A Retrospective Filter Trust Region Algorithm for Unconstrained Optimization

In this paper, we propose a retrospective filter trust region algorithm for unconstrained optimization, which is based on the framework of the retrospective trust region method and associated with the technique of the multi-dimensional filter. The new algorithm gives a good estimation of trust region radius, relaxes the condition of accepting a trial step for the usual trust region methods. Under reasonable assumptions, we analyze the global convergence of the new method and report the preliminary results of numerical tests. We compare the results with those of the basic trust region algorithm, the filter trust region algorithm and the retrospective trust region algorithm, which shows the effectiveness of the new algorithm.

数字孪生变电站框架设计与关键技术研究

数字孪生(DT)技术的发展给电力系统的智能化管理带来诸多便利,然而作为推动能源电力行业数字化、智能化的关键技术,相关研究与应用还处于初期起步阶段,亟需开展系统性研究,以突破适应能源电力行业特殊性的数字孪生关键技术。为此,本文以变电站作为应用场景,首先对变电站运维管理现状进行了分析,指出现阶段存在变电站巡检模式缺陷、模型精度不够、感知参量单一、缺乏对数据的深度挖掘等问题。以此设计了一套涵盖空间信息与设备建模、变电主设备机理建模、智能反馈控制、设备感知网络、基于数据驱动的数字孪生体模型的仿真,以及3维可视化渲染与应用的数字孪生变电站模型框架。然后讨论了变电站数字孪生技术面临的问题与挑战:专业智能研制方面,变电站数字孪生系统对传感器的感知精度、智慧功能集成度、抗干扰能力、功耗以及供能方式等提出更高要求;海量数据存储与计算方面,海量多源异构感知数据如何高效存储与利用,以及如何优化算力资源分配,满足系统实时计算需求;模型研究方面,现有数据驱动模型精度不足,模型不可解释且缺乏论证,影响整个系统的可靠运行;数据方面,如何解决“数据安全”与“数据孤岛”问题;3维虚拟实体构建与动态更新方面,如何低成本快速构建可用的高精度3维变电站模型,以及研究设计3维模型的动态更新算法,以保证孪生系统实时空一致性。进而探讨了解决问题的关键技术:通过感知理论研究与提升制作工艺、结合分布式云存储与云边协同计算、数据驱动与机理知识融合建模、可信联邦学习等先进技术,以及实景3维重建与点云动态可视化等相关技术,在满足隐私保护和数据安全前提下,建立“形”与“态”相融合的变电站数字孪生系统,实现变电站运行状态全感知、全生命周期数据智能管理与高效利用,变电站全业务场景智慧运行。结合数字孪生模型设计与关键技术问题的探讨,给出了一套面向工程应用的数字孪生变电站系统设计方案,重点阐述了包括变电站设备实时监测、设备故障诊断与故障预测、运维决策优化与智能反馈控制等典型的应用场景。

平台多维协同对消费者信任的动态影响及仿真

在对各种网购平台比较的基础上,提出平台多维协同的概念,基于平台多维协同,进行消费者信任影响因果关系和服务标准执行因果关系理论分析,将网商、平台商和快递商作为有机整体,构建多维协同平台中数据统一、信息共享程度、服务标准执行和业务流程顺畅等显著性因素对消费者信任影响的系统动力学模型,四个因素的权重值通过层次分析法利用yaahp12.0软件进行获取,并以京东和天猫某洗面奶快消品为例进行仿真分析。结果表明考虑价格、质量和促销活动等变量的动态影响,随着时间的增加,显著性影响因素对消费者信任的影响程度会加大,并且数据统一和信息共享程度比服务标准执行和业务流程顺畅对消费者信任的影响程度大。最后给出提升消费者信任的政策建议。

基于多维度网络安全行为的信任评估模型

提出了一种基于多维度网络安全行为的动态信任评估模型,该模型通过在现有的身份认证、网络安全、终端安全等各类系统中采集信任指标数据,并对指标数据进行综合的处理和评估,帮助应用系统从各种角度评估网络实体的可信度,并且根据信任度评定相应的信任等级,最终实现为用户分配动态的权限,保证用户访问应用业务系统的数据安全性。该模型在信任度评估方面具有动态、高效和稳定的特点,使用该多维动态评估方法的应用系统能够实现对用户的操作安全性和合法性进行持续动态的高效评估,并根据评估结果,为用户分配动态的数据访问权限,从而解决复杂网络环境数据安全的问题。

三维主体互动框架下安全食品的信任建构与风险规避——基于H市农夫市集实地调查

农夫市集在食品工业化和农业产业化的反思中兴起,是实现产消有效对接和食品安全信任重建的重要实践。基于H市农夫市集的实地调查和深度访谈,在农夫市集、生产者与消费者三维主体互动框架下分析得出安全食品信任关系已建构,主要包括3个环节:农夫市集与消费者因认同结成团体,在同体效应中凝聚信任;农夫市集与生产者在互惠互利中奠定信任基础,在情感嵌入中推进信任积累;生产者与消费者在信息互动中通过信任评审,在关系互动中建立人际信任。但其中还伴随加工信息掌控不全、线上监督体系不完善、食品质量下降和维持信任成本高的风险。因此,为使安全食品的信任关系更加持久,仍需发挥生产者、农夫市集与消费者的主体作用,规避信任风险,从而实现食品信任的转型。

