论群体性突发事件的基本含义、特征和类型

群体性突发事件的说法,是强调了事件本身具有的社会特点。近年来,群体性突发事件越来越频繁地发生,并且,其对抗程度也有不断激烈的趋向,已经成为影响社会稳定的一个很重要因素。作为一种社会现象的群体性突发事件,并不是随意发生的,它深深植根于现实的经济社会条件之中,反映出部分民众受具体社会事项刺激,通常采取比较极端或不正常的方式,对具体的国家管理者表示不满或提出意见。因此,群体性突发事件是民众与国家管理者之间在利益方面显现了“非一致”与“非和谐”的结果,是舆情状况的非正常表露或极端的外化形式。要预防和正确应对群体性突发事件,就要在理论上认清它的基本含义、特征以及不同类型,帮助我们在现实中对有关事件加以正确识别。

突发事件前Twitter用户言语行为研究:基于机器学习的方法

针对现代恐怖组织利用社交媒体,进行在线恐怖宣传来策动突发事件的情况,本研究使用机器学习的方法,对Twitter中的相关文本内容进行了分析。首先对推文进行了多种预处理,测试了三种特征提取的优劣,并加入了有言语行为相关特征的词典,其次比较了四种分类器在识别Twitter中用户言语行为效果上的优劣,并进行了参数优化。最后将训练好的模型对某爆炸事件前48小时的相关推文进行了分析,为今后找到相关突发事件发生前的言语行为变化规律提供了依据。

一种针对分类型数据的熵特征变换FCM聚类算法

针对分类型数据导致聚类性能下降的问题,本文提出一种新的熵特征变换FCM聚类算法。首先根据熵的数学描述形式,定义分类型数据参数的熵特征值,进而生成熵特征变换模型及其增量模型;接着定义模型的矩阵“痕迹”,获取EFTM模型数据的特征集合;然后融合FCM聚类分析,设计一种以熵为特征提取的主体描述形式的聚类算法;最后实验均表明,该算法具有较高的自适应性。

短期负荷的标准化定义模型

不同的用户在用电规律性方面所表现的特征具有较大的差异。需要根据其所表现出来的特征设计不同的负荷预测模型以提高预测的精度。根据短期负荷在负荷曲线形状、负荷波动特性、负荷敏感因素方面的差异,分别对应地采用稳定度、平均负荷率、负荷率标准差3个指标评价来刻画短期负荷的特性;针对所提取的短期负荷特征,提出一种基于密度中心快速辨识和K-Means的两阶段短期负荷聚类算法;根据所得到的聚类结果,对于每一类负荷进行数据分析,归纳每一类负荷具有的特性,搭建短期负荷的标准化定义模型。该模型可适用于系统负荷、母线负荷、大用户负荷等不同形式的负荷分析。

软件定义网络中基于贝叶斯ARTMAP的DDoS攻击检测模型

为解决SDN(software defined network,软件定义网络)架构下DDoS(distributed denial of service,分布式拒绝服务)攻击检测问题,提出基于贝叶斯ARTMAP的DDoS攻击检测模型.流量统计模块主要收集捕获到的流表信息,特征提取模块提取流表中的关键信息并获取关键特征,分类检测模块通过贝叶斯ARTMAP提取分类规则,并通过粒子群算法对参数进行优化,对新的数据集进行分类检测.仿真实验证明了模型所提取的5元特征的有效性,并且该模型与3种传统的DDoS攻击检测模型相比检测成功率提高了0.96%~3.71%,误警率降低了0.67%~2.92%.

基于句法分析的文本定义抽取方法

提出了一种基于句法分析的特征提取方法,该方法将对句子成分进行分析,并将其作为特征集的一部分进行实验.实验证明,将句子成分分析结果加入特征集中进行定义的抽取,有较好的正确率和召回率.

软件定义网络中基于XGBoost算法的DDoS攻击检测

准确且快速地检测分布式拒绝服务(distributed denial of service,DDoS)攻击是安全领域的一个重要研究课题,为了提高软件定义网络(software-defined networking,SDN)中DDoS攻击的检测率,采用XGBoost算法对网络中的流量进行建模.该方法根据攻击发生时的流量信息提取特征并进行训练,能够有效地检测DDoS攻击.在实验中,采用mininet和floodlight模拟平台搭建SDN环境,使用HPing3生成不正常的网络流量.实验结果表明:在SDN中进行DDoS攻击检测时,该方法平均准确率为95.34%,与其他机器学习方法相比准确率更高,证明了该方法的有效性.

