基于GMM-HMM的话题生命周期状态识别及趋势预测方法

[目的/意义]本研究对正处于演化过程中的话题进行状态识别及趋势预测，为相关部门了解话题现状，对话题进行有效监管提供科学依据。[方法/过程]首先，考虑网民情感，结合话题的新颖度和关注度，构建话题生命周期状态观测指标；其次，基于隐马尔可夫模型(HMM)和高斯混合模型(GMM)的原理，提出话题生命周期状态识别及趋势预测方法；最后，选用微博话题构建数据集，设计对比实验，验证方法的有效性。[结果/结论]基于GMM-HMM的话题状态识别及趋势预测方法的F1值和准确率均高于87%,MAPE低于3.5%,相较于GaussianHMM和BP神经网络具有较大优势。     

任意凸四边形区域上二阶椭圆特征值问题基于高斯点的一种有效的谱配置法

作者提出了任意凸四边形区域上基于高斯点的二阶椭圆特征值问题的一种有效谱配置法.该方法首先利用等参变换将任意凸四边形区域上的函数转化为[-1,1]×[-1,1]上的函数，然后根据边界条件，可根据Legendre多项式的正交性构造一组有效的基函数，将数值解表示为这组基函数的展开组合.再次，通过编程计算出每个基函数在这些高斯点上的节点值，将离散格式推导为一个线性的矩阵特征系统.最后，给出了一些数值算例来表明算法的正确性和有效性，数值结果表明了该方法是有效的和收敛的.     

基于高斯变异的蚁狮算法及其在组合优化中的应用

针对蚁狮(ant lion optimizer,ALO)算法在寻优后期种群数量减少、精英蚁狮影响权重减小导致算法收敛速度较慢且易陷入局优的问题,提出基于高斯变异的蚁狮(Gaussian mutation based ALO,GALO)算法.首先引用Kent混沌对初始蚂蚁种群进行扰动,提高蚂蚁种群多样性作为蚁狮寻优的基础...