基于SOM聚类的电网可视化数据挖掘模型

面对电力系统中海量的多维数据,传统的可视化数据挖掘无法满足空间数据处理的需要,多维数据可视化也不利于用户获取知识。因此提出了基于SOM(自组织特征映射网络)聚类的电网可视化数据挖掘新模型VSDMmodel,模型利用改进的SOM聚类算法对高维电网数据进行降维,提出一种基于颜色映射的可视化方法,对聚类结果进行低维展现,加快了用户对挖掘结果的理解,并且允许用户对结果中感兴趣的区域加以深入分析,实现对电力系统海量数据的可视化挖掘。     

基于PCA的SOM网络在基因数据聚类分析中的应用

把主分量分析（PCA）方法和自组织特征映射网络（SOM）相结合,应用到基因数据聚类分析中。首先对基因数据集进行PCA分析,提取出少量的特征主分量,再对数据集进行降维。这些主分量基本上可以反映原数据集的综合信息,然后应用SOM网络对得到的特征分量进行聚类分析,把相似的基因划分到一个区域。实验结果表明,与单一地选用SOM网络进行聚类分析相比,该方法有较高的分类正确率及较为清晰的分类边界,是一种非常有效的聚类分析方法。     

SOM聚类算法在文本分类上的应用

随着网络信息指数级的增长，如何高效地组织海量的文本信息成为众多终端信息查询的基本要求。本文利用神经网络的联想记忆原理，提出一种改进自组织映射（SOM）神经网络聚类算法来对这些信息进行索引和分类。改进SOM聚类算法通过文本的预处理和词汇权值的计算，SOM网络的训练过程以及多次聚类来细化各文本类别，最终产生概念空间。试验结果表明该算法对文本有很好的分类管理功能，便于文本检索。     

基于鱼群信息链特征优选的域间流量监测

对内容中心网络的域间流量监测是未来互联网架构和网络安全监护的重要内容,通过域间流量监测,防止网络拥堵和不稳,提供网络性能,同时缩减网络冗余流量。传统方法中,对域间流量的预测采用双谱分析的方法进行特征提取,实现对局域网流量的预测,算法受到短时缓冲流量的非线性特征的影响,性能不好。提出一种基于鱼群信息链特征优选的域间流量预测算法,进行网络流量信号模型分析,构建流量监护数据样本驱动空间,进行鱼群信息链特征优选系统模型与数据预处理,得到域间流量为一阶空间权矩阵,域间网络流量信息数据表示为一个方阵,实现基于鱼群信息链特征优选的域间流量预测算法的改进。实验得出,采用该算法,在较低的信噪比下,仍然具有较高的预测精度,域间流量估计误差较低,性能较优。     

高校学生网络舆情的动态监测路径与防控机制研究

[目的/意义]高校学生网络舆情的动态监测与防控一直是高校网络安全所关注的焦点。在新媒体环境下,如何精准地预测高校学生网络舆情的发生和演化,掌握高校学生网络舆情发生的动态和规律以便对其进行有效地防控已成为高校思想政治教育的核心工作。[方法/过程]为此,采用信息获取、数据清洗和信息聚类等网络舆情分析技术对高校学生网络舆情监测流程、监测方法和监测内容等予以研究。[结果/结论]结果表明以舆情信息聚类结果为基础,利用人工研判和技术手段相结合的方法可以提升对高校学生网络舆情的动态监测效率,进而可以有效地对高校学生网络舆情实施防控。     

基于粒子群算法的WSN非均匀分簇路由协议

本文针对无线传感器网络簇间能耗不均问题,采用了双簇头的非均匀分簇思想,首先利用LEACH算法来选取次簇头和非均匀分簇,再通过粒子群算法来选取主簇头。主簇头负责收集簇内其他普通节点的数据信息并进行数据融合,次簇头负责与汇聚节点进行通信传递融合数据,形成完整的数据信息传输。仿真实验结果表明,与LEACH算法相比,该算法可以均衡簇内的能耗,有效延长网络生命周期。     

