Los eventos de agitación social son sucesos comunes en la sociedad moderna que necesitan ser manejados de manera proactiva. Un método efectivo es evaluar continuamente el riesgo de futuros eventos de agitación social y predecir la probabilidad de dichos eventos. Nuestro trabajo previo construyó un marco basado en modelos ocultos de Markov (HMM, por sus siglas en inglés) para predecir indicadores asociados con la inestabilidad de un país, dejando dos deficiencias que pueden ser optimizadas: omitir la interacción de los participantes en los eventos y aprender implícitamente el tiempo de residencia del estado. Inspirados por esto, proponemos un nuevo marco de predicción en este artículo, utilizando patrones de subgrafos frecuentes y modelos ocultos de Markov semicontinuos (HSMMs). La característica llamada BoEAG (Bolsa de Eventos Asociación-subGrafo) se construye basándose en la minería de subgrafos frecuentes y el modelo de bolsa de palabras. El nuevo marco aprovecha los eventos
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Un algoritmo numérico para una viga estática no lineal de tipo Kirchhoff.
Artículo:
Métodos de Adams de Tamaño de Paso Variable para Ecuaciones Diferenciales Estocásticas en Retroceso (BSDEs)
Artículo:
Multiplicidad y Bifurcación de Soluciones para una Clase de Problemas Elípticos Asintóticamente Lineales en la Bola Unitaria
Artículo:
Disipatividad global en redes neuronales inciertas de tiempo discreto con retardos variables en el tiempo
Artículo:
Imágenes de coincidencia de radar fuera de la red basadas en el aprendizaje bayesiano variable disperso