基于共享最近邻探测社团结构的算法

针对经典重叠社团结构发现的派系过滤算法中派系定义过于严格、算法缺乏实用性、时间复杂度高等问题,提出了一种基于共享最近邻的社团结构发现算法. 该算法不仅可以对网络进行社团结构的划分, 而且可以很好地把网络中的桥点找出,算法的时间复杂 度约为O(nhk), 其中n为网络中的节点数,h为核心社团的数目, k为网络中节点的 最大节点度.为了验证该算法的正确率和性能, 把该算法应用到计算机生成网络和真实网络中, 并与著名的社团探测算法——GN算法和NF快速算法进行了比较.实验的结果表明所提出的算法是有效可行的.     

复杂网络中的社团结构

对复杂网络社团结构问题进行了综述。介绍了无权无向网络中社团结构的定义、探索社团结构的算法及算法的评价标准和检验网络。重点总结与类比了具有代表性的算法及其在检验网络上得到的结果，并依据这些结果和评价标准对算法进行了评述。部分地概括了原有算法在加权无向网络中的推广方法。最后对部分社团结构算法的特点进行了横向的比较，对社团结构与网络功能的研究进行简略介绍，并对社团结构研究的发展做出展望。     

一种新的混合聚类算法

聚类是数据挖掘的主要技术之一,是一种无导师监督的模式识别方式。聚类分析就是按照数据间的相似程度,依据特定的准则将数据划分成不同子类。K-平均算法是经典的聚类算法。蚂蚁聚类算法是近来涌现的新的聚类算法,它通过模拟蚁群的智能行为进行聚类分析,已经在数据挖掘中得到应用。通过分析蚂蚁聚类算法和K-平均算法两种不同聚类算法的基本思想,将两种算法结合得到混合聚类算法,仿真实验证明混合聚类算法的算法性能优于蚂蚁算法和K-平均算法。     

复杂网络中社团发现的快速划分算法

复杂网络中的社团发现是具有重要理论意义和应用价值的研究领域。针对已有谱平分法和分裂法时间复杂度较高、不适用于社团结构未知的大规模网络等问题,本文提出以扩散距离为谱平分依据,以模块度函数为衡量社团结构划分效果的快速划分算法,并进一步说明了扩散距离的收敛性。实验结果表明,与已有的社团发现算法相比,基于扩散距离的快速划分算法能够得到满意度高的社团结构,时间复杂度较低,对稀疏网络和非稀疏网络都能高效求解,从而体现出算法具有较高的鲁棒性。     

基于谱方法的复杂网络中社团结构的模块度

现实中的大量复杂网络表现出明显的社团结构, 模块度是衡量网络社团结构划分的重要指标函数, 但最常用的NG模块度存在分辨率限制问题, 不能识别出小于一定规模的社团. 文章在谱映射的基础上, 提出了复杂网络社团结构的两种模块度. 改进的表现模块度不仅能够应用于有权网络, 而且部分解决了NG模块度的局限性问题; 内聚模块度以社团内部的内聚度为衡量依据, 从根本上避免了NG模块度和表现模块度可能出现的不恰当划分情况. 最后通过计算机生成的测试网络和两个经典网络, 与NG模块度对比验证了表现模块度和内聚模块度的可行性和有效性.     

二分网络社团结构的比较性定义

为了解决二分网络的聚类问题,借鉴单顶点网络社团结构的比较性定义,提出了直接基于原始二分网络社团结构的比较性定义,这个定义允许社团之间存在重叠,并定义了在二分网络中顶点与社团之间的作用力.在不引进额外参数的情况下,设计了基于此定义的二分网络的聚类算法,并将此算法应用于人工网和一些实际网络中,结果表明这个算法可以比较准确地对网络进行聚类,说明该定义是有效的.     

一种基于网格密度与空间划分树的聚类算法

基于密度的聚类是聚类分析中的一种,其主要优点是发现任意形状的聚类和对噪音数据不敏感.文章提出了一种新的基于网格密度和空间划分树的CGDSFF(Clustering based on Grid - Density andSpatial Partition Tree)聚类算法.其创新点在于,将数据空间划分成多个体积相等的单元格,然后基于单元格定义了密度、簇等概念,对单元格建立了一种基于空间划分的空间索引结构(空间划分树)来对数据进行聚类.CGDSPT算法保持了基于密度的聚类算法的上述优点,而且CGDSFF算法具有线性的时间复杂性,因此CGDSPT算法适合对大规模数据的挖掘.理论分析和实验结果也证明了CGDSPT算法的优点.     

基于虚拟力的社团发现算法研究

针对现有的社团划分算法过分粒度化和基于模块度优化存在的局限性,本文引入万有引力的思想,假设社团是由节点之间存在虚拟力牵引聚集而成,提出了一种基于虚拟力作用的社团划分算法。在已知社团结构的真实网络中与GN算法、CNM算法等经典算法对比测试,发现本算法不仅能够给出更加准确的网络的社团结构,还具有较高可靠性和接近线性的时间复杂度。     

一种基于自组织特征映射网络的聚类方法

针对传统聚类算法不能有效地处理大数据集和高维数据集的问题,提出了一种基于自组织特征映射网络的聚类方法。该方法能将任意维输入模式在输出层映射成一维或二维离散图形,并保持其拓扑结构不变,而且无需监督,能自动对输入模式进行聚类。给出了应用该方法的具体步骤和加速自组织过程的若干改进方法,通过仿真实验证明该算法的有效性。     

物体三维重建中轮廓匹配的模糊模式识别方法

基于轮廓序列的三维重建需要解决不同层面的匹配与聚集问题,传统算法在复杂流型转换中匹配准确率较低.针对传统匹配算法匹配准确率较低等问题,采用对折线求平均距离、构造模糊集的方法,给出了一种模糊聚类的数学模型,将传统的匹配问题转化为类成员的隶属度问题,最后把该模型应用到电容层析成像三维可视化系统中,并通过仿真实验验证了方法的有效性.     

