智能情报分析算法风险治理可持续策略建模与仿真

近年来,随着智能算法的不断兴起,将智能情报分析应用于情报决策与服务逐渐成为趋势,与此同时如果在情报工作中智能算法出现安全风险将会严重影响社会稳定乃至国家安全,因此针对其系统化、可持续的治理是防范与化解智能情报分析算法风险的主要手段,具有重要的现实意义。文章通过区块链技术构建“联盟链+私有链”的双链治理模式,并从“开发者-第三方-监管者”三方动态博弈的角度对智能情报分析算法风险治理可持续性进行建模与仿真。研究发现：提升开发者研发质量是智能情报分析算法风险治理的根源、弱化第三方角色逐渐加强其对开发者的威慑作用、监管者建立合理的激励规则能使治理达到最优策略。旨在寻求最佳的算法风险治理策略,进而达到治理成本与收益最大化的目标。     

基于模拟植物生长算法的配电网重构

配电网重构是降低电力系统中网络损耗的主要途径。本文将模拟植物生长应用于配电网重构中,通过模拟植物的向光性原理来形成网络的拓扑结构,从而达到该配电网网损最小的目的。通过对不同的智能优化算法对IEEE33节点系统进行仿真测试的比对,来进一步表明模拟植物生长算法的优越性。     

新闻推荐算法的局限与优化

新闻推荐算法是网络媒体时代新兴的新闻编辑技术,通过分析用户行为特征,推测用户的喜好和需求,目前备受互联网公司青睐.但实践积累发现,新闻推荐算法存在很多弊端,本文就其局限性展开分析,提出智能全面化用户数据采集、 人工推荐与智能筛选结合、 开辟与细化用户设置渠道三方面的优化策略.     

区块链赋能智能情报分析算法风险治理机制研究

人工智能技术在情报分析中的广泛运用,为决策与服务带来便捷的同时,智能算法所带来的风险问题也尤为突出,而对智能情报分析算法风险治理机制的创新研究是系统化、科学化防范与化解算法带来安全风险的主要手段,具有重要的现实意义。文章研究阐释了智能情报分析算法所面临的风险,从用户层、机制层和过程层三个视角分析了区块链赋能智能情报分析算法风险治理框架,并最终形成将区块链与智能情报分析算法风险相融合的分析治理机制。从共识协议赋能算法风险预警机制、智能合约赋能算法风险监测机制、激励规则赋能算法风险自治机制和时间戳溯源赋能算法风险回溯机制四个方面分析机制核心内涵,旨在为政府及情报工作机构算法风险治理提供决策与借鉴。     

人工蜂群算法及其应用

蜂群算法是一种模仿蜜蜂繁殖、采蜜等行为的新兴的智能优化技术。本文探讨了基于蜜蜂采蜜蜂群算法的理论基础,并使用蜂群算法与禁忌搜索结合解决组合优化问题,如旅行商(TSP)问题。通过分析,蜂群算法与禁忌搜索结合能够改进算法的全局搜索能力,有较好的发现最优解的能力。     

群体智能算法在投资组合中的应用

群体智能算法作为一系列优化问题求解的算法，已被广泛应用到投资组合问题求解的过程当中。就群体智能算法在投资组合中的应用进行了详细梳理，且选取了遗传算法和粒子群算法这两种典型算法，基于股票收益率真实数据，建立投资组合模型并对其求解。实验结果表明，与等权重投资组合方式相比，构建投资组合模型所得到的实际收益率更高，且在投资组合优化模型中，较粒子群算法，遗传算法最优解优于前者，且运行时间较短。     

三种智能优化算法的比较分析

生物进化过程本身是一个自然的、并行发生的和稳健的优化过程,基于这一过程而产生的仿生优化算法为解决非数值优化问题提供了新的思路和手段。本文首先简要介绍了目前比较流行的三种新型智能优化算法：人工鱼群算法、蚁群算法和遗传算法,就这些算法的特点和异同进行了分析,并对它们的发展进行了进一步的阐述。     

智能广告的程序化创意及其RECM模式研究

以智能化为核心的程序化创意是智能广告的典型形态,程序化创意是智能广告时代广告创意的智能化、个性化和程序化,其本质是以算法为核心,解决用户、环境和创意内容的匹配。传统的以人工为核心的经验创意演变为以智能算法为核心的程序化创意,后者以智能算法技术和创意DMP平台为基础,在用户协同、场景匹配以及内容相关上实现了广告创意的动态生成和优化。基于精准营销理论、场景营销理论、内容营销理论以及用户画像理论,本文提出RECM模型,用来总结分析程序化创意的特征及发展,并探讨智能广告创意的未来发展趋势。     

基于数据挖掘技术的Web智能服务算法

提出了一种基于数据挖掘技术的Web智能服务算法，它通过对Web数据模型的转换，发现并建立有关用户意向关联知识库，然后再利用知识库中的关联规则来预测用户行为，从而提高了用户浏览器访问速度。该研究内容属目前智能信息检索领域的重要研究课题，具有一定的理论和实践意义。     

论智媒传播中人的主体性虚置与主导性迁移

人工智能技术的进步将基于大数据的算法与新兴社交媒体的运作深度结合，把社会互动带入智媒传播的新范式。智能技术的深度学习不断增进算法与人性思维的相融，在传播关系层面改变了传媒领域的传播生态，变革了在传播实践过程中的主体性、主导性和相应话语权力构成。本文在明晰智能算法对社交媒体传播的技术赋能和带来的权力转移现象后，重点对智媒传播中主体性虚置的多重表征和权利让渡引发的主导性迁移进行分析，以期对人工智能深度参与传播的规范化、合理化发展提供有价值的参考。     

基于蛙跳算法的人工萤火虫群优化算法

人工萤火虫群优化算法(GSO)是最近提出的一种群智能优化算法,算法具有参数少、优化求解速度快以及占用内存少等优势,但是GSO算法还是存在许多的不足,本文就是来讨论解决GSO算法中的一些不足之处.     

