导读:本文包含了网络群体行为论文开题报告文献综述及选题提纲参考文献，主要关键词:行为识别,群体行为识别,非局部网络,特征表达
网络群体行为论文文献综述
李定,马静,杨萌林,张文生[1]（2019）在《面向群体行为识别的非局部网络模型》一文中研究指出目的视频行为识别一直广受计算机视觉领域研究者的关注,主要包括个体行为识别与群体行为识别。群体行为识别以人群动作作为研究对象,对其行为进行有效表示及分类,在智能监控、运动分析以及视频检索等领域有重要的应用价值。现有的算法大多以多层递归神经网络(RNN)模型作为基础,构建出可表征个体与所属群体之间关系的群体行为特征,但是未能充分考虑个体之间的相互影响,致使识别精度较低。为此,提出一种基于非局部卷积神经网络的群体行为识别模型,充分利用个体间上下文信息,有效提升了群体行为识别准确率。方法所提模型采用一种自底向上的方式来同时对个体行为与群体行为进行分层识别。首先从原始视频中沿着个人运动的轨迹导出个体附近的图像区块;随后使用非局部卷积神经网络(CNN)来提取包含个体间影响关系的静态特征,紧接着将提取到的个体静态特征输入多层长短期记忆(LSTM)时序模型中,得到个体动态特征并通过个体特征聚合得到群体行为特征;最后利用个体、群体行为特征同时完成个体行为与群体行为的识别。结果本文在国际通用的Volleyball Dataset上进行实验。实验结果表明,所提模型在未进行群体精细划分条件下取得了77.6%的准确率,在群体精细划分的条件下取得了83.5%的准确率。结论首次提出了面向群体行为识别的非局部卷积网络,并依此构建了一种非局部群体行为识别模型。所提模型通过考虑个体之间的相互影响,结合个体上下文信息,可从训练数据中学习到更具判别性的群体行为特征。该特征既包含个体间上下文信息、也保留了群体内层次结构信息,更有利于最终的群体行为分类。(本文来源于《中国图象图形学报》期刊2019年10期）
戴伟辉[2]（2019）在《基于社会神经学机制的网络群体行为新探究》一文中研究指出网络群体行为是由具有不同属性与特征的个体,在一定社会关系和特定情境中,通过信息网络进行动态交互而形成的复杂现象。受到不断变化的情景和以信息传播为基础的情绪、态度、行为意愿等多层次传播影响,对上述问题的研究须从其内在机理、动态过程与行为表现相结合的角度进行(本文来源于《社会科学报》期刊2019-09-26）
梁霞[3]（2019）在《基于网络关系的社交网络群体行为研究》一文中研究指出在社交网络中,对用户群体行为、信息传播机制进行研究已经成为当前研究的热点。随着社会的不断进步以及互联网的快速发展,在线社交网络成为信息共享与快速传播的重要途径。社交网络中用户的在线行为以及信息传播规律的研究对于舆情管控、网络营销、发现关键用户等方面具有重要意义。本文从显式链接和隐式链接两个层面分析用户行为规律,感知信息传播趋势。在显式链接层面,本文通过社交网络中的好友关系构建网络拓扑结构,基于改进布谷鸟搜索算法优化支持向量机(Improved Cuckoo Search Algorithm Optimization Support Vector Machine,ICS-SVM)方法预测用户转发行为;在隐式链接层面,本文发现影响用户参与话题讨论的因素,不仅与用户周围的好友有关,即显链接,也和用户关系密切或爱好相同的非好友有关,即隐链接。所以本文利用机器学习的方法构建隐链接,完善网络拓扑结构,结合传染病模型,感知信息传播态势。主要研究工作如下:1.在显式链接层面,本文针对目前用户转发行为预测的研究主要集中在社交网络的属性及网络特征方面,没有充分考虑用户好友之间的影响以及用户历史行为规律性影响的问题,本文设计了一种预测用户行为的方法。首先,根据抓取的微博数据,提取社交网络中用户个体属性和外界属性。其次,利用改进布谷鸟搜索算法优化支持向量机(Support Vector Machine,SVM)的参数,进而能够更精确地预测用户转发行为。