一种3D空间中的两级力导引可视化算法

可视化是研究复杂网络的重要方法,目前2D平面可视化研究十分成熟,而3D可视化研究相对较少.为解决目前3D可视化布局结果不能真实展示复杂网络结构特征的问题,提出了一种两级力导引3D可视化算法.该算法基于复杂网络的特征分析,通过对网络聚类得到多个子网络及建立抽象网络,然后分两步依次对抽象网络和子网络进行力导引布局,从而得到最终布局.真实数据的实验分析表明,该算法的可视化布局结果能够真实展示复杂网络结构特征,同时具有较低的时间复杂度和较好美观度、清晰度.     

一种基于网络嵌入的社区发现方法

社区发现是社会网络分析的重要任务,有助于理解中观尺度的网络结构.现有的诸多社区发现方法仅考虑网络的拓扑信息,忽略了网络中每个节点所包含的属性信息.为此,本研究首先基于社会网络的拓扑结构信息与节点属性信息分别构建初始特征矩阵;然后基于网络嵌入模型,融合初始特征矩阵的主成分信息,构建共识嵌入矩阵;最后,给出社会网络中"领袖节点"的泛化定义形式,并提出一种改进的图聚类算法(LIK-means)挖掘社会网络中潜在的社区结构.实验表明,LIKmeans较其他经典算法有较好的可扩展性,同时在真实社会网络中的社区识别精度更高.     

基于路径相互关注的网络嵌入算法

网络嵌入,或者称为网络表示学习,旨在将网络中的节点映射到表示空间中,生成低维稠密的向量,从而在保留网络结构信息的前提下对网络中的节点进行表示,而后通过已有的机器学习方法解决诸如链接预测、节点分类、社团发现和网络可视化等下游任务.随机游走算法可以很好地探索网络中节点的局部结构,然而之前的基于随机游走的表示学习算法只能为节点产生一种角色嵌入,没有考虑到和不同邻居进行交互时节点扮演的不同角色嵌入.因此,提出一种基于路径相互关注的网络嵌入算法,使用节点随机游走产生的上下文信息,通过注意力机制为每个节点生成上下文相互关注的节点嵌入.在真实数据集上的实验结果表明,与三个经典的网络嵌入算法相比,该算法具有更好的表现.     

遗传算法在WSNs多Sink节点布局中的应用

无线传感器网络应用一直受到有限资源及能量的约束,sink节点布局算法是长时期内需要研究的一个关键问题.实际情况下,由于节点资源受限或无线链路的问题,sink节点经常存在服务失败的情况.因此,提出一种无线传感器网络中多sink节点的P中值布局模型,同时使用遗传算法对属于NP完全问题的sink节点布局模型进行求解计算,并对算法的计算精度、效率进行了分析.仿真实验结果表明,基于遗传算法而提出的布局模型能够有效降低无线传感器网络的能量消耗,提高网络服务效率,延长网络的生存期.     

基于密度峰值和网络嵌入的重叠社区发现

密度峰值是一种基于密度的聚类算法,该算法假设类簇中心点具有较高的密度且被密度较小的节点包围。由于图结构的性质,密度峰值无法直接适用于网络结构,现有的基于密度峰值的社区发现算法大部分是基于图的拓扑结构或者邻接矩阵度量节点近似度,这种方法往往引入较大的计算复杂度。文中结合网络嵌入方法通过低维向量表示网络中的节点信息,提出了一种基于密度峰值和网络嵌入的重叠社区发现算法(overlapping community detection based on density network embedding, OCDDNE)。该算法首先通过网络嵌入获取节点的网络结构特征,然后基于改进的密度峰值的方法对嵌入后的节点向量进行多标签聚类,使编码后的向量之间的结构关系得到更好的揭示,从而发现网络中的重叠社区结构。在人工网络和真实网络的验证实验表明,该算法可以有效的挖掘网络中的重叠社区结构,并在结构复杂度较高的网络中优于其他算法。     

拓扑理论下乡村路网布局算法设计

乡村振兴背景下,乡村居民出行需求和乡村路网布局理论建设极为重要。为了提高乡村路网效率,设计基于拓扑理论的乡村路网布局算法。该方法考虑径向网络的拓扑结构,并计算了城乡交通的特征。根据特征计算结果,采用灰度相关分析方法计算了交通节点重要性指标的目标权值。结合交通节点的动态聚类结果,构建乡村道路布局规划模型,并以出行时间为目标求解该模型,完成布局规划算法的设计。结果表明,该算法在提高效率的基础上,较传统的样条法和GIS-TransCAD法,能够有效地改善城乡道路分布的平衡性和连通性。     

基于神经网络树和人工蜂群优化的数据聚类

针对高维数据引起的"维数灾难"问题,设计了一种基于神经网络树和人工蜂群优化的高维数据聚类算法.首先,设计了改进的二元人工蜂群优化算法,以封装式方法最大化径向基函数网络的准确率,以过滤式方法最小化特征的冗余度;然后,基于每个特征子集的样本集训练径向基函数网络,构建以径向基函数网络为节点的神经树;最终,采用门网络将连接的类簇分离,获得最终的聚类结果.基于高维数据集和低维数据集均完成了仿真实验,结果表明本算法对于高维数据集实现了较高的聚类准确率.     

