本文選題：粒子群優(yōu)化算法　切入點：模糊神經網(wǎng)絡　出處：《情報科學》2017年12期

【摘要】：【目的/意義】微博輿情對社會各領域的影響與日俱增,但由于其影響因素眾多,呈現(xiàn)出非線性且復雜的變化。因此,如何快速、準確地預測其發(fā)展趨勢是一個很有價值的研究課題�！痉椒�/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,考慮話題發(fā)展的復雜性和非線性的特點,采用模糊神經網(wǎng)絡來預測微博話題的發(fā)展趨勢。并通過改進的粒子群優(yōu)化算法對模糊神經網(wǎng)絡的參數(shù)進行優(yōu)化以更好的發(fā)揮模糊神經網(wǎng)絡在處理非線性、模糊性等復雜問題上的優(yōu)越性�！窘Y果/結論】通過對新浪微博數(shù)據(jù)集的對比實驗,驗證了本文所提方法的有效性和準確性。本文方法有效解決了微博輿情趨勢預測中遇到的模型參數(shù)復雜、易陷入局部最優(yōu)的問題,提高了微博輿情發(fā)展趨勢預測的準確性。
[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】： 西安電子科技大學經濟與管理學院;
【分類號】：G206;TP393.092

【相似文獻】

相關期刊論文 前10條

1 李之棠,李家春;模糊神經網(wǎng)絡在入侵檢測中的應用[J];小型微型計算機系統(tǒng);2002年10期

2 張民;羅光春;;一種基于模糊神經網(wǎng)絡的可靠流量控制模型[J];計算機科學;2007年04期

3 朱世偉;鞠鎂隆;于俊鳳;魏墨濟;王蕾;;基于模糊神經網(wǎng)絡的數(shù)字資源服務績效評價研究[J];山東科學;2013年06期

4 胡玉榮;;基于模糊神經網(wǎng)絡的入侵檢測應用研究[J];科技信息(學術研究);2007年16期

5 鄭小發(fā);楊麗;高健;夏北京;;模糊神經網(wǎng)絡視角下云桌面虛擬時序預測探討[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網(wǎng)絡初始參數(shù)設定[J];電腦知識與技術;2006年23期

7 張文柱;趙貝;;基于梯度和模糊神經網(wǎng)絡的容遲網(wǎng)絡路由算法[J];華南理工大學學報(自然科學版);2012年03期

8 王兆霞,孫雨耕,陳增強,袁著祉;基于模糊神經網(wǎng)絡的網(wǎng)絡業(yè)務量預測研究[J];通信學報;2005年03期

9 曲麗娜;;基于模糊神經網(wǎng)的入侵檢測模型研究[J];吉林工程技術師范學院學報;2013年05期

10 張莉;鄒寬勝;;基于模糊神經網(wǎng)絡的RTT智能預測算法[J];軟件導刊;2013年09期

相關會議論文 前1條

1 余啟剛;鄧婭婷;;基于Matlab的Kohonen神經網(wǎng)絡仿真與模糊神經網(wǎng)絡相結合在物流網(wǎng)站數(shù)據(jù)挖掘中的應用[A];'2002系統(tǒng)仿真技術及其應用學術論文集（第四卷）[C];2002年

，

本文編號：1699963