最后,针对用户的转发行为随时间变化的特点,本文利用时间切片的方法,感知信息传播趋势。2.在隐式链接层面,本文针对目前研究主要集中于已有的显性好友拓扑结构,忽略了隐性好友对信息传播影响的问题,本文设计了一种信息传播动力学模型。首先,基于非好友之间交互紧密度等因素,利用机器学习方法,判断非好友之间是否存在隐链接,进而完善网络拓扑结构。其次,在完善的网络拓扑结构中,本文提取个体驱动机制和好友驱动机制,分析个体影响力和好友影响力两个信息动力学成因,提出一种多元线性回归模型来度量社交影响力,进而分析热点话题的传播态势。最后,在传染病模型中,综合考虑热点话题传播的时效性和不确定性,引入平均场理论,得到一种基于隐链接和社交影响力的信息传播模型。本论文使用腾讯微博真实数据验证所提出的模型及方法。实验验证了ICS-SVM方法能够更加精确地预测用户转发行为,证明了隐链接在影响信息传播中的作用以及实验能够挖掘影响信息传播的动力学成因,进而感知信息传播趋势。(本文来源于《重庆邮电大学》期刊2019-06-02）
田贝达,闫相斌,王兆天[4]（2019）在《社会物理学视角下的网络群体行为选择机理》一文中研究指出为研究当今社会网络群体行为选择的影响因素及演化机理,本文根据网络社会行为个体与力学中"粒子"的相似性,运用社会物理学研究方法,设计事件契合变量、政府影响变量、个体能力变量、信息导向变量等4个影响因素变量,描述各个变量的属性.事件契合变量包括事件敏感度、与公众经历的契合,政府影响变量包括沟通力、公信力、处置力度,个体能力变量包括认知能力、心理状态、行为状态,信息导向变量包括信息对称性、公正性、权威性.给出每一种影响因素的函数,建立不同要素之间的影响模型.在对五年来网络热点事件调研和主要媒体在不同阶段对其报道情况统计的基础上,根据"抢盐事件"的文本分析网络群体行为演化过程,并通过Matlab仿真验证.结果表明:导火索事件控制的力度会直接影响到次生事件演化的程度,政府起着主导作用;主流媒体的公正性和权威性是影响网络群体行为演化的重要因素;导火索事件与公众的契合度对网络群体行为有一定影响,但不起绝对作用;公众个体的认知能力、心理承受能力和行为能力对网络群体行为有一定影响,认知能力越强、越理性客观的公众越不容易受到他人意见的左右.(本文来源于《哈尔滨工业大学学报》期刊2019年05期）
张振新[5]（2019）在《论公众的网络群体行为与法律制度的关系》一文中研究指出网络群体行为源于自媒体的普及,是公众在网络上对信息统一的群体性反应。当前,我国法律体系中针对互联网的立法尚不完善,对于网络群体行为的法律研究也较少,且公众认识多有误区。而法律制度与网络群体行为间存在相互影响关系,可彼此促进发挥良性作用,可从其中发现问题与不足,这也意味着应当以合理方式对网络群体行为加以法律规制。结合实际,我们可以对网络群体行为与法律制度进行协调。主要包括自媒体自律、网民意识加强及法律规范完善,以期促使两者更好地发展。(本文来源于《重庆电子工程职业学院学报》期刊2019年01期）
兰荣亨,朱格,杨文,田野,朱明[6]（2019）在《基于聚类的网络直播群体行为建模分析》一文中研究指出近年来,随着互联网技术的不断发展,以及手机、平板电脑等移动终端的普及,网络直播逐渐兴起并壮大.国内众多直播平台基本都有送礼机制,允许观众购买平台提供的虚拟礼物来打赏主播.观众的打赏对于主播和平台来说都是主要的收入来源之一,所以理解观众的行为以挖掘观众的用户价值,提升用户的变现能力就显得尤为重要.本文以斗鱼直播平台为例,聚焦于直播平台上的高消费群体,通过构建观众特征,采用聚类方法分析高消费群体的行为.实验结果表明,高消费观众可被分为特征有明显差异的叁类群体.对这叁类观众的特征,本文进一步进行详细分析,为直播平台面向用户的差异化产品服务提供依据.(本文来源于《计算机系统应用》期刊2019年01期）