三维流场特征描述语言与交互式可视化

基于特征的可视化可以简化流场显示、突出流场数据关键特征,主要应用于处理复杂流场。传统的基于特征的可视化方法多为自动的提取方法,无法有效结合研究人员的知识与经验,也难以满足研究人员的交互需求。在关注提取算法交互性的同时,考虑复杂流场特征区域精确界定的困难,提出了一种交互式模糊特征描述语言FFDL与改进的交互模糊特征提取算法,实现了对典型流场特征的灵活描述与交互式提取。首先根据模糊理论对三维流场特征进行描述得到模糊描述模型,然后介绍了FFDL的语法规范和语义框架,并给出了基于FFDL的交互式模糊特征提取算法和实现。最后基于已有的流场可视化系统,利用来自不同领域的多个实际数据验证了交互式模糊特征提取算法的有效性和实用性。

SVM结合多阈值分类的遥感影像公路水毁信息提取

水毁灾害发生后对公路损毁位置和范围等信息进行准确提取,是后续开展应急救援和灾后重建工作的前提条件。目前,主要采用面向对象的方法对遥感影像中公路水毁信息进行检测,但是此类方法中大多数需要采用近红外波段。当影像缺少近红外波段时,目前还没有通用的方法可以对公路水毁信息进行检测。为解决以上问题,首先对各项分割参数进行对比实验,选择出最优参数作为公路水毁灾害遥感影像最优分割尺度,然后提出一种基于机器学习结合自定义波段特征CCBS(Combination characteristics of brightness and spectral)、面积、长宽比等多种影像特征的分类方法,分别提取灾前道路和灾后水体信息,并利用种子增长法对灾后水体提取结果进行优化,最后将灾前道路映射至灾后水体上提取出公路水毁路段信息。实验表明:在仅使用遥感影像RGB波段的情况下,该方法对公路水毁灾害信息的提取精度接近90%,可以满足应急救援和灾后重建工作的需求。

基于K-means聚类的软件定义网络异常流量分类研究

考虑到软件定义网络异常流量分类受到网络复杂特性的影响,导致分类效果变差,提出了基于K-means聚类的软件定义网络异常流量分类研究。利用权重属性,划分了软件定义网络异常流量的频度,在网络异常流量的分布形式转化过程基础上,根据软件定义网络异常节点出现的概率,计算了异常流量的特征值,提取出软件定义网络异常流量特征,根据软件定义网络异构值差的度量,初始化软件定义网络的参考向量值,通过更新分类属性的邻域半径,计算网络异常流量的参考向量,选择出软件定义网络异常流量分类属性,利用K-means聚类算法过滤软件定义网络异常流量,对软件定义网络异常流量进行检索,通过定义网络异常流量分类的目标函数,利用K-means聚类算法理论,构建软件定义网络异常流量的加权临界函数,结合对角矩阵的求解,设计了软件定义网络异常流量分类原理,实现了软件定义网络异常流量的分类。实验结果表明,文中分类方法的查全率、差准率较高,适应度以及收敛性能较好。

基于软件定义网络的电力云数据中心内安全防护技术

本文针对传统电力云数据中心内安全防护技术存在防护时间长、抗攻击性能差的问题,为了改善这一问题,提出了基于软件定义网络的电力云数据中心内安全防护技术。采用软件定义网络在欧式空间内部对电力云数据特征进行扩容,并对电力云数据特征进行了分类处理,提取出电力云数据特征,结合电力云数据中心内的安全防护程序,实现电力云数据中心内的安全防护。实验结果表明,研究技术不仅可以缩短防护时间,还可以提高电力云数据中心内的抗攻击能力。

塬堡黄土剖面记录的末次冰期气候不稳定性

选用西部黄土高原高分辨率的临夏塬堡黄土剖面,将剖面平均粒径和>40μm粒级含量气候代用指标作为气候要素,运用统计分析应用中移动平均的方法提取剖面记录的突发事件,发现末次冰期黄土不仅记录了能与高纬北大西洋和格陵兰地区遥相呼应的突发事件,且还记录了除Heinrich和YD事件以外的突发事件达15次之多.表明气候突变是黄土高原末次冰期气候变化的主旋律,抑或还说明普遍被国内外学者认同的气候突变机制北大西洋热量传输、大气环流理论和低纬海洋与大气作用理论有待商榷,从末次冰期东亚冬季风气候演变特征及与外围区域气候的联系入手或许能有所突破.同时,通过对Heinrich和YD事件特征的详细研究,尝试性地定义了黄土记录的突发事件:即若平均粒径存在一个高粒度、高碳酸盐、高亮度值,而低磁化率、低红度值和黄度值的事件,且该事件在平均粒径和>40μm的粒级含量曲线上,相邻峰谷间的变化幅度大于3.4μm,且>40μm的粒级含量大于2.0μm,而其变化时间小于500a,就可视为一个突发事件.

