跨社交媒体舆情关键节点识别方法及其实证研究

[目的/意义]结合超网络理论识别跨社交媒体舆情传播中的关键节点,对相关部门监管网络舆情、保障网络信息安全具有实践意义。[方法/过程]研究工作选取特定的网络舆情事件,利用跨社交媒体同一用户算法识别出参与跨社交媒体舆情传播的信息用户。以超网络理论为理论基础,对跨社交媒体舆情传播中的各子网进行建模,融合自然语言处理、主题挖掘、情感分析等方法,挖掘跨社交媒体舆情传播过程中的关键节点。[结果/结论]研究发现,本研究提出的跨社交媒体舆情关键节点识别方法,能够从不同视角识别与解读跨社交媒体舆情传播过程中的关键节点,从而更好地描述跨社交媒体舆情的传播过程与特点,为跨社交媒体舆情传播的研究提供了新的研究方法与思路。

轻量化逆可分离残差信息蒸馏网络的图像超分辨率重建

基于深度学习的图像超分辨率重建算法的性能需求导致急剧增加的参数量与高额的计算成本,这限制超分辨率重建在移动设备上的应用.针对此问题,文中提出轻量化逆可分离残差信息蒸馏网络的图像超分辨率重建算法.首先,设计渐进可分离蒸馏重洗模块,进行多重信息蒸馏,在提取多层次特征的同时保持模型轻量化,使用多个特征提取连接,学习更具区别性的特征表示,以便网络能从蒸馏中获得更多有益信息.然后,设计对比感知坐标注意力模块,充分利用通道感知与位置敏感信息,增强特征选择能力.最后,提出逐步补偿残差连接方式,提高浅层特征的利用率,补偿网络的纹理细节特征.实验表明,文中算法在模型复杂性与重建性能之间实现较好的均衡,重建的高分辨率图像主客观质量都很优秀.

基于信息蒸馏级联伸缩网络的图像超分辨率重建

针对图像超分辨率重建算法在图像高频信息恢复过程中特征提取不充分、利用效率不高、重建高频细节能力不足等问题,本文提出了一种基于信息蒸馏级联伸缩网络的图像超分辨率重建算法.首先,构建特征可伸缩的信息蒸馏块,通过扩大信息蒸馏中输入信息的特征感受野,以及采用通道注意力提取感兴趣信息,解决了信息蒸馏的图像超分辨率重建非线性映射过程中特征提取不充分的问题;然后,设计级联残差叠加映射块,该块将多个残差块组合在一起,通过将残差结构中的残差部分引出并采用级联叠加的方式,增加了信息蒸馏块间信息的传递,使提取的特征信息包含更多细节.实验结果表明,本文算法重建图像相比其他对比算法更为清晰,峰值信噪比(PSNR)和结构相似度(SSIM)均有较大的提升.

高效单图像超分辨率重建:深监督对称蒸馏网络

过去几十年,卷积神经网络(Convolutional Neural Networks,CNNs)在单图像超分辨率(Single Image Super-Resolution,SISR)方面取得了明显的进展.现在大部分基于CNNs的方法都致力于构造新的架构去提升重建性能,这通常依赖大量计算和存储成本,难以应用于移动设备.提出了一种新颖的基于深监督对称蒸馏网络的高效单图像超分辨率重建方法(Deeply-Supervised Symmetry Distillation Network,DSSD),通过构造高频特征递归模块(High-frequency Feature Recursive Module,HFRM)和对称退化模块(Symmetry Degradation Module,SDM)缓解教师网络中提取高分辨率(High-Resolution,HR)高频信息不够准确这一问题.为了约束教师网络中提取的高频特征,采用深监督方法使教师网络蒸馏的知识与学生网络互补.在DIV2K数据集上的实验表明,DSSD有效增强了单图像超分辨率(SISR)的性能,HFRM和SDM的引入能够有效帮助DSSD提取更多图像高频细节.