基于信任生成机理的电信网络诈骗防控措施研究

面对案件不断高发而且手段变化多样的电信网络诈骗犯罪,最有效的遏制手段是防控。提高预防效果的重点在于解析电信网络诈骗的本质,制定针对性强的防范措施。电信网络诈骗是一个互动的过程,诈骗分子与受害者生成信任是诈骗得以实施的关键。根据电信网络诈骗过程中信号传递链逻辑结构,从信号发送者特征、信号接收者特征、信号内容特征三个维度,揭示电信网络诈骗信任的生成特征,科学预测诈骗内容发展趋势和把握受害者信任生成机理,是公安机关采取更加精准的反诈措施,提高全社会反诈整体效果的有效途径。

基于声誉的多维度信任计算算法

针对移动Agent电子商务环境,大多数基于声誉的信任算法是单维度的,评价的节点只对历史交易给出单一的评价,并不区分节点服务内容,给出的信任评价粒度较粗.对此,提出了一种基于声誉的多维度信任算法RMDT(reputation-based multi-dimensional trust).给出了一种新的推荐可信度计算方法,并运用自信因子综合直接信任和推荐信任来对网络内的节点进行信任评估.定义的时间敏感函数使RMDT具有一定的奖惩机制,实现了信任的动态衰减.通过将交易评价体系和权重体系引入多维度机制,RMDT较好地体现了个体偏好、风险态度等主观因素对信任计算的影响,增强了信任算法在交易单个属性上的敏感性.

电子商务的信任机制研究——针对不同模式的比较分析

从信任的一般涵义出发,引申出电子商务环境下信任的内涵及特点。在此基础上,对常见的三种电子商务模式(B to B、B to C、C to C)的信任状况进行了分析,得出B to B电子商务的信任状况较好,而其他两种模式的信任状况较差的结论,并进一步对B to C、C to C的信任机制进行了讨论。根据B to C、C to C交易模式的特点,剖析了其信任体系的构成及交易过程中信任机制的作用机理,以期为电子商务信任体系的实证分析做好铺垫,为更好地解决B to C、C to C中存在的信任问题打好基础。

信任网络中多维信任序列模式挖掘方法研究

现有信任网络研究大多侧重于信任的推理及聚合计算,缺乏对实体重要性及其关联性分析,为此该文提出一种多维信任序列模式(Multi-dimensional Trust Sequential Patterns,MTSP)挖掘算法。该算法包括频繁信任序列挖掘和多维模式筛选两个处理过程,综合考虑信任强度、路径长度和实体可信度等多维度因素,有效地挖掘出信任网络中的频繁多维信任序列所包含的重要实体及其关联结构。仿真实验表明该文所提MTSP算法的挖掘结果全面、准确地反映了信任网络中重要信任实体关联性及其序列结构特征。

基于联盟链的可信工业控制网络访问控制机制

针对工业控制网络高度中心化、数据安全和访问控制等问题,优化基于属性的访问控制模型,引入多维信任度量技术作为访问控制判决因素来解决网络内部节点攻击问题,采用联盟链技术优化工业控制网络模式.解决控制系统中心化的问题.进一步提出了基于联盟链的可信工业控制网络访问控制模型TurstAC-ABAC.采用Lab-VIEW仿真软件和HyperLedger Fabric平台分别实现对工业控制系统和联盟链系统的仿真环境,验证了本文所提出框架的可行性和安全性.

在线社会网络多维度链式信任计算算法

针对在线社会网络中用户间的复杂关联和信任问题,本文提出一种链式优化方法来降低用户关联的复杂性,同时结合多维度用户评价、时间衰减、共谋识别以及目标用户信誉值几方面综合计算目标用户的动态信任值,建立了在线社会网络优化及信任计算算法,有效地解决了在线社会网络的信任计算问题.

