本文選題：粒子群優(yōu)化算法　切入點(diǎn)：模糊神經(jīng)網(wǎng)絡(luò)　出處：《情報(bào)科學(xué)》2017年12期

【摘要】：【目的/意義】微博輿情對社會各領(lǐng)域的影響與日俱增,但由于其影響因素眾多,呈現(xiàn)出非線性且復(fù)雜的變化。因此,如何快速、準(zhǔn)確地預(yù)測其發(fā)展趨勢是一個(gè)很有價(jià)值的研究課題。【方法/過程】以微博話題的博文總數(shù)作為微博話題發(fā)展趨勢的量化指標(biāo),考慮話題發(fā)展的復(fù)雜性和非線性的特點(diǎn),采用模糊神經(jīng)網(wǎng)絡(luò)來預(yù)測微博話題的發(fā)展趨勢。并通過改進(jìn)的粒子群優(yōu)化算法對模糊神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行優(yōu)化以更好的發(fā)揮模糊神經(jīng)網(wǎng)絡(luò)在處理非線性、模糊性等復(fù)雜問題上的優(yōu)越性�！窘Y(jié)果/結(jié)論】通過對新浪微博數(shù)據(jù)集的對比實(shí)驗(yàn),驗(yàn)證了本文所提方法的有效性和準(zhǔn)確性。本文方法有效解決了微博輿情趨勢預(yù)測中遇到的模型參數(shù)復(fù)雜、易陷入局部最優(yōu)的問題,提高了微博輿情發(fā)展趨勢預(yù)測的準(zhǔn)確性。
[Abstract]:The influence of Weibo's public opinion on every field of society is increasing day by day, but because of its many influential factors, it presents nonlinear and complex changes. It is a valuable research topic to predict its development trend accurately. [methods / process] take the total number of blog articles on Weibo topic as the quantitative index of the developing trend of Weibo topic, and consider the complexity and nonlinear characteristics of topic development. Fuzzy neural network is used to predict the development trend of Weibo topic, and the parameters of fuzzy neural network are optimized by the improved particle swarm optimization algorithm in order to make better use of fuzzy neural network to deal with nonlinearity. The advantages of fuzziness and other complex problems. [results / conclusions] A comparative experiment on the data sets of Weibo, Sina, The effectiveness and accuracy of the method proposed in this paper is verified. The method solves the problem of complex model parameters and local optimum in forecasting the trend of public opinion of Weibo, and improves the accuracy of forecasting the trend of public opinion development of Weibo.
【作者單位】： 西安電子科技大學(xué)經(jīng)濟(jì)與管理學(xué)院;
【分類號】：G206;TP393.092

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李之棠,李家春;模糊神經(jīng)網(wǎng)絡(luò)在入侵檢測中的應(yīng)用[J];小型微型計(jì)算機(jī)系統(tǒng);2002年10期

2 張民;羅光春;;一種基于模糊神經(jīng)網(wǎng)絡(luò)的可靠流量控制模型[J];計(jì)算機(jī)科學(xué);2007年04期

3 朱世偉;鞠鎂隆;于俊鳳;魏墨濟(jì);王蕾;;基于模糊神經(jīng)網(wǎng)絡(luò)的數(shù)字資源服務(wù)績效評價(jià)研究[J];山東科學(xué);2013年06期

4 胡玉榮;;基于模糊神經(jīng)網(wǎng)絡(luò)的入侵檢測應(yīng)用研究[J];科技信息(學(xué)術(shù)研究);2007年16期

5 鄭小發(fā);楊麗;高健;夏北京;;模糊神經(jīng)網(wǎng)絡(luò)視角下云桌面虛擬時(shí)序預(yù)測探討[J];電子測試;2013年14期

6 宗永升;鄧佳;魯浩勝;;基于模糊超球的模糊神經(jīng)網(wǎng)絡(luò)初始參數(shù)設(shè)定[J];電腦知識與技術(shù);2006年23期

7 張文柱;趙貝;;基于梯度和模糊神經(jīng)網(wǎng)絡(luò)的容遲網(wǎng)絡(luò)路由算法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

8 王兆霞,孫雨耕,陳增強(qiáng),袁著祉;基于模糊神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)業(yè)務(wù)量預(yù)測研究[J];通信學(xué)報(bào);2005年03期

9 曲麗娜;;基于模糊神經(jīng)網(wǎng)的入侵檢測模型研究[J];吉林工程技術(shù)師范學(xué)院學(xué)報(bào);2013年05期

10 張莉;鄒寬勝;;基于模糊神經(jīng)網(wǎng)絡(luò)的RTT智能預(yù)測算法[J];軟件導(dǎo)刊;2013年09期

相關(guān)會議論文 前1條

1 余啟剛;鄧婭婷;;基于Matlab的Kohonen神經(jīng)網(wǎng)絡(luò)仿真與模糊神經(jīng)網(wǎng)絡(luò)相結(jié)合在物流網(wǎng)站數(shù)據(jù)挖掘中的應(yīng)用[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

，

本文編號：1699963