【摘 要】
：
针对社会网络环境下复杂大群体应急决策中决策属性信息难以获得问题,提出社会网络环境下公众行为大数据驱动的大群体应急决策方法.首先,通过挖掘社交平台上的公众行为大数据,利用TF-IDF、Word2vec技术进行关键词提取、聚类及其影响力分析,从大量行为数据中挖掘大群体决策属性信息以辅助专家决策,使决策结果具有更高的科学性和有效性;其次,构建决策者间基于信任关系和观点相似度的社会网络,采用同时考虑信任和相似度的聚类方法对决策者进行聚类,并基于社会网络分析获得决策者权重;然后,提出基于决策者间信任关系的共识调整方
论文部分内容阅读
针对社会网络环境下复杂大群体应急决策中决策属性信息难以获得问题,提出社会网络环境下公众行为大数据驱动的大群体应急决策方法.首先,通过挖掘社交平台上的公众行为大数据,利用TF-IDF、Word2vec技术进行关键词提取、聚类及其影响力分析,从大量行为数据中挖掘大群体决策属性信息以辅助专家决策,使决策结果具有更高的科学性和有效性;其次,构建决策者间基于信任关系和观点相似度的社会网络,采用同时考虑信任和相似度的聚类方法对决策者进行聚类,并基于社会网络分析获得决策者权重;然后,提出基于决策者间信任关系的共识调整方法进行共识调整以获得最终群体决策矩阵和方案排序,通过引入决策者客观自信度避免个别决策者过分自信行为的影响;最后,通过一个新冠疫情案例分析说明方法的可行性和有效性.
其他文献
语言修饰集作为一种刻画不确定信息的有效表达方式,用更加符合语言习惯的表达形式描述决策者对事物的评价结果.与其他语言术语相比,语言修饰集旨在修正隶属函数使其在表达专家的决策信息过程中更具有有效性、客观性,因此基于语言修饰集的研究是非常必要的.鉴于此,对语言修饰集的发展进行综述:首先回顾语言修饰集的研究背景;然后对语言修饰集在运算法则、语义量化、模糊逻辑、分类器等方面的发展进行回顾,同时介绍一些基于语言修饰集在情感分析、工程风险管理等方面的应用;最后展望语言修饰集的研究前景.
随着群智感知的普及,以合理的成本招募最佳感知信息提供者的问题变得更加重要,但移动用户追求高回报的贪婪特性会使得招募成本偏高.为此,提出一种针对团体的群智感知招募的激励机制.首先,通过移动用户的属性和任务详细信息来迭代所有可能团体;然后,评估生成的随机初始团体,删除其中违反任务约束的团体,并计算其余团体的信息质量QoI(the quality of information,QoI)比率,团体将经过轮盘赌程序从当前团体中选择候选人进行进化程序,选定的团体经过交叉,在团体之间随机交换成员;最后,进行突变,该过程
针对有理模型提出两类辨识方法.首先提出基于递阶辨识思想的混合辨识方法,将模型分解为分子和分母两个子模型,分别用最小二乘法辨识分子参数,用粒子群算法和智能多步长梯度迭代算法辨识分母参数.由于降低了模型维数,且信息向量与噪声不相关,相对于传统的偏差补偿最小二乘算法,混合迭代法可以提高辨识精度并降低计算量.然后,为消除模型结构已知的假设,且充分利用最新数据更新系统参数,提出柔性递推最小二乘辨识方法,将有理模型转化为时变参数系统,进而辨识出时变系统的参数.仿真例子验证了所提出方法的有效性.
