基于知识图谱的恶意用户筛选算法研究

如今互联网产业不断发展,诞生了面向广大用户的各类软件及网站,野蛮生长的同时安全需求也随之增加。除了常规的安全威胁以外,部分恶意用户的存在也是一个不容忽视的问题,恶意用户混杂在普通用户间进行操作增加了不必要甚至危险的数据流量,也影响了面向普通用户的各类学习算法的结果。而恶意用户间的外在联系以及恶意用户自身各项属性所带来的内在关联在提取后满足知识图谱构建的数据结构,且知识图谱可以根据实体间的关系进行知识推理,因此论文使用知识图谱相关算法来实现对于恶意用户的筛选,并通过仿真试验对使用知识图谱算法筛选恶意用户是否具有可行性进行了论证。

面向错峰潜力分析的典型用户筛选

错峰潜力估计是精细化有序用电管理的基础。基于用户电量峰谷特征,采用模糊C-均值聚类对同行业用户进行灵活分类,再从聚类结果中依据同类用户峰谷重心和电量水平特征,筛选出该行业各类典型用户,建立了一套可用于错峰潜力分析的典型用户筛选方法。经某地36个行业实例分析,共得出146个典型用户,因篇幅所限只给出了通用及专用设备制造业的3个典型用户的筛选过程以及该行业的错峰潜力分析,结果验证了所提筛选方法的可行性与有效性。

需求响应用户自动筛选模型与方法

文章在兼顾公平性、优先信用度高和最大限度逼近电力负荷缺口的筛选原则基础上,提出了一种基于线性规划的需求响应用户自动筛选方法,降低了实际响应容量不能满足预期电力负荷缺口容量的风险,提高了电力用户参与度。该方法依据电网负荷高峰时段的电力负荷缺口和电力用户的负荷削减能力,建立需求响应用户筛选的整数规划模型,通过与电力用户进行灵活互动,多轮动态筛选,保证了电力负荷缺口容量的匹配度,为电网实现削峰填谷提供有力支撑。实例表明该方法是公平、有效的。

微博社会网络重要用户节点筛选及舆情引导

首先通过研究网络爬虫以及新浪微博的开放平台,设计实现新浪微博专用爬虫,获取研究数据。其次,通过实验得到重要用户节点指标,提出贝叶斯-PageRank算法筛选重要用户节点,并实验验证重要用户节点的有效性。最后通过对重要用户节点的监测实现网络舆情发现并给出相关舆情引导策略。

基于改进K-Means++分时电量聚类与行业用电行为分析

由于能源互联网中分时电量分布不仅为分时电价的制定提供依据还代表着用户的用电意识,提出改进K-Means++的聚类算法与典型用户筛选模型对分时电量进行挖掘。首先对K-Means++进行改进,利用模拟退火算法(simulated annealing,SA)与中位数阈值分割自动确定聚类初始质心与聚类数,弗雷歇与欧式距离的加权复合作为相似性的度量,权值由信息熵与层次分析法(analytic hierarchy process,AHP)确定。然后对分时电量进行聚类,从每簇聚类结果中依据典型用户筛选模型筛选典型用户,得到3种用电类型,最后从主要用电类型与用电类型转变的角度对行业用电行为分析,得到不同行业相同的用电行为。有助于供电侧初步掌控区域性行业用电群体的用电特征,为精细有序的用电管理做准备。

提高企业效益的几点思考

本文就企业在激烈的市场竞争条件下，如何保持效益递增，实现可持续发展的长远目标，阐述以下几点想法。

基于异步JavaScript技术的水稻病虫害图像网络爬虫设计

本文的设计是水稻病虫害信息的网络爬虫程序,通过多线程方法对特定的URL进行分析、去重,获取到水稻病虫害信息内容,然后将获取的信息内容进行下载并进行分类,用户可通过该网络爬虫程序下载的图像进行水稻病虫害图像的研究。该网络爬虫程序的设计与实现,便于人们对水稻病虫害的技术研究和农业科技的发展。