具有二次预警行为的复杂网络病毒传播分析

社会网络中,健康节点获得病毒正在蔓延的消息,会转化为预警节点,这种行为称为预警行为,感染节点存在一定的概率转化为预警节点,将此行为称为二次预警行为。据此提出了一种具有二次预警行为的SAIS(susceptible-alert-infec-ted-susceptible)模型。从微分动力学系统角度分析病毒传播的临界值特性,并与具有一次预警行为的SAIS传播模型进行比较,通过模拟仿真对结论进行验证。研究结果表明,具有二次预警行为的SAIS模型的稳态感染节点密度小于具有一次预警行为的SAIS模型的稳态感染节点密度,具有二次预警行为的SAIS模型的病毒传播阈值大于具有一次预警行为的SAIS模型的病毒传播阈值。研究还发现,随着二次预警率的增加,稳态感染节点密度不断减小,从而可以减少病毒爆发规模,减缓病毒在网络中的爆发。

大数据环境下多模态融合的大学生异常行为预警

针对“校园大数据”累积的海量数据呈现出离散性、稀疏性等问题,如何从基数大、活动广、个性强的校园学生群体中检测出潜在的、有异常行为的学生,已成为学生异常行为分析亟需解决的问题.本文提出了一种大数据环境下基于多模态融合的大学生异常行为预警方法(early warning method for abnormal behavior of college students based on multi-modal fusion in big data environment,EWMAB).首先,针对学生行为画像的表征不够丰富,行为标签存在时效性、动态性等问题,建立一种基于多模态特征深度学习的跨模态学生行为画像模型;其次,针对学生异常行为预测、预警的时效性和后置性问题,在学生行为画像和学生行为分类预测基础上,提出了一种基于多模态融合的学生异常行为预警方法,通过长短期记忆神经网络(long and short term memory networks,LSTM),结合学生行为多指标数据和文本信息来解决学生异常行为预警问题;最后,本文通过应用实例验证模型以学生学习成绩异常预警为例,与其他预警算法相比,EWMAB方法可以提高预警的准确性,实现学生异常行为预警的时效性和前置性,从而使学生教育工作更具有针对性、个性化和预测性.

多模态情感视角:民航旅客异常行为预警研究

通过构建基于多模态情感计算的民航旅客异常行为预警模型,使用GEMEP语料库中音视频数据模拟旅客可能出现的异常行为,在对面部表情、肢体姿态和语音三模态数据识别后,采取赋予各模态情感识别模型权重和赋予各模态情感识别模型中不同情感权重两种决策级融合方法,感知旅客生气、厌恶、焦虑、害怕、悲伤等5类情感,并依据判定结果实现异常行为分级预警。研究发现,赋予各模态情感识别模型中不同情感权重的方法为最优情感计算模型,能够有效识别旅客存在潜在异常行为的相关情感,其整体识别准确率达到了82.76%。其中,生气、厌恶、焦虑、害怕、悲伤5类情感识别准确率分别为81.9%、78.5%、81.3%、83.2%、81.7%。

基于人工智能技术的航空加油安全行为预警系统设计与实现

为着力解决航空加油安全问题,设计了一种人工智能预警系统,该系统的智能模块可自动监测航空加油行为的全过程,在识别到安全风险后自动发送预警,并同步在可视化界面显示结果,提醒相关人员立即启动,改善航空加油行为。

基于HLM-BP的高海拔隧道施工人员不安全行为预警研究

为降低高海拔隧道工程人因失误导致的安全事故率,以西成铁路甘青隧道为例,对施工人员不安全行为进行预警研究。首先,对施工人员进行深度访谈,采用扎根理论对访谈数据进行编码处理,总结出高海拔隧道施工人员不安全行为诱发因素。其次,依据人境交互理论将不安全行为诱发因素划分为自变量、中介变量和因变量,运用HLM模型探讨跨层次下变量间复杂作用关系。最后,运用Matlab中BP神经网络工具箱函数进行编程,构建高海拔隧道施工人员不安全行为“11-10-5”三级预警模型,对其进行网络训练和数据拟合,识别不安全行为趋势,发出预警信号。结果表明,训练好的BP神经网络具有良好的预警能力,甘青隧道施工人员不安全行为等级总体处于较低水平,隧道施工安全管理状态良好;对不安全行为等级高的“重警”和“巨警”,逐层分析跨层次下的不安全行为诱发因素,提出加强安全教育培训、密切关注施工人员身心状态、加强高原习服训练以及实时监测隧道环境变化等靶向干预措施。研究引入跨层次因素分析机制,系统构建基于BP神经网络的高海拔隧道施工人员不安全行为预警模型,为不安全行为研究提供了新思路,同时也为降低高海拔隧道人因失误提供了参考建议。