基于信息熵的新媒体环境下负面网络舆情监测指标体系研究

[目的/意义]新媒体环境下网络舆情信息传播对舆情的发展趋势具有重要的导向作用,对舆情进行监测有助于相关舆情管理部门对舆情信息传播进行有效引导,促进舆情事件良性发展。[方法/过程]本文基于信息熵理论,通过层次分析法构建评估指标体系,使用模糊综合评价法建立新媒体环境下网络舆情监测模型,针对舆情指标隶属度结果对监测等级进行分类。本文以新浪微博舆情热点话题"鸿茅药酒"作为数据源获取数据进行新媒体环境下网络舆情监测指标体系分析。[结果/结论]数据结果表明,新媒体环境下网络舆情热点话题"鸿茅药酒"事件的影响力级别为Ⅳ级,需舆情管理者及时监测舆情发展和走势。通过最终监测值对照监测级别可以帮助政府及相关舆情管理者及时采取针对性措施监测和引导网络舆情的良性发展。     

新媒体环境下突发事件网络舆情话题演进规律研究 — —以新浪微博“九寨沟地震”话题为例

【目的/意义】随着新媒体的迅速发展,对新媒体环境下突发事件网络舆情进行合理管控是舆情管理者面临 的重要问题。对新媒体环境下突发事件网络舆情话题演进过程进行研究,能够深入剖析网络舆情信息传播规律, 帮助舆情管理者采取有效措施进行舆情监测与控制。【方法/过程】通过信息传播模型把突发事件舆情话题演进过 程分为三个阶段,即突发期、蔓延期和消散期。并采用实证方法以新浪微博热点话题“九寨沟地震”为例作为数据源 获取微博发文、转发、评论信息数据,通过Matlab软件拟合舆情周期,再使用Gephi绘制可视化云图,通过网络结构 分析网络舆情话题演进规律。【结果/结论】对“九寨沟地震”突发事件网络舆情信息在移动端和非移动端传播过程 进行对比分析,得出移动环境下突发事件网络舆情话题传播范围更广、传播周期更长、信息传播层级更高、意见领 袖影响力更大。     

基于SOM聚类的个性化图书推荐研究

个性化推荐是图书馆个性化信息服务的主要方式之一。本文在传统推荐算法的基础上,提出了一种基于SOM聚类的个性化图书推荐方法,该方法结合中国图书馆分类法对读者的借阅信息进行分析,并利用SOM网络对借阅文档进行聚类。利用个性化推荐技术来调整图书馆的信息服务模式,推送最贴近读者需求的信息给读者,从而提高图书馆馆藏资源的利用率和图书馆的服务质量。     

物联网传感网络路由改进设计算法研究

物联网传感网络广泛应用在环境监测和模式识别等领域,物联网传感网络的路由协议通过多跳汇聚树路由网络进行组网,随着节点数目的增多容易出现链路故障,需要进行路由修复和改进设计。提出一种基于链信息头抽取和信息源定位的物联网传感器网络路由改进设计方法。构建了物联网下传感器网络的组网和路由探测模型,采用链路信息簇头节点抽取和信息源定位方法进行链路路由信息数据聚集,采用预加重方法广播竞选簇头节点的能量损失,通过双向链路估计得到路由节点的数据传输协议,采用链路节点能量和Sink节点距离分层方法实现路由优化设计。仿真结果表明,采用该方法进行物联网传感网络的路由优化设计,提高了链路信息收发和数据传输的可靠性和吞吐量,性能优越。     