针对麻雀搜索算法易陷入局部最优、收敛速度慢等不足,提出一种多策略融合的改进麻雀搜索算法.采用精英混沌反向学习策略生成初始种群,增强初始个体的质量和种群多样性,实现对更多优质搜索区域的勘探以提升算法的局部极值逃逸能力和收敛性能;结合鸡群算法的随机跟随策略,优化麻雀搜索算法中跟随者的位置更新过程,平衡算法的局部开发性能和全局搜索能力;采用柯西-高斯变异策略提升算法的种群多样性保持能力和抗停滞能力.对10个不同特征的基准测试函数进行寻优,测试结果与Wilcoxon符号秩检验结果均表明改进算法具有更好的寻优精度、
软测量技术的发展有效解决了工业过程中对于难以直接测量的质量变量的感知困难,为过程的控制与优化提供了有力保障.通常在含有多个质量变量的过程中,样本间的时序关系和多个质量变量间相互影响的空间关系能够反映过程本身的特性,这种时空特性的挖掘有益于软测量模型性能的提升,而传统软测量方法往往局限于对时序关系的学习而并未考虑对质量变量间的空间关系进行有效利用.对此,提出一种时空协同的图卷积长短期记忆网络(graph convolution long short-term memory networks,GC-LSTM)
针对法律判决预测中罪名预测和法条推荐子任务,提出基于BERT(bidirectional encoder representation from transformers)预训练模型与知识蒸馏策略的多任务多标签文本分类模型.为挖掘子任务间的关联,提高预测准确率,运用BERT预训练模型进行多任务学习,建立BERT12multi文本分类模型;针对罪名、法条类别中的样本不均衡问题,采用分组的焦点损失(focal loss)以增强模型对于罕见罪名及法条的辨别能力;为降低模型计算复杂度并且提高模型推理速度,提出一种
为满足多样化能源需求并提高能源网络的可靠性,研究多能源系统优化管理和混合潮流问题.针对多能源的网络约束及其耦合特性,构建整合分布式发电、热电联产、电力网络和区域供热网络的热-电互联综合能源系统模型.基于梯形模糊隶属函数构建模糊化软约束,量化电力网络节点电压和区域供热网络节点供给温度的技术不满意度.考虑系统的经济运行和网络节点的能源供给质量,提出一种计及混合潮流约束的热-电互联综合能源系统多目标优化调度策略,以最小化运行成本和网络节点状态变量的技术不满意度.采用epsilon约束算法精确求解该多目标优化问题
针对一类具有全状态约束、未建模动态和动态扰动的严格反馈非线性系统,通过构造非线性滤波器,并利用Young\'s不等式,提出一种新的有限时间自适应动态面控制方法.引入非线性映射处理全状态约束,将有约束系统变成无约束系统,利用径向基函数逼近未知光滑函数,利用辅助系统产生的动态信号处理未建模动态.对于变换后的系统,利用改进的动态面控制和有限时间方法设计的控制器结构简单,移去现有有限时间控制中出现的“奇异性”问题,可加快系统的收敛速度.理论分析表明,闭环系统中的所有信号在有限时间内有界,全状态不违背约束条件.
行人重识别通常删除特征提取网络中的最后一个空间下采样操作,以增加最后输出特征图的分辨率,保留更多的细粒度特征.然而,这种操作会大幅减小神经网络的感受野,而更大的感受野可以为行人重识别提供更多的上下文信息.同时,在实际的视觉皮层中,相同区域的神经元的感受野是不同的,但当前行人重识别网络的设计大多忽视了这一点.为了解决上述问题,提出一种新颖的自适应感受野网络.网络的设计受启发于生物的视觉系统,通过在多分支网络上设置不同大小的感受野,结合注意力机制让网络自行选择合适的感受野特征,从而实现网络感受野的自适应,并且
针对未知但有界噪声离散时间状态空间系统,提出一种基于多胞体双重滤波的系统状态估计方法.首先,采用有界误差方法对测量噪声和状态预测过程进行分析,利用正多胞体预测状态集包裹后离散成初始约束条件;然后,根据更新最小边,全对称多胞体经过正多胞体紧致包裹后离散成约束条件,与测量方程约束条件组成3重约束;最后,通过求解线性规划问题得到全部状态的上下界,并获得包裹状态可行集的最紧致正多胞体.仿真示例验证了该方法估计离散状态空间系统状态的有效性和准确性.