基于不同划分优度的因特网拓扑聚合特征

因特网拓扑的社区聚合特征对网络性能具有重要影响.本文选取两种不同的社区划分算法:基于模块度Q的MOME算法与基于伸缩变换覆盖测度SCM的SACA算法,利用10年实际测量数据,对因特网AS层拓扑分别进行社区划分,获得的社区结构具有显著差异,究其根源在于两种算法采用的社区划分优度不同.分析发现:微小社区占大多数的幂律分布以及社区结构以星型为主的现象是SCM测度自身限制的效果.基于模块度Q的社区划分显示因特网拓扑聚合程度显著且呈增长趋势,社区规模随网络规模增长,社区结构以稠密的非星结构为主.研究表明,设计适当的社区划分优度及划分算法对于正确理解实际网络真实聚合特征具有重要意义.     

一种全局与局部结合的两步式重叠社区挖掘算法

基于全局划分和局部凝聚原理,改进得到一种两步式挖掘算法,该算法以寻找最优模块性Q值为基准,最终挖掘出重叠社区.对两个经典真实世界网络的Zacharys Karate俱乐部数据和海豚网络数据进行了实验测试,实验表明该算法能够有效地划分出重叠社区.     

一种基于介数和时效性的动态社区发现算法

为了发现动态变化的社区结构,在分析了动态社区划分算法的研究现状基础上,提出一种基于时效性和介数的动态社区发现算法,对历史信息的时效性进行了计算,建立了综合有权网络,基于局部边介数进行社区划分,发现了稳定社区结构。实验表明了算法的有效性。     

面向区域目标的敏捷卫星非沿迹条带划分方法

考虑单星对区域目标的非沿迹条带划分问题,以最少划分条带数为主优化目标,以最小姿态机动幅度为次优化目标,建立了该问题模型;并提出了一种角度步进的旋转划分算法进行求解。问题求解过程中考虑了初始划分方向确定、条带分割与裁剪、观测顺序与观测时间的确定等多个子问题。在验证了该算法可行性基础上,设计3组实验,并制定任务完成率、任务观测时间、条带分割数量、总姿态机动幅度4个衡量指标对比了沿迹划分算法与此算法的划分效能,结果显示在对中、低纬目标的划分中,该算法划分效果显著。     

基于联合引力度扩展的加权网络重叠社区划分算法

基于引力度扩展的重叠社区发现算法(GDE),主要用于挖掘无权社交网络的重叠社区结构.真实社区更多是具有加权属性的,本文根据 GDE 算法的种子策略思想,并依据加权网络的特征,以网络节点的度与强度来综合确定重叠社区的中心节点,提出基于联合引力度扩展的加权网络重叠社区划分算法(UGDE).算法的实验检测结果表明：该算法对划分加权网络中的重叠社区具有可行性与有效性.     

基于格网划分的道路最近邻查询算法

针对现有道路最近邻查询算法均以数据点作为道路端点进行查询,并未考虑数据点在道路上的情况,使得在大数据量时查询效率不够理想的问题,利用格网划分算法进行解决。利用分治法的思想,将查询区域进行格网划分,缩小有效的查询区域,快速定位查询点所在道路,进而找到最近邻数据点。研究结果表明:当数据量足够大时,格网划分算法与增量网络扩张(INE)算法相比,查询时间明显降低,效率明显提升,格网划分查询的时间复杂度为O(1);当数据量较少时,格网划分算法与INE算法相比,查询时间减少并不明显,表明格网划分算法更适用于大数据量最近邻查询。     

基于链接强度的兴趣相似社区聚类算法

传统的社交网络社区划分分为两种,一种是以链接属性进行划分,另一种是以用户自身属性进行划分.近年来出现了融合节点自身属性和链接属性的社区划分算法,但是这些算法只是单纯地将链接属性融为节点自身属性进行划分,忽略了链接属性强弱对节点间兴趣度的反映程度.针对这些问题,对微博中用户的链接属性进行了分类,采用直接链接节点链接关注度和间接链接节点链接关注度的概念,以链接强度为搜索顺序,提出一种基于链接强度的兴趣相似社区划分算法.实验表明,本算法划分的社区内链接度质量较高且用户兴趣相似.     