基于相关粘链像素点的超维变形多态图像分离

研究超维变形多态图像的相关粘链像素点分离方法。传统的相关粘链像素点分离方法对变形多态图像采用单帧分离,这类方法很难对超维变形多态像素的粘链点进行分离,导致分离效果不佳。提出基于相关粘链像素点的超维变形多态图像分离方法,相对于两维图像分离方法,超维变形多态图像的相关粘链像素点分离方法增加了对数据的相关偏移像点的计算方法,在对图像信号的频谱分析和识别上,采用相关粘链像素点分离的方法,对超维变形多态图像在偏移像点、中心像点、校正像点3个维度进行计算,提取图像的多维综合信息,利用这些信息实现相关粘链像素点分离,实现输出比二维图像分离方法清晰度更高的图像。采用一组间隔3帧超维变形多态图像进行相关实验比较,结果表明,采用该方法能从超维变形多态图像中提取出有用信息,获得清楚度很高的图像,清晰度比传统二维算法提高了64%,具有很好的应用价值。     

一种信息低错校验的传感网络优化通信算法

针对传感网络中数据的差异性越来越大,数据属性差异会造成冲突,传感网络通讯耗时,网络节点效率较低等问题,提出了一种信息纠错校验的传感网络低错通信算法.运用改进的概率决策理论对数据进行融合差异出错概率判断,通过数据融合技术保证数据的最大化差异融合,保证能量耗尽的节点与出错节点的数据能够保证融合错误率最小,传感网络在低错状态下进行通信.实验证明,该方法能够大幅提高传感网络的通信效率,结果满意.     

基于瑞利差分的颜色空间突变信息内容感知方法

颜色空间内的突变信息感知是实现深度背景下的隐藏目标识别的重要技术。传统方法采用差分进化局部对比方法进行突变信息感知,当图像分块信息不均匀时,信息提取不全。提出一种基于瑞利差分的颜色空间突变信息内容感知方法,进行颜色空间背景全局性信息建模,计算非显著性突变信息。基于瑞利分布的非均匀稀有度特性,得到背景颜色空间和突变信息目标区域分离结果和差异性特征,实现突变信息内容感知。实验结果表明,算法能能使突变信息在深度颜色空间背景下突出显示,较好地检测出图像的显著性特征。在非显著性微小目标探测领域应用前景较好。     

大功率干扰监测下无线Mesh网络扰动容错方案

在无线Mesh网络中,常受到大功率动态干扰,MAC层协议扰动容错方案设计是提高Mesh网络抗大功率干扰,提高网络监测性能的关键技术。传统方法采用无线Mesh路由修复算法实现扰动容错方案设计,MAC层协议容错性能不好。提出一种基于自适应神经模糊系统网络动态大功率干扰监测的无线Mesh网络扰动容错方案,进行无线Mesh网络设计,在无线Mesh网络中,任何无线设备节点都可以同时作为AP和路由器,网络中的每个节点都可以发送和接收信号,在Sink对进行数据融合,实现大功率干扰监测数学模型构建。采用自适应神经模糊系统进行Mesh扰动容错方案设计,改进大功率干扰监测下无线Mesh网络扰动容错方案,提高Mesh网络抗大功率干扰能力。仿真实验表明,该方法具有较好的鲁棒性,该容错方案得到的网络生命周期延长了1.24倍和1.39倍,节省了能量,延迟了网络生命周期,保证无线Mesh网络系统的稳定性和高效性。     

智慧信息服务大数据框架下网络舆情信息集成应用研究

【目的/意义】随着互联网及大数据的飞速发展,网络信息海量涌现,对网络舆情信息集成与分析成为及时应对用户网络行为规律以及优化政府决策的重要手段。【方法/过程】在分析了网络舆情信息集成的发展现状、研究意义以及主要研究方向的基础上,辨析了大数据及网络舆情的概念及特征。基于此,本文以智慧信息服务大数据框架下网络舆情信息为研究对象,结合日志分析法和统计分析法,采用Awstats软件大数据集成技术等对智慧信息服务大数据框架下网络舆情的主要特征进行全面分析;进一步利用回归系数显著性检验方法,获得网络用户的行为规律,并将其应用到优化政府决策中。【结果/结论】实证结果表明,描述性分析的回归系数显著性检验结果低于0.05,推断性分析的回归系数显著性检验结果低于0.1,相关性和聚类分析的回归系数显著性检验值皆低于0.001,说明可根据描述性、推断性、相关性和聚类分析,获得有效的网络舆情集成分析结果,可将其应用到优化政府决策中。【创新/局限】但由于条件有限,本文设计的集成方法在集成效率方面还有所不足,未来的研究方向可以从提高集成速度入手,加强舆论信息集成的效果。     

