基于拓扑区域一体化成型映射机制的物联网快速收敛算法

为解决物联网快速收敛算法存在的收敛性能较差、网络稳定时间较短的不足,提出了基于拓扑区域一体化成型映射机制的物联网快速收敛算法。首先,根据物联网节点分布具有的随机分布特性及泊松分布特性,通过聚类方式来构建聚合度-权重值裁决模型,以实现路由的稳定收敛,消除因簇头节点失效而导致的区域上传缓慢的现象;随后,采用退避机制来提升簇头节点的传输性能,有效降低因能量受限而导致的网络传输缓慢的现象,优化路由收敛性能,降低因路由抖动而导致的网络瘫痪概率。仿真实验结果表明:与常见的时间度一体化物联网收敛算法(Convergence Algorithm for Time-Integrated Internet of Things,TI-IOT算法)、路由集中度快速收敛算法(A Fast Convergence Algorithm for Routing Concentration Degree,RCD算法)相比,所提算法具有更高的网络稳定工作时间及较快的收敛速度,以及更小的路由冗余度。     

网络舆情追踪中热点关键词的提取

传统的基于文本聚类的网络舆情热点追踪算法,在处理海量网页时,文本聚类速度过低,聚合结果较差.提出了一种基于关键词提取的网络舆情热点追踪方案,并根据新闻、论坛和博客的不同特点分别设计了热点分析模型.通过在笔者开发的啄木鸟网络舆情系统上的实际验证表明,该方案行之有效,热点分析模型识别热点准确率高.     

基于中心差异度迭代调整机制的 网络社区搜寻算法研究

为解决当前网络社区搜寻算法存在的节点聚类形成困难,搜寻迭代过于复杂,难以实现社区归属的二次更新等不足,提出了一种基于中心差异度迭代调整机制的网络社区搜寻算法。首先,通过领袖节点重叠度来实现初次社区搜寻裁决,有效降低了重复搜寻的概率,且根据加入节点与领袖节点差异度进行聚类匹配;随后,通过待加入节点与领袖节点之间的交互热度方式进行基于热度机制的聚类递归,实现对搜寻误差的二次校正。仿真实验表明,与当前网络社区搜寻算法中常用的差分迭代阈值裁决机制,混沌度一体化成型迭代机制相比,本文算法具有更高的首次成功率,以及更小的搜寻次数与迭代周期,具有很强的实际部署价值。     

基于热点度轨迹显影机制的网络社区聚类算法

为解决网络社区聚类算法在实际应用中存在热点捕捉困难和社区聚类生存时间较低的问题,提出了一种基于热点度轨迹显影机制的网络社区聚类算法。首先,考虑网络社区聚类存在的多径一体特性,采用抽样方式与角度估计方法来实现热点信号的精确捕捉,以提高聚类效率;随后,对热点信号矢量空间进行按列重排,并综合考虑传输矩阵具有的按列正交及全秩特性,构建热点度轨迹显影方法,以提高聚类中热点显影速度和增加聚类生存时间。仿真实验表明:与聚类流动性映射算法(Clustering Liquidity Mapping Algorithms,CLM算法)、超欧里几何热度聚类算法(Hyper-Eulerian Geometric Thermal Clustering Algorithms,H-EGTC算法)相比,所提算法具有更低的聚合时间和搜寻失误率,以及更高的热点显示时间。     

基于相似度的加权复杂网络社区发现方法

针对加权复杂网络中的社区结构发现问题,本文定义基于权重关系的相似度,并在此基础上定义了节点中心度和归属度,改进GN算法的模块度评价函数,提出一种基于相似度的中心聚类算法(SCC).该算法通过计算节点间的相似度,选取合理的中心度大的节点作为社区中心节点,最后基于节点归属度来聚集从而形成社区;同时,提出了用相似度代替边介数的改进GN算法SGN.通过理论分析,并在数据集上进行实验验证,结果表明SCC算法与WGN算法、SGN算法相比,速度和精度上均有较大改善.同时与I2C算法相比,社区的划分有效性更好.     