突发事件信息协同超网络的构建方法研究

当今世界正值百年未有之大变局,始料未及的新冠肺炎疫情是对世界的一次严峻考验,使得数智时代越发变幻莫测和充满挑战,如何提高应急管理效率成为目前亟须解决的关键问题。本研究创新性地以超网络视角探究突发事件中基于主体协同的信息协同过程,厘清信息协同的内在逻辑,以信息主体间的协同关系构建主体协同网络,以文本之间的协同演化构建信息文本网络,以关键词之间的共现关系构建信息基因网络,挖掘并定义三类网络之间层次分明的纵向动态映射关系,进而形成突发事件信息协同超网络模型,并以突发公共卫生事件实际案例进行可视化分析验证。本研究实现了对突发事件信息协同的深入认知,能够识别有协同价值的核心信息基因,挖掘核心主体、核心文本,剖析了信息协同过程的动态性和演化性,推动构建深层次、全景性、贯通型的信息协同网络,为后续的实践应用探索提供了新的研究思路和方法,以情报智慧赋能总体国家安全观下的突发事件协同决策,为社会协同治理提供了建设性意见,以促进应急管理工作数字化、智能化、智慧化。

基于多级连续编码与解码的图像超分辨率重建算法

以卷积神经网络为模型框架的图像超分辨率重建算法难以提取低分辨率图像内部的多层次特征信息,导致重建图像缺少丰富细节,为此提出新的图像超分辨率重建算法.所提算法通过初始卷积层从低分辨率图像提取浅层特征;通过多个端对端连接的多级连续编码与解码的注意力残差模块获取低分辨率图像内部不同层级的图像特征,按照不同的提取难度生成这些特征的权重,重新校准不同层次的图像特征,获取图像内部丰富的细节特征;通过上采样模块和重建卷积层将提取到的丰富细节特征和浅层特征重建成高分辨率图像.在Set5、Set14、BSD100和Urban100测试集上进行的对比测试结果表明,使用所提算法重建的图像在客观评价指标、视觉效果上均优于使用主流算法重建的图像.

边缘场景下基于多维损失优化超分辨率网络的天气图像检测算法

在边缘场景下,气象图像采集模型大多部署在算力较低的移动端或边缘设备上,造成观测图像分辨率较低,给天气现象检测带来困难,且传统FSRNet生成的图像存在伪影、模糊等问题,因此需要优化天气图像超分辨率网络,提高图像的分辨率.基于无锚检测器,提出以观测要素为点的检测方案,不需要手动设置锚框,使检测模型轻量且高效.通过引入热图损失、目标注意力损失和对抗性损失等多维损失函数,对粗糙SR网络进行优化,使低分辨率图像完成递进式训练.优化骨干网络ShuffleNetV2,使检测模型更加轻量化,提高超分辨率天气图像检测的性能.实验结果证明,此天气图像超分辨率重建模型可以生成质量更高、细节更加清晰的目标观测图像,更加轻量的检测模型适用于非约束场景,在FDDB上的平均精度值(AverP)达到97.7%,优于其他先进模型.

体系作战信息流转超网络结构优化

稳健可靠、精干灵活的网络结构,是体系作战信息顺畅传递、高效流转的重要保证。首先,引入超网络理论,提出体系作战信息流转超网络概念,构建由物理层和逻辑层组成的分层网络结构;其次,以物理层抗毁性最强、逻辑层流转效率最高、整体网络化效能最大为优化目标,建立作战信息流转超网络均衡模型;然后,通过变分不等式进行模型转换,利用修正投影算法求解运算。最后,以空中进攻作战为例,进行仿真实验分析。结果表明,优化后的超网络在保持原网络结构特点的同时,具备更强的抗毁性、更高的流转效率和更大的网络化效能。

