基于图神经网络和随机森林的CircRNA-疾病预测

环状RNA(CircRNA)广泛参与人类疾病的进程,其突变和失调与许多人类疾病密切相关．因此,建立一个高效准确的CircRNA与疾病之间的预测算法对于提前对疾病的发生做出预防以及发病后的治疗方案具有重要意义．提出了一种新的基于图神经网络和随机森林的算法预测CircRNA-疾病关联算法,在分层网络表示嵌入部分通过构建异构网络,根据网络图的邻近性,对网络图的节点和边缘进行分层,递归地合并原始图中的节点和边,得到若干具有相似特征的较小子网络．子网络规模随着分层的深入而递减,直至得到最小子网络后,使用node2vec网络图游走算法对其进行预处理,然后将全部节点的特征向量输入至随机森林分类器来识别潜在的CircRNA-疾病关联,从而进行预测．     

几类3——极小图

一个图中含有的三个结点的导出连通子图的个数Ｓ２（Ｇ）在网络可靠性中起着重要作用。一个图称为３－极小图，如果在其上 任何一条边的改变都不会减少其三结点连通导出子图的个数。本文给出了几类３－一极小图。     

多部图λκ_n(g)的G-设计,G为有1条悬边的4长圈

设λkn(g)是一个λ重完全n部图,G为一个不带孤立点的简单图,一个(λkn(g),G)-设计是将λkn(g)划分成边互不相交的子图,使得每一个子图都和G同构．在此基础上讨论了G为有1条悬边4长圈时多重完全多部图的G-设计的存在性．并给出其存在谱．     

多部图λkn(g)的G-设计,G为有1条悬边的4长圈

设λkn(g)是一个λ重完全n部图,G为一个不带孤立点的简单图,一个(λkn(g),G)-设计是将λkn(g)划分成边互不相交的子图,使得每一个子图都和G同构.在此基础上讨论了G为有1条悬边4长圈时多重完全多部图的G-设计的存在性,并给出其存在谱.     

金融交易数据驱动的图谱网络智能化欺诈侦测

针对当前金融领域营销场景中商户与持卡人团伙化的交易欺诈行为难以侦测、挖掘的不足的问题，该文基于交易流水数据，构建了持卡人-商户的智能化交易图谱网络，建立了图拓扑特征体系框架和机器学习的异常检测算法，对当前营销欺诈团伙化网络进行了智能化侦测.基于相关样本数据提出的模型效果比传统模型具有较大提升，对欺诈团伙证据链挖掘和画像分析提供了有效方法.     

n≤e〈2（n—2）时不存在点故障一致最可靠图

当人们考虑边不出故障，而点的故障概率为独立且相等的Ｐ的网络时，点故障网络可靠性Ｒ（Ｇ，Ｐ）定义为图Ｇ保持连通的概率。记Ω（ｎ，３）为所有ｎ点ｅ边图的集合，那么图Ｇ∈Ω（ｎ，３）称为一致最可靠图（ＵＯＲ图），如果对于ＶＰ∈（０，１）ＶＨ∈Ω（ｎ，３）都有Ｒ（Ｇ，Ｐ）≥Ｒ（Ｈ，Ｐ）。本文证明了ｎ≤ｅ〈２（ｎ－２）时不存在ＵＯＲ图。     

图形聚类算法的代谢网络模块化分析

代谢网络的研究是当今生物学研究中的新热点,使用图形聚类算法对代谢网络进行分析研究是一个有力的手段.文中提出了用图形聚类方法挖掘复杂代谢网络中蕴含的功能信息并进行模块相似性分析的方法,从系统生物学角度揭示光合作用的进化.介绍了马尔可夫聚类算法和模拟退火聚类算法两种图形聚类方法;给出了两种方法对叶绿体和蓝细菌的代谢网络进行聚类的结果;定义了模块相似度评价指标,挖掘叶绿体和蓝细菌间保守的功能模块,并对其网络结构进行了比较分析.     

网络编码的LDPC编码协作

提出了一种基于网络编码的LDPC 编码协作方案,该方案采用非正规二进制LDPC 系统码. 中继通过网络编码协作两用户传输数据,提高了系统平均吞吐量. 针对协作中继只发送校验比特策略,研究了中断概率性能. 目的节点译码器采用基于联合Tanner 图的联合迭代译码算法对来自两用户和协作中继的三路信号进行译码.
仿真结果表明：与传统非协作系统相比,基于网络编码的LDPC 编码协作方案大大降低了系统中断概率;在高信噪比条件下,所提出的方案在误比特性能上具有明显的性能增益.     

利用迭代矩阵寻找网络中的关键主机

网络中的关键主机对网络的整体安全性有重大影响,但目前缺少有效方法在网络中寻找关键主机. 该文对网络关键主机进行定义和分类,提出一种关键主机的寻找方法. 将主机攻击图生成算法与迭代矩阵相结合,计算网络中各主机的相关安全属性并排序,使网络安全管理员能方便而有效地找出网络中的3 类关键主机及对应的关 键临界条件,从而采取相应措施保护关键主机. 实验表明该方法可用于网络安全性分析,对提升网络整体安全性有重要意义.     

用梅森公式计算系统传输的新算法

本文提出了一种用梅森公式计算系统传输的新算法。该算法基于流图理论的基本原理和简单的集合运算，概念明确，易于掌握；采用该算法计算系统传输时．梅森公式中有关参数的计算可以脱离流图进行，在流图系统结构复杂时，此算法的优点尤显突出。     

一类图中具有最小能量的图

设λ1,λ2,…,λn是图G的特征值,则称E(G)=|λ1| |λ2| … |λn|为图G的能量.用Sl1n,l2表示由两个具有唯一公共顶点u的圈Cl1和Cl2,且其余边均为u上的悬挂边的n阶双圈图.利用Sachs子图证明了在所有含有两个边不相交的圈Cl1和Cl2的n阶双圈连通图中Sl1n,l2是能量最小的.     