基于SIS模型的群体社交网络舆情演化仿真

针对群体社交网络舆情演化时,目前方法获取关键节点中的数据较为困难,导致无法准确获得舆情传播次数、搜索指数、达到舆情峰值所用时间等参数,存在演化精度低的问题,提出基于聚类算法与易感-感染-易感(SIS:Susceptible Infected Susceptible Model)模型的群体社交网络舆情演化仿真方法。在群体社交网络中采用PageRank算法获取关键节点,利用聚类算法对关键节点中的数据聚类进行处理,在此基础上构建SIS模型,并通过其完成群体社交网络的舆情演化仿真。实验结果表明,该方法可准确地获得舆情传播次数、搜索指数、达到舆情峰值所用时间等参数,演化仿真精度高。     

一种增量式MinMax k-Means聚类算法

针对MinMax k-means算法易产生空解、 收敛速度慢和计算效率低的问题, 提出一种增量式MinMax k-means聚类算法. 该算法从给定的初始聚类个数开始, 以固定步长递增式产生新的聚类中心, 采用基于数据均衡的快速分裂方法产生增量聚类中心, 从而避免了传统增量聚类中心选择中遍历数据、k-means聚类算法运行次数过多导致的大计算量问题. 与MinMax k-means及相关算法的对比实验结果表明, 该算法在计算效率和求解精度上均优于对比算法, 有效改善了MinMax k-means聚类对初始化中心敏感和易产生空解的问题.     

网络舆情热点挖掘算法研究与实现

随着网络信息交互及传播的迅速与便捷,有效地对不断涌现的海量互联网信息进行采集并发现网络热点舆情具有十分重要的意义.研究网络舆情的表示及特征,提出采用网络化方法思想,结合Hits算法和PageRank算法进行舆情热点挖掘,并在此基础上设计了网络舆情热点挖掘系统.     

一种基于逆模拟退火和高斯混合模型的半监督聚类算法

基于节点标记的半监督高斯混合模型(Semi-supervised Gaussian Mixture Model,SGMM)可利用少量标记样本提高模型参数估计的准确率,但参数估计算法(SGMM Expectation Maximization,SGMM-EM)的准确率和收敛速度受高斯分布之间的重叠度和混和系数差异度影响.为提高SGMM模型参数估计的准确率和收敛速度,将逆模拟退火框架与SGMM模型的EM算法相结合,提出一种基于逆模拟退火框架的半监督高斯混合模型聚类算法(Anti-annealing SGMM-EM,ASGMM-EM).该算法逆温度参数从一个较小且大于0的值逐渐增加到大于1的上界,再逐渐降回1.在每个逆温度参数下执行半监督聚类算法SGMM-EM并迭代至收敛.人工数据和真实数据上实验表明提出的算法ASGMM-EM优于仅用半监督技术或逆模拟退火技术的基于高斯混合模型的EM算法.     

基于PPIN的社交网络推荐系统

为了提升海量数据下社交网络推荐系统的性能,将传统聚类方法与蛋白质网络的新特性相结合,提出了一种竞争-抑制节点模型(CINM).该模型将数据的整个处理流程分为节点重构、膜外聚类、膜内聚类及内容推荐4个部分,分别完成数据预处理、数据清洗、精度匹配与数据输出.在数据预处理过程中,通过矩阵运算,将复杂多维数据集构成的用户信息转换成结构化定量数据,并产生数据摘要.数据清理通过判断竞争值来获取用户的特征数据.在精度匹配阶段,基于蛋白质相互作用网络的相似性匹配原理获取相似性最大的一组值,并结合与用户相关联的数据项进行最终内容或关系的推荐.实验结果表明,CINM模型可以通过数据预处理和特征值竞争抑制机制较好地完成数据过滤,从而提高数据处理效率并提升最终推荐结果的精确性.     

一种大规模流式数据聚类方法在交通热点分析中的应用

为了提高在大规模流式数据环境下交通热点区域分析的算法效率,提出了一种流式数据两阶段方法;该方法在第一阶段使用基于改进Canopy算法进行粗聚类并产生宏簇,在第二阶段使用K-means算法进行细聚类;并以粗聚类产生的宏簇个数和类簇中心位置为指导产生更加准确的微簇聚类结果。在试验中,使用流式数据两阶段方法对北京市出租车的定位数据进行了聚类分析;并结合热力图和电子地图对聚类结果进行可视化表达,在最终的热力分析结果中可以直观地发现出租车活动较为频繁的热点区域和线路,且与日常出行经验相符合。试验结果表明该算法能够实时地对流式数据进行聚类分析,产生的数据结果可供用户在任意时间窗口范围进行查询分析,有助于为交通活动情况实时分析、交通规划和拥堵治理等方面提供有价值的理论参考依据。     

