灰色灾变与回归分析法的航空装备不安全事件预测

为提高航空装备不安全事件的预测水平,减少事故造成的人员和财产损失,将灰色灾变与回归分析方法有机结合,提出一种航空装备不安全事件的组合预测方法。该方法先从数据中找出灾变点(灾变发生的日期),通过建立这些灾变点的灰色灾变模型预测未来灾变点,再对这些灾变点上的值构建灰色预测模型,计算出未来灾变点的灾变值;而对于非灾变点,可建立合适的回归分析模型进行预测。为验证其可行性,在某飞行训练基地的航空装备不安全事件频数的数据基础上,建立了灰色灾变回归组合预测模型,结果表明,模型对2001年~2004年预测的相对误差平均控制在6.87%以内,所建立的组合模型,能够比较客观地反映航空装备安全的未来实际状况。     

Modeling of unsupervised knowledge graph of events based on mutual information among neighbor domains and sparse representation

Text event mining, as an indispensable method of text mining processing, has attracted the extensive attention of researchers. A modeling method for knowledge graph of events based on mutual information among neighbor domains and sparse representation is proposed in this paper, i.e. UKGE-MS. Specifically, UKGE-MS can improve the existing text mining technology's ability of understanding and discovering high-dimensional unmarked information, and solves the problems of traditional unsupervised feature selection methods, which only focus on selecting features from a global perspective and ignoring the impact of local connection of samples. Firstly, considering the influence of local information of samples in feature correlation evaluation, a feature clustering algorithm based on average neighborhood mutual information is proposed, and the feature clusters with certain event correlation are obtained; Secondly, an unsupervised feature selection method based on the high-order correlation of multi-dimensional statistical data is designed by combining the dimension reduction advantage of local linear embedding algorithm and the feature selection ability of sparse representation, so as to enhance the generalization ability of the selected feature items. Finally, the events knowledge graph is constructed by means of sparse representation and l₁ norm. Extensive experiments are carried out on five real datasets and synthetic datasets, and the UKGE-MS are compared with five corresponding algorithms. The experimental results show that UKGE-MS is better than the traditional method in event clustering and feature selection, and has some advantages over other methods in text event recognition and discovery.     

ICF激光驱动器总体集成中的关键小批量事件均衡匹配模型研究

关键器件是决定和影响ICF激光驱动器总体输出性能指标的主要因素之一,它也是典型的多规格、小批量事件,其与总体集成过程的均衡、成比例的动态配置关系是ICF激光驱动器工程的管理难题之一。基于神光系列激光驱动器研制的工程实践,借助EOQ经典模型,尝试建立在均衡成比例约束条件下的匹配方法,以期有效提升工程效率,为兆焦耳级激光装置及类似大科学工程在涉及小批量事件的管控方面,提供参照。研究表明,所提均衡匹配模型对于大科学工程项目具有普适意义。     

基于统计回归模型的突发事件网络舆情研究

突发事件网络舆情传播速度快,在较短的时间内能够引起社会大众的广泛关注,产生较大的影响.通过利用突发事件网络舆情传播规律和酶促反应相似的机理,构建统计回归模型来研究分析突发事件网络舆情的规律,并通过实例进行论证,以期为政府应对突发事件网络舆情提供参考.     

楮墨实录书史事 笔锋托愤抒胸臆——《史记》实录精神与托愤精神的二重组合

文章以《史记》实录精神与托愤精神组合为突破口,阐述了实录精神、托愤精神的远源和在史文中的凸显,进一步挖掘二者之间相悖的二元性关系,从而揭示《史记》中所蕴含的这种文化悖论本身的深刻性、美感魅力以及难解的文化之谜。     

基于知识图谱和二级传播理论的网络舆情事件传播分析

在目前的网络舆情事件传播分析中,尽管生命周期模型能够较好地描述舆情事件的发展规律,但却忽略了部分时期之间存在的共性特征,无法充分体现意见领袖对网络舆情事件传播过程的影响。本文提出了一种基于知识图谱和二级传播理论的网络舆情事件传播分析方法,首先,构建网络舆情事件知识图谱;然后,基于知识图谱计算用户影响力挖掘意见领袖;最后,考虑到意见领袖的重要地位,为有效刻画网络舆情传播规律、周期与途径,根据传播学二级传播理论构建网络舆情事件传播模型,将生命周期模型的五个时期按照舆情发展态势划分为三个阶段：潜伏期（爆发期阶段）、爆发期（成熟期阶段）以及成熟期和衰退期（消亡期阶段）。实验结果表明,该方法能够有效计算和发掘包括意见领袖在内的用户影响力,传播、分析网络舆情事件效果较好。