基于粒子群优化与模糊聚类的社区发现算法

针对现有基于改进的K-means模糊聚类的社区发现算法(k-means algorithm for community structures detection based on fuzzy clustering,NKFCM)执行效率较差的问题,将粒子群算法与模糊聚类算法相结合提出了基于粒子群优化与模糊聚类的社区发现算法(community detection algorithm based on particle swarm optimization and fuzzy clustering,PFCM).该算法首先进行迭代运算,找出初始聚类核心,利用以云模型为运行条件的粒子群优化算法确定最优聚类核心与最佳社区个数,最后利用模糊聚类算法(fuzzy c-means algorithm,FCM)进行具体的社区划分.理论解析与测试结果表明:该算法发现网络社区的准确性较高,且与NKFCM算法相比,PFCM在处理网络数据时执行效率获得了极大地提升.     

基于随机游走的进化计算社区发现

网络结构关系错综复杂,在复杂网络上寻找最优的社区结构是一个NP-Hard问题,进化计算被认为是解决这类问题的有效方案,人们尝试利用群智能方法来搜索最优的社区结构。目前,针对包含节点属性的属性网络,基于进化计算的社区发现方法还面临若干挑战：（1）基因编码策略都直接或间接采用邻位编码,致使算法的搜索空间受限于拓扑结构,属性信息利用程度低,导致算法精度不足;（2）缺少对社区边缘度较小的节点的考虑,造成社区边界识别较低。针对上述问题,提出了一种基于随机游走的进化计算社区发现算法。首先,设计了一种基于拓扑及属性信息随机游走的社区初始化策略,以准确识别社区边界,提高社区发现的精度。其次,设计了综合考虑拓扑和属性的节点嵌入向量更新策略,使节点的属性信息能够在进化过程中被有效利用,以提高社区划分的质量。通过在真实和人工数据集上实验,验证了提出的新算法能够比现有方法得到更好的社区划分。     

图的最优k划分的一类有效算法

本文将文献[1]的两组交换思想,推广到k组置换,并应用文献[2]提出的广义分配问题的处理思想,得到了图的最优k划分的一类有效算法.对于该算法的收敛性,也给出了理论的证明.文中还将最优k划分算法推广应用到不给定组数且每组元素不限定相等的分组.     

利用空载波的OFDM系统的IQ误差盲估计方法

针对正交频分复用(orthogonal frequency division multiplexing, OFDM)系统对由直接变频结构引入的IQ误差十分敏感这一问题,提出利用OFDM符号中的空载波对IQ误差进行补偿的方案。算法不需要训练符号,频谱利用率较高。分析了IQ误差对OFDM系统性能的影响,在此基础上利用一个序列的FFT变换结果与其共轭的FFT变换结果服从镜像关系的特性,估计出IQ误差并加以补偿。利用空时编码,算法同样适用于多输入多输出(multiple input multiple output, MIMO)系统。理论分析证明算法是无偏估计;估计的均方差与OFDM符号数、空载波数、信道频率响应的幅值以及信噪比成反比,与IQ误差的幅值成正比。仿真结果表明,算法能够获得几乎最优的误比特率(bit error rate, BER)。     

磁化状态和回火温度对铁磁性恒弹合金Q值的影响

讨论了磁化状态,冷变形量及回火温度对铁磁性恒弹合金的机械品质因数Q值的影响。采用半峰宽法计算试样的Q值。结果表明:磁饱和状态Q值最高,退磁状态Q值居中,剩磁状态Q值最低,Q值随冷变形量增加而升高。不同温度回火后,在某一回火温度Q值最大,且最大Q值所对应的回火温度随冷变形量增加逐渐向低温移动。同时研究了固溶温度对Q值的影响。     

ITAE最优控制的逆问题

用ITAE（时间误差绝对值）最优控制确定状态反馈增益阵K,给出计算加权矩阵Q的参数化公式,并用例子证明这种确定加权矩阵Q方法的有效和简便．研究结果揭开ITAE最优传递函数与加权矩阵Q,R的相互关系,有利于认识ITAE最优控制的本质．     