石佳文[7]（2018）在《面向突发事件的网络群体行为涌现建模及其仿真研究》一文中研究指出近年来,互联网普及率爆炸式增长,手机端、PC端用户量突飞猛进,微博、论坛、抖音等社会化直播媒体频繁涌现,使得网络群体行为不断呈现高发态势。因此,研究网络群体行为的涌现机理对解决当前社会群体间的矛盾和利益化冲突具有重大的理论和实践意义。群体性行为在产生和发展阶段主要表现为:群体同步行为和群体极化行为。本文主要围绕群体同步行为与极化行为的涌现进行展开,具体内容如下:一、网络群体同步行为的涌现机理研究及其智能优化。首先,探究在网络规模恒定情况下,通过人工免疫算法优化网络结构,最终实现同步演化效果的提升。然后再对网络结构进行分析,得到这类网络结构的特征。并将研究结果应用于实际,针对创造价值的同步行为,构造同步性能较好的网络结构,达到促成同步的目的;反之,则破坏网络中的点和边的连接,避免同步行为的发生。最后,以案例进行结果论证。二、网络群体极化行为涌现机理的研究。在J-A模型基础上,将个体具有的从众性、网络关系强度等参数融入极化模型,并使用更接近真实社交网络结构的BA网络模型作为Agent邻接模型,用多Agent蒙特卡罗方法进行实验仿真。最后,实验仿真结果显示:不同的信息交互方式会对群体态度极化产生较大的影响;此外,同化效应与排斥效应带参数值d1,d2的不同,致使从众性参数和关系强度的强弱分布对极化有促进和减缓的双重作用。叁、融入SIRS传染病模型的群体极化过程中的扩散行为仿真研究。群体极化行为发展、演化过程中,往往伴随着信息的进一步传播扩散。将信息扩散的过程和极化行为的发展过程相融合,体现出群体极化过程中的信息传递能够更好地契合群体观点在交互过程中的极化原理。而融入传染病动力学模型SIRS能够较好地探究不同的信息传播扩散程度下,极化行为的整体进程。本章主要从叁个方面展开分析:(1)对比融入SIRS传染病模型前后的极化进程;(2)调整免疫恢复参数γ,探究极化过程中γ参数的作用;(3)对比不同网络结构下极化的效果。最后,基于仿真结果,提出相应的预防措施以便缓解群体极化行为的发生。本文的创新点如下:1.从社会物理学角度出发,构建Kuramoto隐喻模型,引入演化和优化相结合的思想理念,通过人工免疫算法对网络结构进行优化,从而指导演化的方向,得到较好的演化结果。2.通过改进的极化模型以及多Agent蒙特卡洛方法实现了群体态度的演化过程仿真,同时对模型参数进行分析,剖析造成极化现象的主要因素。3.将SIRS传染病模型和极化模型相结合,把个体类型、个体行为、群体规模、群体涌现等纳入到网络舆情演化的范畴,模拟网络群体推动网络舆情形成和演化的过程,揭示其行为极化的内在涌现机理。(本文来源于《浙江工商大学》期刊2018-12-01）
苏鑫凤[8]（2018）在《基于多态代理的社会网络中群体行为演化机制分析》一文中研究指出群体行为是社会生活中的一种广泛存在,它是由多个(叁个以上)有着共同目标、相互交互的个体组成的社会运动。在现实社会中,正面意义的群体行为对社会的发展起助长作用,负面意义的群体行为阻碍社会的发展。因此研究群体行为的演化机制对于社会的可持续发展,有着重要的价值。近年来,随着群体行为复杂性的增加,传统的基于数学模型的研究方法很难对群体行为做出正确的论证,而计算机的快速发展,运用基于代理的建模方法来研究群体行为的演化机制开始引起学者们的重视。通过对微观个体的模拟,对揭示群体行为的内在机理起到了很大的作用。本文首先对典型的群体行为应用场景分析,提炼出研究群体行为的叁个技术需求:社会网络结构的建模、群体中个体的多态性及状态迁移模型、群体行为演化过程中个体决策模型。接着在社会网络结构建模中,通过对节点的属性和链路属性进行分析,提出社会网络莲漪模型;最后通过对个体多态性的定义及对状态迁移的分析,构建群体行为演化过程中个体的决策模型,并通过基于Netlogo的实验平台对本文提出的莲漪网络模型进行实验分析和论证,以及对群体行为的影响因素进行分析。实验结果表明,本文所构建的社会网络模型能更好的拟合真实网络的拓扑性质。在群体行为的影响因素分析中,个体偏执度、邻居节点数目、信息发布频率、网络结构能够很好的再现真实群体行为中个体行为决策。(本文来源于《南京邮电大学》期刊2018-11-14）