基于特征向量中心性的社交信息超网络中重要节点的评判

文章主要将超网络和特征向量中心性的理论方法运用于社交网络信息交互过程中重要节点的评判研究,在对社交网络信息交互系统构成及关系进行分析的基础上构建一个社交信息超网络模型,并通过例子构建超网络的邻接矩阵和网络直观图。根据现有方法存在的问题与不足,提出了一种基于特征向量中心性的社交信息超网络节点信息交互综合能力的评判方法,并通过实例进行了验证与分析。

基于人际竞争情报分析的产业集群信息服务机制研究

信息服务是产业集群升级过程中不可缺少的要素。依据行动者网络理论提出了产业集群信息服务机制的构建过程:网络主体的寻找、网络主体的筛选、行动者征召、协调动员。在信息服务机制的构建和运营中,用社会网络分析方法对信息服务的稳定性和有效性进行优化,用超网络工具解决集群多网络之间的利益协调。产业集群信息服务机制需要行动者网络、超网络、社会网络三大工具的协同应用。

基于超网络的作战信息流转建模及特性分析

针对现有单一要素模式的信息网络不能有效反映作战信息流转复杂结构及动态过程的问题,提出一种基于超网络的作战信息流转"两层三网"模型构建及特性分析方法。首先,分析作战信息流转超网络结构特征,抽象作战节点和信息关系的多维属性,定义关联映射规则,建立作战信息流转超网络模型;其次,从节点的超度分布、超边的度分布、介数、聚类系数、子图向心性和网络弹性6个方面,研究了作战信息流转超网络的拓扑特性。最后,以空中突击作战为例,通过仿真实验,验证了模型与方法的可行性和合理性。

超级节点网络的构建与搜索机制研究

超级节点网络是提高P2P网络搜索效率的有效方式之一.提出基于在线聚类的超级节点网络构建和路由方法.采用在线聚类算法,将新加入的节点按照语义相关性,动态加入或创建相应的超级节点,构建超级节点网络.算法在保证每个超级节点所连接的普通节点之间具有很强的语义相关性的基础上,当超级节点出现负载过重时,采用动态调整超级节点选择策略.该策略解决了随着网络规模的扩大,超级节点因负载过重而出现网络瓶颈的问题.在此基础上,提出一种优化搜索机制,提高了搜索效率和检索结果.

“信息高速公路”的发展及其影响

本文阐述了国际上特别是美国建设“信息高速公路”的目标、内容、意义及其影响，并提出了发展中国国家高速信息网的有关建议。

非抽取小波边缘学习深度残差网络的单幅图像超分辨率重建

图像超分辨率重建作为一个典型的非适定问题一直受到重视,尽管近年来出现了许多行之有效的卷积神经网络超分辨率重建模型,但如何全面挖掘图像先验信息,用以提高重建图像的细节清晰度仍有待深入研究.本文提出一种基于非抽取Wavelet变换的边缘学习深度残差网络单幅图像超分辨重建模型NDW-EDRN(Non-Decimated Wavelet Edge learning using Deep Residual Networks),在图像经非抽取Wavelet变换后获得多冗余信息、平滑及梯度值较小的低频区域和边缘及梯度值较大的高频区域的基础上,将整体网络框架设计为采用不同结构的CNN(Convolutional Neural Networks)模型来对低频子带与高频子带分别进行学习的策略:对低频子带采用稠密跳跃连接的方式整体性学习低频子带间的映射关系;对高频子带采用一种新型的U-net模型,将图像退化过程中所丢失的边缘作为网络的期望输出,通过基于块的跳跃连接来使网络更精细地学习缺失性边缘,从而更加充分、有效地获取图像在退化过程中所丢失的边缘细节信息.大量实验结果表明,该网络模型能够有效提高重建图像的质量,特别在恢复低分辨率图像的边缘信息方面具有一定的优势,在一定程度上弥补了传统CNN网络模型捕捉图像细节信息的不足.