基于超宽带集中管控机制的物联网数据传输算法

针对当前物联网数据传输算法存在链路稳定性差、传输性能不高等不足,提出了一种基于超宽带集中管控机制的物联网数据传输算法(Data Transmission algorithm of IOT based on UWB centralized control mechanism,UWB-CC算法)。首先,通过能量冗余机制对网络节点进行初次筛选,并采用能量最优原则进行区域划分,实现物联网数据的分区传输及性能维护;随后,考虑到传统算法难以实现区域节点更新的不足,通过节点能力阈值筛选方法,实现对区域节点-普通物联网节点的次区域组网,提高普通物联网节点的数据上传能力,降低分割节点(PartitionNode,PN节点)因故障而导致区域上传瘫痪的概率;最后,采取综合评估分割节点性能与区域传输性能的方式,对中继传输节点进行优选,从而提高链路传输能力,减少链路抖动对传输性能的不利影响,能够同时实现带宽管控及区域分割-固定-链路稳定的一体化集中管控。仿真实验表明:与当前常用的区域流量汇聚上传算法(Upload algorithm for regional traffic aggregation,RTA算法)及成型度汇聚分割传输算法(Segmentation andtransmission algorithm based on degree of convergence,STDC算法)相比,本文算法具备更高的汇聚带宽与信道容量,以及更低的传输抖动率。     

我国公共危机管理研究的热点、演化趋势及前沿基于CiteSpace的文献计量

近年来,公共危机频发,尤其是2020年新冠疫情爆发,对我国的公共危机管理研究提出严峻挑战,分析目前的研究现状、热点及演化趋势可为该领域的发展提供借鉴参考.本文采用文献计量软件CiteSpace对该领域研究现状、热点、演化路径及前沿进行分析.研究发现:危机治理、协同治理、网络舆情等为该研究领域的热点,研究主题聚焦于危机管理基础研究、体系研究及手段研究,并形成"探索—深化"的研究演化路径,大数据、公共危机治理为未来潜在的研究热点主题.     

基于收敛值动态混沌自旋机制的WSN网络安全收敛算法

针对当前WSN网络安全算法普遍存在收敛度分散,抗攻击能力较差,实现机理复杂等问题,提出了一种基于收敛值动态混沌自旋机制的的WSN网络安全收敛算法。首先,通过WSN网络指纹因子投影迁移的方式,引入模拟评估度量,实现对不同时间段内WSN网络安全收敛状态的精确评估,提高网络收敛值混沌度水平;随后,根据网络收敛状态,通过微分傅里叶准则,构建收益评估因子,实现了网络攻击指标的混沌自旋,有效加快WSN网络安全收敛速率。实验结果显示:与当前常用的超高频混沌安全收敛算法(Ultra High Frequency Chaotic Security Convergence Algorithm,UHFC-SC算法)、傅里叶混沌安全收敛算法(Fourier Chaotic Security Convergence Algorithm,FC-SC算法)等相比,所提算法具有更高的收敛速度,以及更高的网络冗余带宽剩余足与网络传输带宽,具有良好的实际部署价值。     

基于移动信令数据的城市热点识别方法

城市热点的识别对于探索解决引导性的人群疏散、规避交通拥堵等问题提供新途径,并为基于位置服务(location based services,LBS)如商铺选址、旅游导航等提供重要的科学参考,具有重要的应用价值。随着个人手机终端的普及与发展,手机已经成为研究用户行为特征的一种理想的探测器。提出了将手机信令数据融合兴趣点(point of interest,POI)数据来挖掘城市的热点区域并进行功能类型标定,重点通过手机信令数据研究人流的出行行为和在蜂窝的驻留时长情况来识别活跃蜂窝,并进一步通过基于密度的聚类算法判别热点区域。选取了重庆市较场口一定范围区域作为研究区域,数据来源于重庆某移动运营商提供的用户手机信令数据,通过实验实例验证分析,证明了该方法可快速识别出城市热点区域,并具有较高的准确性。     

分布式无人机网络覆盖优化算法

针对非均匀目标区域中的热点区域覆盖优化场景，提出一种分布式无人机网络覆盖优化算法。首先对满足网络连通性的最少无人机节点数目和热点区域覆盖范围进行估计，其次融入热点区域信息改进布谷鸟算法位置更新方程并重构优化目标函数，然后对发现概率参数进行自适应调整，最终实现热点区域覆盖率的重点优化。在仿真实验分析中，在相同仿真环境下与标准布谷鸟算法和其他经典算法进行对比，结果表明所提算法的热点区域覆盖率较其他算法提升了约4%，迭代次数减少了约30次，证明了该算法收敛速度快、耗时少，能够更加有效地提高热点区域的覆盖率。