刘秀菊[9]（2018）在《基于数据挖掘的大学生网络学习群体行为分析与建模》一文中研究指出笔者在分析大学生网络学习行为的基础上,设计了大学生网络学习行为模型。创新之处在于研究行为模型时关注群体行为,而非只关注个体行为。群体行为相对个体行为,所表现出的长期的、稳态的统计特性,更具一般意义,为对网络学习行为进行深入、系统、全面的研究打下基础。(本文来源于《信息与电脑(理论版)》期刊2018年11期）
李晓静[10]（2018）在《复杂时滞网络系统群体行为的不连续控制》一文中研究指出复杂网络系统群体行为的控制是复杂网络研究和应用的关键环节,具有重要的理论价值和和实际意义.由于脉冲控制和间歇控制这两种不连续控制技术在实际应用中节省控制成本和易于实现等优势,近年来不连续控制下复杂网络系统的群体行为得到了学者们的广泛关注.本文主要研究了叁类复杂时滞网络系统在不连续控制方案下的同步,研究内容主要集中在以下叁个方面:首先,研究了具有脉冲效应和混合耦合的一般复杂时滞网络系统的聚类同步问题.运用平均脉冲间隔方法和分析技术,推导出了一些新颖的全局指数聚类同步准则.所得的聚类同步准则同时适用于研究具有同步脉冲效应或失同步脉冲效应的时滞网络系统.最后,给出了数值例子来说明所得理论结果的正确性.其次,探究了带有分布时滞耦合的复变量网络系统的自适应间歇控制问题.采用自适应非周期间歇控制策略实现了复变量有向网络系统的指数同步.基于复不等式,分段分析法和李雅普诺夫稳定性理论,建立了一些确保网络实现全局指数同步的充分条件.此外,所建立的同步准则取决于控制率而与控制周期无关,因此在实际问题中控制周期可以根据判据以及控制宽度而自行调整.最后,通过数值模拟来验证控制策略的可行性.最后,分析了非周期间歇控制下基于忆阻时滞神经网络的牵制同步问题.通过对基于忆阻时滞神经网络的部分节点引入非周期性间歇控制器,并基于微分包含和非光滑分析理论,推出了系统全局指数同步的判别准则.另外,建立了一个关于控制增益和控制率的全局指数同步可行域.最后,利用数值仿真来验证理论分析的正确性.(本文来源于《江苏大学》期刊2018-06-01）
网络群体行为论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
网络群体行为是由具有不同属性与特征的个体,在一定社会关系和特定情境中,通过信息网络进行动态交互而形成的复杂现象。受到不断变化的情景和以信息传播为基础的情绪、态度、行为意愿等多层次传播影响,对上述问题的研究须从其内在机理、动态过程与行为表现相结合的角度进行
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
网络群体行为论文参考文献
[1].李定,马静,杨萌林,张文生.面向群体行为识别的非局部网络模型[J].中国图象图形学报.2019
[2].戴伟辉.基于社会神经学机制的网络群体行为新探究[N].社会科学报.2019
[3].梁霞.基于网络关系的社交网络群体行为研究[D].重庆邮电大学.2019
[4].田贝达,闫相斌,王兆天.社会物理学视角下的网络群体行为选择机理[J].哈尔滨工业大学学报.2019
[5].张振新.论公众的网络群体行为与法律制度的关系[J].重庆电子工程职业学院学报.2019
[6].兰荣亨,朱格,杨文,田野,朱明.基于聚类的网络直播群体行为建模分析[J].计算机系统应用.2019
[7].石佳文.面向突发事件的网络群体行为涌现建模及其仿真研究[D].浙江工商大学.2018
[8].苏鑫凤.基于多态代理的社会网络中群体行为演化机制分析[D].南京邮电大学.2018
[9].刘秀菊.基于数据挖掘的大学生网络学习群体行为分析与建模[J].信息与电脑(理论版).2018
[10].李晓静.复杂时滞网络系统群体行为的不连续控制[D].江苏大学.2018