低压电力载波通信的多态脉冲相位调制方法研究

对低压电力载波通信进行相位调制时,能有效提升数据传输速率,提高了载波通信网络的稳定性。利用当前方法对低压电力载波通信进行相位调制时,由于数据较多,导致数据传输的速率较低的问题。为此,提出基于随机多态脉冲相位调制方法。构建电力载波通信调制模型,并对该模型进行详细阐述,对载波通信信号进行定义,确定载波脉冲相位。利用基于随机多态脉冲相位调制方法对通信中确定载波脉冲相位进行调制,提出内调制与外调制两种调制方法对载波通信进行调制,并说明外调制更适用于低压电力载波通信网络,采用基于脉冲谐振检测方法对多态脉冲相位外调制进行检测,由正弦余弦检测结果完成对低压电力载波通信的多态脉冲相位调制方法研究。实验结果表明,所提方法能有效提升数据传输的速率,提高了载波通信网络稳定性。     

排队理论中的数学模型优化仿真分析

针对排队理论中的数学模型在处理非均匀排队数据时,一旦数据较多,会存在“饿死”问题,在原有模型的基础上设计并实现了一种趋于优先服务的数学模型。该算法根据队列长度和队首信元等待时间的权值修改输入数据,使得权值大的队列趋于优先服务,从而优化了在非均匀数据下的调度性能。以网络资源调度为测试用例进行算法验证测试,仿真结果表明,改进后的数学模型与经典模型相比,在均匀业务下的性能近似,而在非均匀业务下性能有了较大的提升。     

混合量热法测定水合物分解热

提出了一种采用混合量热法测量常压下水合物分解热的实验方法。混合量热法是根据能量守恒对整个系统进行热量衡算进而计算出水合物分解热的一种方法。并采用此方法测量了四氢呋喃（Tetrahydrofuran,THF）水合物和一氟二氯乙烷（HCFC-141b）水合物的分解热：常压下,相变点在4.4℃时,THF水合物分解热为（275.622.64） kJ/kg; 相变点在8.4℃时,HCFC-141b水合物为（348.483.08）kJ/kg,与相关文献数据对比相对误差分别为2％、6.2％。考虑到THF与HCFC-141b各自物性,得到混合法分解实验中THF水合物和HCFC-141b水合物与热水的最佳质量比分别为1：2和1：2.5。     

基于数据挖掘的舆情监测系统设计

文章设计一种部署于互联网上的舆情监测应用系统,该系统能够对互联网上的网页、论坛、微博等多种信息媒介进行监测,并自动的采集各种页面上的数据。通过数据挖掘方法从互联网中不同的信息媒介中提取出有价值的信息,并对网络舆情的状况和发展趋势做出预测,实现对互联网上的网络舆情进行实时监测的应用目标。     

可产生潜在威胁的网络数据挖掘模型仿真分析

对可产生潜在威胁的网络数据进行挖掘的过程中,采用传统关联规则方法无法运算潜在威胁数据的关联性,降低潜在威胁数据挖掘的准确性,提出一种基于区域频繁扩展树的支持向量机回归算法,用于挖掘网络潜在威胁数据,构建潜在威胁下网络数据的区域频繁扩展树,获取潜在威胁下网络数据间的关联性,依据潜威胁下网络数据的关联性塑造基于支持向量机回归网络潜在威胁数据挖掘模型,模型利用支持向量回归估计模型分析数据回归曲线的平稳度,对比回归预测值同真实值间残差,对检测数据中的潜在威胁数据进行识别,完成潜在威胁下网络数据的准确挖掘。实验结果说明,采用所提方法对不同复杂度潜在威胁下的网络数据进行挖掘,具有较高精确度。