基于标签集相关性学习的驾驶员异常行为预警方法

目前研究的驾驶员异常行为预警方法,由于用户对于预警信号的理解能力较差,不能在短时间内迅速作出预警反应,导致安全风险较高。为了解决上述问题,提出基于标签集相关性学习的驾驶员异常行为预警方法。分别采用车辆颜色特征、纹理特征以及梯度特征作为车辆异常表征分析,通过梯度特征捕获到驾驶员的瞬时行为,研究颜色特征、纹理特征以及梯度特征之间存在的关联性,利用协方差描述因子对图像数据帧区域的信息进行获取,然后按照各个特征的特点,进行特征提取。应用标签集相关性学习方法,对驾驶员异常行为等级进行划分,设定三种异常行为等级,根据相关等级,给出不同的预警信号,采用语音、视觉以及感知三重叠加预警模式确保用户可以在短时间内发现异常行为。实验结果表明,基于标签集相关性学习的驾驶员异常行为预警方法能够帮助用户快速发现自己的异常行为,用户预警反应时间提高了50%以上,对于用户安全驾驶有重要意义。

基于大数据技术的企业纪律检查与违纪行为预警研究

随着大数据技术的快速发展,越来越多的企业开始意识到其在纪律检查和违纪行为预警方面的潜力。企业纪律检查是确保组织秩序和员工遵守规章制度的重要环节,而违纪行为的预警可以帮助企业及时发现并应对潜在的风险。本文旨在研究基于大数据技术的企业纪律检查与违纪行为预警。本研究对于企业管理者和决策者具有重要意义,可为其提供一种基于大数据技术的纪律检查和风险管理手段。同时,对于学术界而言,本文可为进一步研究企业纪律检查与违纪行为预警提供理论和实践参考。

评标活动异常行为智能识别与应用

招评标活动是廉洁风险高发领域,特别是评标专家廉洁风险管控一直是管理的痛点、难点。本文运用智能化管控模式,运用人工智能巡维管理工具,将评标专家廉洁风险规则数字化,智能识别预警评标活动中的异常行为,并及时准确发出预警通知,有效解放人力的同时,保障评标活动公平公正,提升公司的品牌价值及核心竞争力。

粗糙集理论和遗传算法集成的上市公司违规行为预警研究

以2002～2004年间受到监管部门处罚的上市公司为研究对象，经检验样本数据不服从正态分布及协方差矩阵不相等，故将粗糙集理论与遗传算法相结合，利用粗糙集方法具有不需要满足统计假设和遗传算法可以有效简化判别规则的特点，构建了符合上市公司数据实际情况的违规行为预警模型。实证结果显示该集成模型对上市公司发生违规行为的预测精度为82．00％，预警效果较好。

安全行为管理预警技术研究

按照安全生产管理制度运行的一整套安全行为管理控制技术。提出了安全行为管理预警技术体系,研制了与之配套的、在局域网上运行的应用软件——安全行为管理预警系统,详细说明了该技术体系的实施方法步骤,介绍了它在孙村煤矿的应用情况,可供各类矿井的安全管理工作参考。

基于Hadoop生态的高校学生行为预警平台设计与实现

基于从高校众多的信息系统中采集海量数据,并从中挖掘出对学生行为管理有用知识的目的,本文采用了文献研究法、个案研究法及实证研究法,通过研究相关文献、技术文档,和系统设计案例,结合实际情况设计和实现一个基于Hadoop生态技术的学生行为预警平台系统,得出了使用Hadoop大数据技术实现学生行为预警平台来提高学生行为管理工作具有可行性的结论。

SP上行空号异常行为监测及预警的方法与系统

基于shell_awk编译自动化处理海量数据变换及数据清洗的号码异常接入监测方法,提出了将网关SP号码上行话单数据库和标准H码库相结合的方式,制定关键字段并利用awk编译逐行扫描文件,自动导出比对话单文件,同时截取话单文件与标准H码库的号码前7位进行全量自动比对得出异常号码清单,在网关系统对异常号码进行预警或拦截。同时将号码清单与话单文件的SP号码进行匹配,对相应SP号码进行监测和预警,最终制定出网关SP上行号码异常接入监测及预警的一套自动化处理系统。

风电运维人员行为安全预警指标体系构建与分析

为提高风电运维人员安全行为水平,在独立性、完备性、梯度性、可行性原则的前提下,从人因、机械设备、作业环境、监督管理、信息沟通5个方面建立行为安全预警指标体系,利用问卷调查法获取行为安全预警数据,基于果蝇优化算法(FOA)优化反向传播(BP)神经网络,建立“15-10-1”结构的行为安全预警模型,利用该模型训练测试问卷数据。结果表明:构建的行为安全预警指标体系是科学合理的,FOA-BP神经网络模型有较强的预警能力,能够预测风电运维人员的行为安全风险。测试后,模型能实现较好的预警效果。

