复杂网络关键数据虚假特征准确识别仿真

当前数据虚假特征识别方法存在识别准确率和召回率低的问题,提出基于蚁群的关键数据虚假特征识别方法。以SUR数据采样为依据,将DDTLS数据采样划分为两层。DDTLS中的第一层数据采样选取具有不确定性与代表性的数据作为采集对象完成数据采样。在第二层采样通过多样性聚类与不确定性对数据样本集合重新进行排列,依据K-means针对候选数据样本集合分类,对于各个分类簇中样本依据其不确定性进行排序,利用其中不确定性较大的数据样本构成最终数据样本集合。对蚁群算法运行的初始化参数进行设置,同时创建一个空表,将相同数目的蚂蚁均匀分配在数据采样中,计算采样集合中各边的信息素。对蚂蚁选取路径的概率进行计算,并更新信息素。将更新后的信息素填充在空表中,搜索最大的信息素,利用该信息素得到数据虚假特征识别结果。实验结果表明,上述方法具备较高的识别召回率和准确率。与当前相关方法相比,数据虚假特征识别的整体性能较为优越。

浅析利用指纹自动识别系统对比中的图像拼接虚假特征形成

在指纹自动识别系统查询比对过程中,通过统计分析实际案例及实验案例中图像拼接误差导致的虚假特征,总结指纹自动采集、识别、图像拼接及图像比对过程中出现虚假特征的规律,并提出减少图像拼接中虚假特征影响及保障指纹比对正确率的方法和建议。

基于计算叙事模型的虚假健康信息特征研究

[研究目的]面对海量健康信息,如何快速准确辨别信息真伪尤为重要。基于计算叙事模型对虚假健康信息的特征进行量化分析,为准确判别虚假健康信息提供方法支持。[研究方法]基于叙事学理论,构建社交媒体上虚假健康信息的计算叙事模型,从叙事内容、叙事逻辑和叙事链接三方面刻画虚假健康信息的特征,提出了基于语义角色标注的特征降维提取方法,从虚假健康信息文本中构建计算叙事网络,并通过网络结构分析比较不同类型虚假健康信息的特征差异。[研究结论]实证结果显示,叙事网络能刻画虚假健康信息的叙事策略和意图,并适用于不同类型虚假健康信息特征量化和分析。网络中的语义团块表示了叙事活动中的重要概念,叙事内容展示了不同健康领域中引人瞩目的问题。虚假健康信息的说服过程贯穿了行为诱导、夸张、心理认同等多种叙事逻辑,且多种逻辑之间通过结构洞和集聚型链接模式相辅相成。

物联网虚假数据特征自适应检测方法仿真

由于物联网环境的本质为互联互通,具有普适性,使得物联网虚假数据具有隐蔽性,采用当前方法进行物联网虚假数据特征检测时,难以准确辨别虚假数据特征,存在物联网虚假数据特征自适应检测误差大的问题。为此,提出一种基于监督保局投影的物联网虚假数据特征自适应检测方法。上述方法先通过监督保局投影将物联网数据原始特征转换至监督保局子空间上,在监督保局子空间内运用虚假近邻点理论对映射转换后数据矩阵进行特征约简,获得物联网数据原始特征空间的特征子集,在此基础上结合支持向量机理论对物联网数据特征信息量进行聚类和真伪信息筛选,以物联网数据真实程度阈值、虚假数据特征信息量中虚假信息的存在概率及近似度阈值作为判决规则进行物联网虚假数据特征信息识别,并以近邻区和增量学习为尺度对整个物联网虚假数据特征样本空间进行降维和尺度自适应检测。实验结果表明,所提方法能够有效提升物联网虚假数据特征自适应检测精度,且检测效率较高。

边界元特征值分析及Burton-Miller法探究

运用围道积分方法将边界元非线性特征值问题转化为规模很小的广义特征值问题,从而构造出一种边界元特征值分析方法。数值算例验证了该方法的求解精度。针对外声场问题,通过对常规、法向导数和BurtonMiller边界积分方程的虚假特征频率的计算和比较,揭示了Burton-Miller法规避虚假特征频率的本质,并对其中的叠加常数的最优取值给出了一种新的解释。

水下结构振动特征值分析的有限元-边界元法研究

本文运用围道积分法将有限元-边界元法所形成的非线性特征值问题转化为规模很小的线性特征值问题,从而构造出一种水下结构的振动特征值分析方法。其中采用Burton-Miller法规避了常规边界积分方程方法的虚假特征频率问题,并对所采用的围道积分方法做了一些改进。数值算例验证了本文所构造的水下结构振动特征值分析方法的求解精度,以及在求解效率上的优势。

马克思意识形态概念的逻辑解读

马克思揭开了意识形态内涵的神秘面纱,并把这一概念推进到大众视野。然而,不少学者对马克思意识形态概念的理解,仍然停留在"虚假的意识"、"颠倒的意识"这一解读维度之中。实际上,马克思把意识形态这一概念看作是历史唯物主义的重要范畴,强调意识形态是反映社会存在的一种社会意识形式,是社会经济形态和政治制度在思想意识中的系统反映。它是一种属性,而不是实体。要理解马克思意识形态概念的逻辑内涵,应当关注以下维度的分析:认识论意义的意识形态,主要阐释了意识形态的虚假性特征;价值论意义的意识形态,主要揭示了意识形态的阶级性本质;社会学意义的意识形态,主要分析了意识形态的相对独立性以及其来源、地位和作用。

社交媒体虚假健康信息特征识别

[目的/意义]识别社交媒体虚假健康信息特征,构建社交媒体虚假健康信息特征清单,以期为社交媒体虚假健康信息特征的测度提供一定理论支撑,也为用户和社交媒体平台判别虚假健康信息提供有益参考。[方法/过程]采集1004条社交媒体健康数据,利用程序化编码抽取社交媒体虚假健康信息的关键特征,运用卡方检验和方差分析揭示社交媒体虚假健康信息的显著特征,并构建社交媒体虚假健康信息特征清单。[结果/结论]研究结果表明,社交媒体虚假健康信息特征具有表面特征、语义特征和来源特征3个维度、11个主要特征以及29个子特征。其中,社交媒体上食品安全主题的虚假健康信息在"术语包装"特征上表现得更为显著;"夸大事实"为社交媒体上常见疾病主题虚假健康信息的显著特征;社交媒体上养生保健主题的虚假健康信息具有"元数据缺失"和"假借权威"显著特征。

产品虚假评论文本识别方法研究述评

【目的】对产品虚假评论文本识别方法研究现状进行述评。【文献范围】以“Review Spam”、“虚假评论”等为主题词在WoS、CNKI、EI等8个数据库中进行文献检索,经过文献主题筛选、质量评估和参考文献追溯等步骤获得代表性文献90篇。【方法】采用系统性文献综述过程对虚假评论文本识别方法研究的关键内容进行提取、归纳和分类,总结并对比分析各类虚假特征的表征力和识别方法性能。【结果】虚假特征设计和识别方法设计是虚假评论文本识别的关键步骤,大规模标注评论数据的获取是当前研究的难点。【局限】仅以虚假评论文本识别方法作为探讨核心,未探讨虚假评论者及虚假评论者群体识别方法。【结论】分析并指出现有研究在数据集获取、虚假特征设计和识别方法设计三个方面存在的问题,并对虚假评论文本识别未来研究提出建议。