New judging model of fuzzy cluster optimal dividing based on rough sets theory

To investigate the judging problem of optimal dividing matrix among several fuzzy dividing matrices in fuzzy dividing space, correspondingly, which is determined by the various choices of cluster samples in the totality sample space, two algorithms are proposed on the basis of the data analysis method in rough sets theory: information system discrete algorithm (algorithm 1) and samples representatives judging algorithm (algorithm 2). On the principle of the farthest distance, algorithm i transforms continuous data into discrete form which could be transacted by rough sets theory. Taking the approximate precision as a criterion, algorithm 2 chooses the sample space with a good representative. Hence, the clustering sample set in inducing and computing optimal dividing matrix can be achieved. Several theorems are proposed to provide strict theoretic foundations for the execution of the algorithm model. An applied example based on the new algorithm model is given, whose result verifies the feasibility of this new algorithm model.     

复杂系统熵聚堆算法及其在中风病临床的应用

对数据进行非监督聚类是中医临床研究的主流和难点.提出了一种非监督的复杂系统熵聚堆算法.它改进了关联度系数,不但能实现自组织非监督聚类,而且可以实现一个变量分在不同的类里;提出并证明了N-class相关的概念,加快算法的收敛速度.它运用到中风病临床数据中,非监督地提取出了中风病中常见的证候,结果十分符合临床; 参考数据的辨证结果对算法进行了验证,得到算法的敏感度为97.3%, 这验证了算法的有效性.它为中医临床治疗中风病的规范化奠定了数理基础.     

通信距离约束下的无人船集群覆盖搜索方法

针对通信距离受限时水面无人船(unmanned surface vessel, USV)集群对未知水域的覆盖搜索问题, 提出一种竞拍协同边界探索算法。首先根据边界探索的思想提取地图探测边界, 然后以基于层次聚类思想进行改进的K-means++聚类算法划分任务区间, 消除不安全或低收益的目标搜索点, 再以分布式竞拍算法为USV集群动态分配搜索任务, 使集群搜索效率最大化, 各艇经过多轮分配、执行搜索任务直至覆盖全水域。仿真实验表明，在相同集群规模下, 相较于无协作的几种边界探索算法, 该算法任务用时和集群航行总路程更少; 在相同任务地图下, 覆盖搜索效率随USV集群规模增大而提高。     

复杂系统的变结构分析

传统的变结构研究方法都是建立在模型基础上的，变结构分析主要集中在系统运动模型中参数的变化或变量的增减问题上。这种传统的分析方法只限于人们对未知系统的模型结构有一个大致的了解，在一 旬先验假设的条件下才能进行。但是在系统建模之前，人们很难预先知道系统的运行的模型形式。对复杂系统而言，传统的变结构分析方法就难以秦效。特别地，对非线性向量时间序列系统而言，系统内部动态均衡结构的变化不仅具有空间结构，而且具有一定的时间结构。针对这种实际情况，本文提出了一种新的变结构分析思想，利用神经网络技术对系统的运行规律的结构变化情况进行了分析。利用上海股市数据进行了实证研究，证实了所提方法的可行性。     

基于节点属性的社群结构探测算法改进

对Vincent D. Blondel等提出的B算法的特点及机理进行了分析, 讨论了节点属性对社群结构探测的可能影响. 进而通过重构初始化网络, 控制节点(社群)合并过程两个方面, 对B算法进行了改进, 获得更优的模块性指标及对应的社群划分. 经计算机模拟网络与实际网络的社群结构探测, 结果表明所提改进算法有效可用, 能在获得较大模块性指标的同时, 获得较好的社群划分结果, 且拥有更低的运算时间.     

Internet拓扑的社团结构分析

对Internet AS级拓扑的社团结构进行了分析,发现其模块度在0.38和0.48之间,表明Internet拓扑具有一定的模块特性.社团分解结果表明,处于同一社团内的AS许多都是相同或邻近国家的AS,表明了地理因素是Internet社团结构形成的一个重要原因.对Internet国家级拓扑的社团结构的分析,更明显地表明了地理因素对Internet互联所产生的影响.PFP模型所生成的网络的模块度仅有0.30左右,与真实Internet有一定差距,因此提出了一种考虑了地理因素的Internet模型--GeoPFP模型,在包括小度值节点聚类特性等诸多性质上,新模型都能准确模拟Internet,同时新模型的模块度在0.42附近,与真实Internet一致.     

一种应用于Web服务器集群系统的URL分配算法

基于内容的Web服务请求调度算法有利于均衡服务器集群系统的负载。已有的请求分配算法大多先运用Hash方法对请求的URL进行散列,在此基础上再按一定规则对请求内容进行负载均衡调度。在分析了Web服务流量分布不均衡及已有URL散列方法存在不足的基础上,提出了一种基于URL词典排序及内容等分的URL分配算法LOCEP。该算法通过对URL进行词典序排序,按内容等分,依访问流量排序及分段互补等一系列方法将Web负载尽可能均匀地分布到多个后端服务器中。仿真实验结果表明,该算法比现有的URL散列方法具有更好的负载均衡能力。     

带软时间窗物流配送车辆路径问题的并行遗传算法

针对一般遗传算法在求解有时间窗车辆路径问题时初始种群的单一性,提出一种新的算法.该算法对不同的种群用不同的初始化方法--随机初始化法和构造初始化法,这种算法改变了过去那种种群内部的平衡.并将该算法所得结果与其他算法进行比较,表明该算法的合理性.