着软件开发技术的不断发展和用户需求的不断增多,对于权限管理系统的功能也提出了更高的要求;特别是对于权限管理的粒度,要求尽可能的小。针对这一问题,在RBAC模型的基础上,提出一种可以达到字段级别粒度的权限分配管理方案。通过对该方案的运用,可以使得对用户权限的分配与管理工作更加灵活、方便和可控,能够满足目前及未来对权限管理工作的需求。

基于多元统计的深加工虾类食品市场需求分析

虾类食品的发展关系到我国水产业几千万人民的经济生活,目前大量虾类食品向深加工方向转型,因此研究深加工虾类食品的市场需求具有重要的现实意义。通过问卷调查法获取样本数据,采用因子分析探究影响消费者购买深加工虾类食品的主要因素;利用K-means聚类法对消费者进行分类并刻画出消费者画像,分析了深加工虾类食品的市场需求,并提出营销策略,为今后研究深加工虾类食品的市场提供了参考依据。

基于Android的3D恐龙博物馆系统的设计与实现

在深入分析Android的系统架构及其应用程序的组成基础上,设计和实现了一款基于Android的3D恐龙博物馆系统。该系统主要包括场景模块、恐龙展台模块和恐龙展示厅模块。该系统能够运用3D恐龙模型实现与用户的互动,具有较强的实用性、开发指导性和科普知识宣传的意义。

融合时空信息个性化旅游兴趣点推荐算法

针对个性化旅游兴趣点推荐算法中存在的问题,如忽视序列图中节点间的时空信息及未能充分利用空间相关性,本文提出了一种融合时空信息个性化旅游兴趣点推荐算法。运用自注意力机制获取用户的动态信息,将其作为图神经网络中用户和兴趣点的时空特征,并参与领域信息的聚合。实验表明,该算法具有可行性,能够有效提升推荐性能。

基于深度学习的端到端人岗匹配模型

针对现有人岗匹配推荐算法主要采用人工评估求职者与职位的匹配度,存在招聘速度慢、成本高且易受主观判断所误导等问题,提出一种基于深度学习的端到端人岗匹配模型BATPJF。首先,运用TextCNN提取简历和职位描述数据的局部特征。同时,运用BiLSTM提取简历和职位描述文本数据的上下文特征,再将BiLSTM隐藏层产生的特征作为Attention层的输入,利用注意力机制对BiLSTM层提取的特征采用加权的方式体现不同的经历和能力对岗位能力需求重要程度的影响。然后,将2种模型提取到的特征进行融合。最后,通过全连接层进行预测。实验结果表明,与其他5种人岗匹配模型对比,本文提出的模型可以更有效地匹配工作要求和简历文本信息。

矩阵结构遗传算法

针对传统遗传算法在函数优化问题中的不足,提出构建一种矩阵结构种群的遗传算法MGA(Matrix Structure Genetic Algorithm)。MGA采用矩阵形式的数据结构,借助于矩阵的行、列及主对角线等概念描述种群,并在此结构上对选择、交叉和变异三种算子均进行改进。选择算子是通过逐行寻优构建父代精英种群,具体操作是每行最优个体移动到所在行的主对角线位置;交叉算子采用父代精英种群中任意两个个体A(i,i)和A(j,j)交叉产生两个子代个体A(i,j)和A(j,i),并分别置于关于主对角线对称的位置(i,j)和(j,i);变异算子是对种群全体逐一进行克隆变异,若克隆变异结果优于原个体则选择克隆变异结果,否则不变。经过上述三步的若干次循环迭代,最终以矩阵种群中的最优个体为问题的最优解。通过对若干函数优化问题的实验测试表明,该方法收敛速度很快,全局收敛性能显著提高,可以推广到其他演化算法。

大数据时代研究生创新能力培养的系统实践——以跨界复合型大数据人才创新能力培养为例

在大数据时代,普通高等教育肩负着数据技术驱动的高素质创新型人才培养的历史使命与责任担当.随着大数据、人工智能、语音识别等信息技术的迅猛发展,培养研究生创新能力已成为高校人才培养最为关注的重点内容之一,尤其对新工科背景下跨界复合型大数据人才创新能力培养提出了新的挑战.本文针对创新能力培养的现状和现存问题,从强化设施建设、调整课程体系、优化师资队伍、夯实全面合作等方面对跨界复合型大数据人才创新能力培养提供教育教学改革途径与实践探索.

大数据应用技术课程教学改革与实践

大数据促进了数据科学研究的发展和数据科学学科的建设,催生了对新型数据人才的需求。分析了大数据人才培养的现实需求,指出了大数据人才培养的现存问题,然后以“大数据应用技术课程”为例,在重构教学体系、优化教学内容、改进教学方法、规范教学过程和完善教学评价等方面阐述了大数据专业教学改革的路径选择与实践,致力于创新培养兼具工程实践能力与技术创新能力的跨界复合型大数据人才。

基于微助教的数据结构与算法教学改革实践

文章针对教师在数据结构与算法中的教学及学生在学习过程中存在的问题,提出了基于微助教的数据结构与算法教学改革以及实践,整个教学过程涉及课堂前的准备、课堂中的教学、课堂后的复习及期末考核评价四个阶段。实践表明,借助微助教可以有效地解决学生课前不预习、课中不积极、课后不复习的棘手问题。利用已有的"互联网+"教学平台辅助教学,借鉴新的教育理念,在调动学生学习积极性,激发学生学习兴趣,提升学生动手实践能力及学习成绩方面有显著作用。

基于回归分析的网络招聘信息爬取及可视化

就业是事关民生和社会稳定的一个重要因素。2020年受新冠肺炎疫情影响,网络求职成了就业的主要渠道,但根据求职者条件和求职意向,从网上纷繁复杂的招聘信息中快速准确地找到适合的信息显得异常困难。因此,文章利用爬虫技术对招聘网站的海量数据进行收集、清洗整理,通过最小二乘法回归分析建立了学历、经验及薪资等因素的关系,并进行系列可视化加以印证。帮助毕业生能够更好地发现最适合的就业信息。