基于CSI的行为预警系统设计与实现

随着科学发展及人们生活水平的提高,智能家居理念与虚拟现实技术迅速的发展。人们可以在室内通过特定手势操控智能设备, 运用肢体行为模拟操作实现更佳的游戏体验与人机交互。同时人们对于生活监控技术也提出了新的要求;通过检测人们的坐姿睡姿等行为 反映人们身体状况的健康监测系统;能在人发生跌落或摔倒前及时提示并通知医护人员与家人的生活预警系统。上述技术实现的前提均是 要求系统能准确检测并识别人们的肢体行为。

形式化研究基于Agent的行为建模及应用

为了实现虚拟环境中Agent的行为真实感以及行为动画,必须开展基于Agent的行为建模相关问题的研究。提出了一个包含Agent自主行为和全局互操作行为的基于Agent的行为模型,并利用形式化语言对相关概念例如状态、时间、动作和行为进行了规范描述与定义。在此基础上形式化研究了复杂智能行为的抽象机制,包括行为分解与聚合、行为特化与泛化,并因此提出在基于Agent的元行为模型的基础上,通过行为逻辑运算和行为抽象机制实现基于Agent的行为综合方法。同时以空间作战中的导弹预警为背景,分析了预警卫星的预警行为模型,并对预警卫星的数据获取行为进行了建模,这有利于实现预警卫星的行为动画以及对预警卫星的传感器进行调度,进而对预警行为进行规划、调度与仿真。

货运车辆主动安全预警系统

在科技高速发展与追求高效的当今社会,保证货运车辆行驶安全尤为重要,为了能够有效避免事故发生,在事故发生前给出提示预警至关重要。本文首先分析了组成货运车辆主动安全预警系统的高级驾驶辅助系统ADAS、司机驾驶行为预警系统DMS的组成以及关键技术。其次,定义主动安全预警系统能够预警的危险类型;通过整合ADAS、DMS系统获取的数据及视频结合主动安全预警算法,最终生成风险等级对应不同等级提醒驾驶员改正危险驾驶行为。最后阐述对货运主动安全预警系统的价值总结以及前景展望。

基于方位感知的老人居家行为监测系统及应用

针对独居老人室内行为及异常行为监测,开发出一款基于方位感知的老人居家行为监测系统,并将该系统应用于生活场景.该系统首先以舵机为原点,建立室内方位坐标系,将室内划分为不同的兴趣区域;然后通过WiFi连接树莓派、摄像头、舵机,编写Python程序实现摄像头自动目标搜索以及人脸识别、定位功能;同时,根据人脸识别结果,记录舵机方位、视频以及老人驻留热点区域的时间;最后根据上述监测方位和时间信息,分析老人的室内行为,进行异常行为判断,并发送提醒邮件.实测结果结果表明,监测系统能够实时采集目标的视频和方位信息,分析老人行为状态,并对异常行为发送邮件预警.此外,该系统便于实现,能够提供丰富的历史数据,具有实际的应用价值和良好的应用前景.

基于DNN的大学生异常行为诊断模型的研究

在大数据网络环境下,针对高校大学生异常行为检测研究较少、检测准确度不高等问题,文中以吉林某大学为研究对象,深度调研,从学生学习生活中存在的实际问题出发,采用深度神经网络方法进行大学生异常行为预测,建立基于DNN的大学生异常行为诊断模型。该模型对校园大数据进行关联聚类,以学生在校成绩、一卡通消费、图书借阅及SCL90记录基本信息数据为输入,建立深度神经网络DNN,实现海量信息检测及异常行为诊断。实验结果表明,从召回率及精度两方面进行评估,该模型有较强的预测诊断能力。同时,在此基础上设计并实现了一套大学生异常行为诊断系统,该系统通过对基础信息进行监测,实现对异常信息进行实时预警,提供可视化预警图示,并通知相关管理人员对此类学生做好教育工作,提早发现问题,尽早解决问题,防止发生校园安全事故。

矿山智能视频分析与预警系统研究

针对现有的矿山视频监控系统只能实现环境和设备运行监控,无法对人员等动目标行为实施有效监控的问题,设计了一种矿山智能视频分析与预警系统,介绍了系统组成及架构,以胶带堆煤检测和人的行为检测与识别为例,阐述了系统实现原理。在煤矿井下进行了胶带堆煤检测、危险区域人员检测、系统识别率和响应时间试验,结果表明系统能够有效检测出胶带上的煤量及危险区域范围,识别响应时间不大于2s,识别成功率不低于98%。

信息网络安全预警技术研究

随着互联网络的发展,为了提高网络对各种安全事件的及时检测能力以及总体控制能力,本文提出了一种信息网络安全预警系统,实现对网络行为的管理与监控,有效地实现了对网络行为的约束,为建立网络信息安全保障体系提供了有力支撑。