基于吸收度的三支决策社团划分算法

该文针对社团划分存在的重叠区域问题引入三支决策思想,提出了一种基于吸收度的社团划分算法(3WD-PPOC).3WD-PPOC首先根据网络结构的重要度矩阵进行社团的初始划分,再利用F吸收度来构建社团间的重叠区,即社团边界域,并得到各社团的正域,最后通过P吸收度来完成对在社团边界域中节点的再次划分和社团正域的更新.对比同类算法,3WD-PPOC具有较低的时间复杂度.实验结果进一步表明:3WD-PPOC能够有效地进行社团划分,相比其他社团划分算法,3WD-PPOC表现出更好的社团划分质量,划分后的各社团结构更紧密.该算法对社团重叠节点的划分具有较好的稳定性.     

多载波DS-CDMA中的交织器设计

多载波直接扩频序列码分多址 (DS- CDMA)是一种结合正交频分复用 (OFDM)的调制方式和 DS- CDMA的多址方式而产生的宽带 CDMA传输方式。该文结合下行多载波 DS- CDMA的特点 ,提出了最优交织器的设计准则 ,推导出了它的最优解和相应的最优性能。给出了一种只需排序操作就可以实现次最优交织器的设计方法。理论分析和仿真结果表明 ,当频域分集数 P小于信道阶数 L 时 ,优化后的交织器能有效地提高系统的分集增益 ,并使系统的性能逼近P=L 时的最优性能。当 P≥ L 时 ,等间距交织器就是最优交织器。     

基于神经网络增强学习算法的工艺任务分配方法

在任务分配问题中,如果Markov决策过程模型的状态-动作空间很大就会出现"维数灾难".针对这一问题,提出一种基于BP神经网络的增强学习策略.利用BP神经网络良好的泛化能力,存储和逼近增强学习中状态-动作对的Q值,设计了基于Q学习的最优行为选择策略和Q学习的BP神经网络模型与算法.将所提方法应用于工艺任务分配问题,经过Matlab软件仿真实验,结果证实了该方法具有良好的性能和行为逼近能力.该方法进一步提高了增强学习理论在任务分配问题中的应用价值.     

改进的Q学习算法及在其RoboCup中的应用

传统的Q学习已被有效地应用于处理RoboCup中传球策略问题,但是它仅能简单地离散化连续的状态、动作空间。文章提出一种改进的Q学习算法,提出将神经网络应用于Q学习,系统只需学习部分状态—动作的Q值,即可进行Q学习,有效的提高收敛的速度。最后在RoboCup环境中验证这个算法,对传球成功率有所提高。     

多维标度和随机森林应用于汽油近红外定量分析

随机森林(RF)回归应用于汽油辛烷值的近红外定量模型的波长优选。提出的双中心指标多维标度(DC-MDS)方法能够有效地找到定标和预测样品集的合理划分。RF回归建模的过程中选择采用较大的决策树数量(nTree=500),避免建模过程发生拟合,进一步调试并选择最优的分裂变量数(mtry=130);最后在最优参数的RF建模过程中提取具有最大贡献的30个信息波长,为汽油辛烷值的测定建立离散波长的近红外定量分析模型;其预测决定系数为0.971,预测均方根偏差为0.219%。结果表明,RF回归具有应用于汽油辛烷值近红外定量测定的潜力。     

基于多维特征向量的网络社团划分方法

为了寻找大规模复杂网络中的社团结构,提出了基于多维特征向量的社团划分方法,即多维特征向量谱平分法.利用网络连接矩阵的多维特征向量划分网络社团,通过仿真实验分析关键参数对划分效果的影响,从而确定使得划分结果最优的参量值,并综合多维特征量阈值和社团数目两方面的因素决定被划分的社团数目.在具有代表性的局域世界网络演化模型中进行仿真,证明该方法在网络聚簇特征不是很明显的情况下,能够有效划分网络中存在的多个社团,适应具有各种聚集特征的网络,说明该算法在实际网络中具有较高的应用价值.