基于任务能力的指挥信息系统超网络弹性度量

弹性是指挥信息系统应对不确定性风险的重要属性,针对指挥信息系统弹性提出一种度量方法.首先界定了指挥信息系统弹性的概念,然后基于拓扑结构分析,建立了指挥信息系统超网络模型,并基于概率攻击和弹性策略,提出基于任务能力的指挥信息系统超网络弹性度量方法.最后以某区域防空指挥信息系统为例,度量系统在不同攻击方式和恢复策略下的弹性,并提出有针对性的弹性增强措施,为进一步优化和提高指挥信息系统弹性奠定基础.

基于GIS铁路网络运营管理和分析系统

随着地理信息系统发展,海量数据的读取和存储得以空间化。以地理信息系统为平台,以铁路运营网络与空间地理信息为基础,实现高效的铁路运营管理决策系统。以2013年4月19日的铁路运营图为基础,共采集2 614个普通车站,161个高铁车站和58个综合车站的空间信息,3 065条铁路网络物理空间信息,83 903条普通铁路运营网络和4 085条高速铁路运营网络空间信息,构建铁路网络GIS平台,并以SQL Server2005进行数据管理,应用Visual C#和Super Map Objects进行系统开发,实现数据的存储、读取、更新及计算等功能。

基于双注意力机制信息蒸馏网络的图像超分辨率复原算法

针对超分辨率复原技术中网络层数不断加深导致的网络训练困难、特征信息利用率低等问题,设计并实现了一种基于双注意力的信息蒸馏网络(IDN)的图像超分辨率复原算法。首先,利用IDN较低的计算复杂度及信息蒸馏模块提取更多特征的优势,通过引入残差注意力模块(RAM)并考虑图像通道之间的相互依赖性来自适应地重新调整特征权重,从而进一步提升图像高分辨率细节的重建能力;然后,设计了对于边缘信息敏感的新型混合损失函数对图像进行细化处理,以加速网络收敛。在Set5、Set14、BSD100和Urban100公共数据集上的测试结果表明,该方法的视觉效果和峰值信噪比(PSNR)均优于当前主流算法。

基于区域互补注意力和多维注意力的轻量级图像超分辨率网络

轻量级卷积神经网络具有参数量较小、计算量较小、推理速度较快等特点,但性能受到极大限制.为了进一步提升轻量级图像超分辨率网络的性能,文中提出基于区域互补注意力和多维注意力的轻量级图像超分辨率网络.网络基本构件是双支路的多交互残差块,可有效融合多尺度特征.为了提高特征的利用率和表达能力,设计轻量且有效的区域互补注意力,使特征图不同区域的信息互相补充.同时设计多维注意力,分别在通道维和空间维建模像素间的依赖关系.实验表明文中网络性能较优,并将当前轻量级超分辨率网络的复杂度和性能平衡提升到一个较高水平.

基于多属性决策的PCAS-SNIF关键节点分析

预先计划的近距空中支援(PCAS)是一种典型的空军进攻作战样式,研究PCAS信息流转过程对于提高PCAS的作战效能具有重要意义。针对PCAS作战过程难以建模分析的问题,引入超网络理论,通过研究PCAS作战的基本流程以及作战网络中各节点之间的交互关系,构建了"两层五网"的PCAS信息流转超网络模型,然后,仿真分析了PCAS信息流转超网络节点的度中心性、介数、聚类系数和接近中心性4个方面的拓扑特性,通过多属性决策节点重要性综合评价方法得出网络关键节点;最后,通过网络攻击实验验证了超网络模型和多属性决策算法的合理性和有效性,为研究作战信息流转问题提供了新的思路。

基于超网络的微博讨论数幂律分布研究

对以微博为代表的新型虚拟社区网络上的信息传播规律进行研究,探讨表达话题数和用户数两个维度的相互联系和作用,采用超网络的研究方法,结合超图的数学理论,建立了超网络拓扑结构图,通过对一段时间内约60 000条微博话题进行采样,统计参与讨论的用户数并将统计数据进行分类汇总,建立对数坐标系,用matlab绘出的散点图验证了讨论数和话题数是一个常数次幂的反比关系,得出微博讨论数完全符合幂律分布规律的结论。