基于节点信任度的三维覆盖算法

针对无线传感器网络中节点的安全性及覆盖问题,提出基于节点信任度的三维覆盖算法(three dimensional coverage algorithm based on node trust,NTA3D)。该算法依据虚拟力、网格划分及节点信任度的思想,引入吸引源联合信任度。将待监测区域划分成网格,并在每个网格中心部署吸引源。吸引源可以根据网格中的活跃节点计算该网格的联合信任度,并根据联合信任度调度节点,调度结束后工作节点根据其所受合力的大小和方向重新部署。通过实验仿真,证明了该算法能够在保证安全性的前提下有效地提高覆盖率,降低网络能耗。

村民对乡镇政府信任度及主要影响因素的实证研究

基于对镇安县杨泗环乡、岐山县蔡家坡镇、武功县大庄镇及杨陵区"四地"村民及基层干部的调查,文章分析了村民对基层政府信任度的影响因素,以乡镇政府干部、乡镇政府政策、乡镇政府财务、乡镇政府服务、乡镇民主建设和乡镇经济建设六个指标体系中的21个指标进行量化研究,定量分析得出村民对乡镇政府的信任度是0.705,结果可以看出村民对乡镇政府的信任达到了良好。作者借助DPS软件以多元线性回归的分析方法把影响村民对乡镇政府信任度的非主要影响因素剔除,并对主要影响因素进行单独分析,最后针对性提出提高村民对乡镇政府信任度的建议。

网上信任多维模型实证分析

本文以理性行为理论为基础,构建了电子商务环境下消费者网上信任的多维模型,分析了基于倾向的信任、基于制度的信任、人际信任三者之间的关系,并提出了建立消费者网上信任的若干策略。

基于身份的家族企业信任的差序格局研究

基于差序格局理论以及信任的多维度特征,研究了因身份(家族外部和内部)的不同,中国家族企业多维度信任的差序格局分布。研究结论表明:第一,企业主对家族内部和外部高层管理人员的情感性信任存在着差异,其中,对家族内部高层管理人员的情感性信任高于对家族外部高层管理人员的情感性信任;第二,企业主对家族内部和外部高层管理人员的认知性信任存在着差异,其中,对家族内部高层管理人员的认知性信任低于对家族外部高层管理人员的认知性信任。

基于全卷积神经网络的多维信任数据协同推荐算法

传统算法对多维信任数据进行推荐时,均衡性较差,导致用户信任度不高,为此,提出一种基于全卷积神经网络的多维信任数据协同推荐算法。构建多维信任数据的存储和服务结构模型,运用该模型提取多维信任数据的关联规则特征量;采用隐含层节点抽取机制,将提取的特征数据输入到卷积神经网络中进行自适应学习,保留重要隐含层中的关键信息;采用协同滤波方法训练隐含层和输出层的连接权值,从而实现多维信任数据协同推荐。实验结果表明,该算法的稀疏学习性能较好,降低了推荐网络模型的复杂性,提高了置信度水平。

区块链债转平台的三维信任机制研究

基于区块链债转平台的三维信任机制展开研究,从宏观层面和微观层面对制度特征的信任机制进行分析,分别探讨供应商和零售商的个性特征,并通过KMRW的声誉模型分析声誉特征对供应链平台获取信任的意义。最后通过仿真模拟佐证分析供应商、零售商和平台与三维信任之间的关系。研究发现,在目前区块链供应链金融发展初期,三维信任机制是解决信任缺失的良方。

中国家族企业多维度信任的差序格局变异——来自服务性企业和技术性企业的比较研究

基于差序格局理论,从多维度信任角度出发,分析了因对能力需要的不同,中国家族企业多维度信任的差序格局变异。研究结论表明:第一,技术性和服务性企业的非家族高层管理人员感知的情感性信任存在着显著的差异,其中,技术性企业高于服务性企业;第二,技术性和服务性企业的非家族高层管理人员感知的认知性信任存在着显著的差异,其中,技术性企业高于服务性企业;第三,技术性企业非家族高层管理人员感知的情感性信任和认知性信任没有显著的差异;第四,服务性企业非家族高层管理人员感知的情感性信任和认知性信任存在着显著的差异,其中,情感性信任低于其认知性信任。

基于D-S证据理论的多维度信任评估方法

针对当前云环境下信任评估存在的多维属性和不确定性问题,提出一个基于D-S证据理论的多维度信任评估方法,来评估云服务商的信任值。实体间的信任关系用信任、不信任和不确定来表示,依据与云服务商相关的属性证据进行直接信任度计算;并根据第三方用户的推荐计算间接信任度;最后综合直接信任和推荐信任得到云服务商的综合信任值。实验分析表明,该信任模型能够较为准确的对云服务商做出信任评估,从而有效地防止恶意攻击行为;同时将D-S证据理论引入到实体的直接信任度评估中,较好地解决了证据不确定性的问题。

一种基于多维信任度的动态RBAC模型

基于角色的访问控制技术是一种广泛使用的授权方式,传统或改进的RBAC模型在加入信任机制的授权方面没有考虑信任度的时间特性问题,并且只将信任指标简单加权得出全局信任,这种算法考虑问题单一,不能很好地反映权限动态授予的灵活度。针对此问题,本文提出一种基于多维信任度的动态RBAC模型(MDT-RBAC),该模型在角色管理模型ARBAC97的基础上进行扩展,引入时间特性因素,改进现有的信任度计算方式,综合计算用户的多种信任特征,实现灵活、动态的授权机制。仿真实验结果表明,MDT-RBAC在遏制恶意节点攻击的有效性较已有的信任模型有很大的提高。