一类六点八边图的图设计

设Kv是一个v个点的完全图，G为Kv的一个不含孤立点的简单子图．Kv的一个G-设计，常记为（v，G，I）-GD，是指一个二元组（X，B），其中x为Kv的顶点集，B是Kv的一些子图（亦称为区组）构成的集合，使得每一个区组与G同构，且Kv的任何一条边恰在B的一个区组中出现．文章讨论了一类六点八边图中尚未解决的3个图G（i=1，2，3）的图设计存在性问题，并证明了（v,Gi，1）-GD（i=1，2，3）存在的必要条件v=0，1（mod16）且v≥16也是充分的．从而给出了这类六点八边图图设计存在的完全解．     

结合上下文特征和图割算法的车载点云聚类方法

可靠、准确的点云聚类是后续高精度场景目标分析与解译的基础.该文提出了一种基于上下文特征和图割算法的车载点云聚类方法.首先用DBSCAN （density-based spatial clustering of applications with noise）对点云数据进行过分割，得到密度可达的超体素；然后引入空间和属性上下文特征来描述超体素间的关联，并用于定义超体素构建的图模型边的权值；最后基于多标记的图割优化算法得到最佳超体素聚簇.实验结果表明，该方法能够有效改善点云聚类过分割，从而提高聚类的精度.     

特性关系下概率粗糙集中的属性核计算方法

提出了在特性关系下的概率粗糙集模型中的概率近似精度的增量更新机制,通过比较概率近似精度的更新值得到属性核,最后提出了一种在特性关系下概率粗糙集模型中的属性核求解算法,并举例说明了所提算法的有效性和可行性.     

利用朴素贝叶斯模型进行多层网络链接预测

针对多层网络链接预测中层间信息融合的问题,提出了一种利用朴素贝叶斯模型的链接预测方法。该方法结合目标层的邻域信息和辅助层相对于目标层的全局信息进行链接预测。在目标层中,根据节点对的邻域信息,利用朴素贝叶斯模型计算其连接概率;在辅助层中,计算节点对在该层有边或无边时在目标层存在链接的概率。在真实数据和合成数据上的实验结果表明：该算法在正相关和负相关的多层网络中都有很好的预测性能。     

捷径连接和噪声对带志愿者的囚徒困境博弈演化的影响

关于双层网络上的博弈研究很少,尤其带志愿者参加的囚徒博弈研究不曾出现过.利用蒙特卡罗数值模拟方法研究带有志愿者参加的囚徒困境博弈模型在双层网络上的演化,研究结果表明:①当捷径连接不存在时,对于较小的背叛诱惑值随着噪声水平的增加合作密度出现多个峰值相干共振现象,较大背叛诱惑值出现单峰相干共振现象;②当存在捷径连接时,原来的多峰相干共振现象被单峰共振现象取代,对较大的背叛诱惑值当增边概率p足够大时会出现2个极大值;③中等程度噪声水平和较小的背叛诱惑值下随增边概率p增加达到一个阈值后志愿者消失,这时增边概率p有利于合作程度的提高;增边概率p小于这个阈值时3种策略共存,由于3种策略的相互入侵随p的变化会得到更复杂的结果.     

基于感知器的图卷积推荐系统

互联网信息陡增，导致信息过载，为客户更加精准地推荐商品变得越来越困难．与传统推荐算法相比，基于图神经网络的推荐算法可以更好地提取客户与商品之间的关联关系．但是，在此类算法中潜在特征的乘法内积的简单线性组合无法准确捕获客户交互数据的复杂结构．针对这类问题，提出了基于感知器的图卷积推荐算法，即在利用图神经网络提取关联关系时，使用感知器分别对客户和商品的特征进行提取．使用召回率和归一化折损累计增益作为评价指标，在3组公共数据集中进行了对比实验．实验结果表明，该方法比已有相关算法的效果有所提升.     

安卓手机上的健康信息可视化设计与实现

目前国内慢性病患者为2.1亿人,占全国人口的15.7%,其中45岁以上人群平均每5个人中有2个人患有慢性病.尽管存在大量信息说明饮食与疾病间的作用,但是这些信息分散、不系统,并且存在矛盾的情况.该文面向互联网数据,生成符合医学与食品领域知识的关系图,并应用Gephi对食品与疾病的关系图进行可视化设计.由于gexf文件数据量大,故提出按需获取子图算法.最后在安卓手机上实现健康饮食顾问,为民众提供便携式健康饮食顾问服务.     

关于图的边容错的注记

F·Harary 和 J·Hayes 引入了如下的图的边容错的概念:图 G称为关于图 G 是k一边容错的,如果从 G 中移去任意 k 条边所得的每个图都含有图 G。本文得到了关于路,乘积图,有向路及有向圈的边容错的一些结果。     

基于改进随机漫步的高光谱图像分类方法

基于改进随机漫步的结合光谱信息和空间信息的高光谱图像分类方法,包括两个主要的步骤:首先,用SVM获得能够反映图像中的每个高光谱像素属于不同类别的分类概率图;然后,用结合高光谱图像空间信息的随机漫步算法对获得的像素级的分类概率图进行优化。该分类方法展示出较高的分类精度,尤其是在训练样本较少的情况下。