基于机器学习的突发事件微博谣言识别技术研究进展

本文研究基于机器学习的突发事件微博谣言识别方面所取得的成果。对谣言识别技术研究现状、谣言识别算法及相关技术、基于机器学习的微博谣言识别技术进行总结分析。采用深度学习方法已能将微博谣言识别的准确率、召回率、F1值等模型评价标准值提高到0.8以上,从谣言数据的基础特征扩展到传播特征、时间跨度特征甚至时情感特征等影响识别精度的因素特征。机器学习算法已发展日趋成熟,未来若能实现算法的自学习,自动完成特定时间节点的提取分类,实现对谣言快速有效地识别,将成为谣言识别方面的重大突破成果。

基于MBD模型的工序模型构建方法

针对"基于模型驱动"的产品研制模式中,难以高效地构建工序模型以准确描述实际加工过程的问题,开展机加件工序模型构建方法的研究,提出以基于模型定义(MBD)模型为输入的工序模型构建方法.以零件MBD模型为输入,采用CAD系统二次开发技术进行模型参数提取,提出MBD模型参数信息结构化表达方法.交互进行加工工序设计,建立常见的机加工序工艺信息库辅助具体加工方案设计;根据MBD模型参数和工序参数得到工序模型构建数据文件.读取工序模型构建数据文件,实现工序模型快速建模.开发了工序模型辅助构建工具,以某航空企业典型机加件为例,验证了所提方法的有效性.

基于序列图像的冲压件检测系统研究

传统零件及产品的检测也越来越要求其高效和准确。简单手工操作和借助工具直接测量既不能满足生产的要求,同时重复而繁杂的工作极易导致测量的误差。本文主要探讨基于序列图像的小型冲压件的机器视觉检测的实现算法及该系统的实现,视觉检测系统的大致流程为机械平台搭建,特征提取,相机标定,误差分析。该系统在以Visual C++为软件平台。

基于SDN技术的数据中心网络异常流量检测算法

随着数据中心网络流量剧增,导致异常流量攻击事件频繁发生,严重威胁了用户数据安全,为此,提出一种基于软件定义网络(SDN:Software-Defined Networking)技术的数据中心网络异常流量检测算法。该算法采用SDN技术网络框架与时间、频率集合方式构建数据流量传输流程,利用模糊C均值聚类、四元组、反向传播(BP:Back Propagation)神经网络等算法提取数据流量特征,利用主成分分析算法建立流量特征子空间,并使用矩阵方式向子空间投影,最后采用设定阈值和投影周期数据向量判断数据中心网络是否存在异常流量。实验结果表明,所提算法不仅计算简便,还能保证异常流量检测计算结果的精度,有效维护数据中心网络稳定与安全。

MPEG-7的现状和发展

为了实现基于内容的多媒体信息检索,活动图像专家组MPEG制订了“多媒体内容描述接口”MPEG7标准,与MPEG-1、2、4不同,MPEG-7不是一种新的编码标准,它独立于其它标准,运用MPEG-1、2、4中的工具和手段,同时为其服务。介绍了MPEG-7的研究背景、目标、研究内容以及应用领域。

车载极板开裂孔洞针眼检测算法

当前普遍使用的燃油发动机汽车存在种种弊病,不仅燃油利用率低,而且排放废气污染环境。20世纪90年代以来,世界各国对改善环境的呼声日益高涨,各种各样的电动汽车脱颖而出。虽然人们普遍认为未来是电动汽车的天下,但是电池技术问题阻碍了电动汽车的应用。由于电池的能量密度与汽油相比差上百倍,远未达到人们所要求的数值。现实迫使工程师们想出了一个两全其美的办法,开发一种混合动力装置(Hybrid-Electric Vehicle,英文缩写为HEV)的汽车。所谓混合动力装置就是将电动机与辅助动力单元组合在一辆汽车上做驱动力,辅助动力单元实际上是一台小型燃料发动机或动力发电机组。但作为HEV能量包主要组成部分的正极大板在生产过程中存在将近30种缺陷。最常见的如极片开裂、孔洞、针眼,这些缺陷若未及时发现,应用于能量包后,会使能量包寿命大大降低。基于此,便有了此篇算法研究。