一种基于加权共同邻居相似度的局部社区发现算法

传统的社区发现算法能够找出网络中所有的社区,其时间复杂度取决于网络的规模.挖掘大网络中的全局社区结构因为时间复杂度高而难以实现,局部社区发现作为一种不需要知道网络的整体结构,从给定的节点逐步向外扩展,寻找该节点所在社区的方法,在大网络时代具有重要的应用意义.目前这方面的研究已经获得广泛关注,并提出了很多局部社区发现算法.针对已有局部社区发现算法需要人工设置参数、准确率低的问题,提出一种新的局部社区发现算法.首先,提出一种加权邻居节点的共同邻居相似度指标,用于计算网络中两个节点间的相似度;然后,基于该相似度指标,给出一种新的局部社区质量度量指标,在保证社区度量指标不下降的前提下,不断选择与当前局部社区嵌入度最大的节点加入到局部社区,逐步找出给定节点所在的社区;最后,在真实网络和仿真网络数据集上进行了实验.实验结果表明,该算法能有效地挖掘出给定节点所在的局部社区,相比具有代表性的Clauset,LWP,GMAC等局部社区发现算法有更高的准确率.     

启发式动态社区挖掘算法研究与实现

针对社会网络的动态特征,应用多模态函数优化和粒子群优化算法的基本思想,引入社区种子和社区主题的概念,分层进行社区的挖掘.首先对复杂网络中存在的固定联系进行社区挖掘,构建基本社区结构;然后分析社区内容,根据社区内节点之间的隐性行为特征定义社区主题,精分细化社区结构直到结构稳定.实验证明,该算法极大地提高了社区挖掘的精度,降低了运算复杂度.并且该算法能够有效地保持社会网络中社区的多样性,加速社区内节点收敛,快速寻找到稳定的社区结构.     

基于虚拟节点的概念格三维可视化布局算法

形式概念分析理论是一种研究属性和对象的数据挖掘方法.概念格作为形式概念分析理论中的核心数据结构,具有直观表达知识单元内在联系的作用,可以作为知识图谱可视化工具.针对传统三维可视化布局算法在概念格表示上,存在复杂概念格结构表示不清、图形不够美观的问题,提出了一种基于虚拟节点的概念格三维可视化布局算法,提升了概念格Hasse图图形的美观度.该算法通过添加虚拟节点对二维KK布局算法改进,并与传统分层算法中的分层函数相结合,有效解决了层内节点横向扩张过大及节点连线交叉过多表示不清晰的问题,使概念格结构变得明确、易读.为对Hasse图图形美观度进行定量度量,提出了一种以空间分布密度为依据的美观度度量指标.通过与传统三维布局算法中圆形分配算法在该指标上的对比分析,验证了该算法在概念格可视化布局方面对已有三维布局算法的优越性.     

基于重要结点的社区发现算法

复杂网络中内部的社区结构是复杂网络结构特征和属性特征的具体体现。首先依据模块度最大化理论计算网络的模块度矩阵的最大k特征向量矩阵;然后提出聚类中心方法,并用于求出k个社团的重要结点作为k聚类中心,利用欧几里得距离计算每一个结点到k个聚类中心的距离,将结点分配到距离聚类中心最近的社区中;最后对网络应用k-means方法进行迭代计算,得到k个社区的划分。分别在Karate Club Network和American College Football数据集上对算法进行了实验验证,实验结果表明该算法可以有效发现潜在社区,其纯度与模块度比已有的社区发现算法都有一定的提高,并且迭代次数较少,效率较高。     

改进LEACH的传感器网络分簇路由算法

针对当前无线传感器网络分簇路由算法存在的节点能耗不平均、 节点过早死亡等缺陷, 提出一种改进低功耗自适应分簇(LEACH)的无线传感器网络路由算法. 首先针对无线传感器节点过早死亡的问题, 引入簇半径动态确定方式, 将整个无线传感器网络划分为多个不均匀的簇; 然后考虑簇首能量消耗过快的问题, 结合簇首所在位置和节点剩余能量选择每轮中的簇首; 最后改进数据传输机制保证节点能量消耗均衡, 并在MATLAB 2014平台上对无线传感器网络分簇路由算法的性能进行测试. 测试结果表明, 改进LEACH算法较好地解决了节点过早死亡的难题, 延长了无线传感器网络的寿命, 平衡了各节点能量消耗, 整个无线传感器网络的性能显著优于其他对比算法.     

