关于微博平台特征信息优化检测仿真研究  

Research on the Simulation of Micro-Blog Platform Feature Information Optimization Detection

作　　者：陆含波 杨长春[1] 

机构地区：[1]常州大学信息科学与工程学院,江苏常州213164

出　　处：《计算机仿真》2017年第5期393-396,共4页Computer Simulation

基　　金：国家自然科学基金项目(61272367)

摘　　要：对微博平台特征信息优化检测的研究,可对海量微博信息中所需信息进行高效检索。对特征信息优化检测的过程,需要对信息重排,并进行主成分特征提取,完成对特征信息的检测。传统方法结合相关性检验,对样本信息流进行处理和分析,但忽略了对信息的主成分进行特征提取,导致检测精度偏低。提出基于萤火虫优化神经网络的微博平台特征信息优化检测仿真。采用自回归移动平均模型对统计得到的微博平台特征信息进行信息重排,对重排的微博特征信息信息流采用神经网络训练方法进行主成分特征提取,对提取的主成分特征采用优化的萤火虫算法进行特征筛选和自组织监督学习,实现微博平台信息的优化检测。仿真结果表明,采用上述方法进行微博信息准确检测准确度较高,需要的先验样本知识相对较小,检测的可靠度得到保证。An optimization detection method for feature information of micro-blog platform is presented based on neural network with glowworm optimization. Auto-regressive moving average model is used to carry out information re- arrangement for feature information obtained by statistics. Then, training method of neural network is used for infor- mation flow of rearrangement feature information to extract feature of principal component. The optimized glowworm algorithm is used for the extracted principal component to carry out feature screening and self-organization supervised learning. Thus, the optimization detection of information is achieved. Simulation results show that the proposed meth- od has high detection accuracy. It requires small knowledge of prior sample and can guarantee the reliability of detection.

关 键 词：微博平台 特征信息 优化检测 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]