推荐与匹配：移动阅读中算法逻辑及运用

移动终端的普及重塑人们的阅读空间和方式，而智能算法也成为移动阅读平台为用户提供个性化服务的重要工具。文章主要介绍基于内容的算法推荐、协同过滤的算法推荐、关联规则的算法推荐以及混合算法推荐等主要算法推荐技术及其在移动阅读领域的应用逻辑，从而揭示算法推荐给移动阅读带来的影响。     

粒子群算法在非线性PID控制系统参数整定中的应用

粒子群优化算法是一类基于群智能的随机优化算法,该算法简单易懂,优化性能良好。本文提出改进的PSO算法结合MATLAB强大的矩阵运算能力和Simulink系统仿真功能,对文中非线性PID控制系统参数进行了优化整定。仿真显示优化结果比传统的优化方法好,收敛性能也较好。     

K 最短路径算法与应用分析

为应对日趋庞大的网络规模和复杂的约束条件给解决 k 最短路径问题带来的挑战,同时给 k 最短 路径在图书情报领域的研究提供建议,对研究现状和算法成果进行总结。首先,介绍 k 最短路径问题的 基本概念。其次,对国内外 k 最短路径问题的算法思想和应用领域研究进展进行梳理,算法思想包括偏 离路径算法、删除路径算法、标号算法、智能算法等,主要的应用领域有交通运输、通信网络、电力系统、 图书情报领域等。最后总结 k 最短路径待解决的问题以及未来研究的方向。     

多重条件蚁群算法在导航系统中的应用

查找最佳导航路线是导航系统中最基本、最重要的功能之一,而高效的智能算法是求解最佳导航路线的有效方法。通过对蚁群算法进行深入研究,提出了多重条件下蚁群算法的一种改进。本算法能够综合考虑导航系统中的多种信息,设定多个条件,通过调节每个条件的启发式因子,可以根据所关注的条件的重要程度,比较快速的、更加人性化的给出最佳导航路线。通过实验证明利用改进后的多重条件下的蚁群算法来求解最佳导航路线是行之有效的。     

智能传播"过滤气泡"效应对青年价值观建构的风险与应对

在智能传播中,以算法为技术支持的个性化推荐实现了信息的精准投送,提升了人们信息处理的效率,但同时也引发了以信息个体化为主要特征的"过滤气泡"现象,对青年用户的价值观产生了不良影响.为此,需进一步采取积极调适媒介传播平台的价值导向,增强智能算法程序运行的透明度,探索建立信息的组合或反向推送机制,以及提升青年用户的信息获取素养等措施予以应对.     

一种改进蚂蚁算法的MATLAB仿真

蚂蚁算法是一种新型的模拟进化算法,也是一种随机型智能搜索算法。在介绍了基本蚂蚁算法基础上,针对基本蚂蚁算法存在的计算复杂,易陷入局部最优等缺陷,提出了一种基于信息熵的自适应改进蚂蚁算法,信息熵来度量蚂蚁系统的复杂性,用均值熵调节算法的系数使算法实现自适应。经MATLAB仿真试验结果表明,改进的算法有较好的收敛性、稳定性,优于基本蚂蚁算法。     

智能检索模型研究

提出了一个智能检索形式框架模型，论述了实例化该模型的建模技术、知识表示和检索算法，对30个智能信息检索系统进行了模型框架、知识表示和检索算法的统计分析，总结了三种类型的智能检索模型实例化方案。     

论视频智能推荐的算法模型设计

本文分析了常见的网络视频的智能推荐算法,如:协同过滤的推荐算法、基于内容的推荐算法、基于知识的推荐算法,基于热度的推荐算法,等,并提出了自己的视频智能推荐算法设计原则。     

时间上下文优化的协同过滤图书推荐

针对高校图书馆场景存在的无显式反馈、借阅数据稀疏和传统推荐算法效果不好问题,提出基于时间上下文优化协同过滤的推荐算法,包含读者阅读行为评分、时间上下文和内容兴趣变迁3个要素。在数据准备阶段,通过制定评分转化规则、设计标准化函数来构建一种基于用户行为操作的兴趣评分模型,以解决用户评分缺失问题;在推荐召回阶段,提出一种非线性的时间衰减模型来对评价矩阵进行优化,以提高推荐效果;在推荐排序阶段,提出一种兴趣捕捉模型对召回结果按照图书类别进行精排序,以缓解数据稀疏问题并进一步提高推荐效果。实验结果表明,文章提出的优化算法在Top5的F值较未经优化的协同过滤提升增幅达141%。