大规模卫星集群网络自适应加权分簇算法

针对平面管理结构在大规模卫星集群网络中的缺点,提出了一种自适应分布式加权分簇算法（adaptive distributed weighted clustering algorithm,ADWCA）,该算法根据卫星网络运行的可预测性,在初始化阶段由地面计算各卫星节点综合权值并划分簇首和成员节点,完成之后上注到星上,之后集群中卫星节点根据邻居及自身信息完全分布式地执行维护进程.仿真分析表明,与最小标识优先分簇算法和最大连接度优先分簇算法相比,该算法生成的簇结构具有更少的簇数量、良好的稳定性,且能够有效均衡簇头节点的负载.      

基于轴面对称机制的物联网节点覆盖算法

为解决物联网部署过程中存在的节点覆盖强度低、传输盲区面积大,以及簇头节点受限等不足,提出了一种基于轴面对称机制的物联网节点覆盖算法.首先,采用等距分割方案,设计了一种基于轴面对称机制的区域覆盖方法,通过对称分布簇头节点来实现网络区域的初级分割,提高网络初始化覆盖效率.随后,鉴于主备机制难以进行节点动态更新,通过预热方式来部署多个镜像节点,构建了基于热备机制的簇头轮询方法,降低网络因簇头节点受限而出现传输受阻现象.最后,对初始化分割区域进行非等距优化,提出了一种基于量化部署机制的传输优化方法,增强网络传输能力,提升簇头节点对数据的传输效率.仿真实验表明,与改进的蚁狮算法的无线传感器网络覆盖优化和基于改进粒子群算法的无线传感器网络覆盖策略等方案相比,本文算法具有更高的拥塞控制能力和节点覆盖效率高,以及更低的簇头受限概率.     

基于距离和分布的无线传感器网络分簇算法

考虑随机分布节点的剩余能量以及节点相对基站的位置,针对基站位置的非均匀无线传感器网络,提出了一种基于节点位置和分布密度的多跳自组织分簇算法．该算法在分簇准备阶段,根据节点分布密度和相对基站的距离确定分簇的半径,均衡分簇能耗;在簇头选举阶段,利用节点的剩余能量和节点连接密度信息,选择最优的节点成为簇头;在分簇建立阶段,限制分簇跳数,有效降低簇内通信量．通过一系列的仿真实验,验证了算法在节点均匀和非均匀分布情况下均能取得较好的性能,建立更为均衡的分簇结构,显著提高网络生存周期．     

任务类型感知的无线传感器网络数据融合调度算法

针对数据融合调度能量与时延优化问题,提出一种任务类型感知的无线传感网数据融合调度算法。通过传感器节点多功率、多信道的方式,利用最大独立集思想,构建基于数据融合主干树的网络拓扑结构,从而根据调度优先级,通过近似贪婪算法实现簇内数据融合调度,同时结合稀疏系数感知任务类型,减少传输数据量,进而利用簇头节点在网络中的等级,实现簇间数据融合调度。结果表明,所提算法在减少簇头节点数据传输量,降低节点能耗的同时,缩短了数据融合时延,提高了网络寿命。     

智能电网中基于平衡树的无线Mesh接入网络路由算法

在智能电网(smart grid,SG)接入层的无线Mesh网络(wireless mesh networks,WMNs)应用中,针对数据流过度地集中在关键节点而导致数据拥塞问题发生,提出一种基于平衡树的无线Mesh网络路由算法。在传统AODV(ad hoc on-demand distance vector routing)算法的基础上,使用平衡树模型,综合考虑节点剩余容量和转发数据所需的路由跳数建立路由判据模型,合理地选择下一跳中继节点,均衡节点数据流。路由算法仿真采用OPNET平台实现,就网络的吞吐量、通信时延以及网络丢包率3个重要方面,对所提的路由算法与传统AODV算法的性能进行了对比分析。仿真结果表明,提出的算法能够有效地解决无线Mesh网络中的数据拥塞问题,相比于传统AODV算法能明显提高网络吞吐量,减小网络通信时延和丢包率,进而提高网络整体的可靠性。     

基于信息传递和峰值聚类的自适应社区发现算法

信息传递是网络具有的基本特征,基于此提出了一种基于信息传递和峰值聚类的自适应社区发现算法。首先,定义了节点与邻居之间的信任度函数,每个节点基于信任度独立的向网络中扩散信息量。扩散结束后,节点总信息量即为峰值聚类中的密度;网络中节点之间的距离通过所含节点信息量的倒数替代。然后,提出一种自动选取核心节点方法并为核心节点分配不同社区,把剩余节点分配到与它距离最短的核心节点所在社区,完成社区划分。本算法的优点在于无需额外参数并且能够发现社区内部结构。实验结果表明本算法发现的社区结构更加接近网络真实社区结构。     

基于改进的AP和遗传算法的能量感知分簇路由协议

针对无线传感器网络中存在的节点能量受限问题, 提出一种结合近邻传播算法(AP)和遗传算法的分簇路由协议(EAPGA). 该协议首先根据剩余能量、 节点间距离、 节点到基站的距离和节点中心度确定最优簇头; 然后在信道选择上, 通过簇头之间能耗偏差构建适应度函数, 并且利用遗传算法对每个信道进行寻优. 实验结果表明, 该协议保证了能量平衡和负载平衡, 使网络寿命达到最大化.