基于前驱后继节点的社会网络影响最大化算法

针对社会网络影响最大化问题,基于挖掘"潜在影响力"节点的策略并结合贪心算法可有效降低问题复杂度,综合考虑了节点与其前驱后继节点的相互影响,对"潜在影响力"进行了重新定义,基于线性阈值模型提出了基于前驱及后继节点的影响最大化算法.实验结果表明:与目前的同类算法相比,该算法具有更好的信息扩散范围.     

基于SINR模型构造负载均衡的带权生成树近似算法

在无线传感器网络中通过构造生成树可以使节点更好的实现路由.在构造生成树时,一方面,大量的工作都致力于降低通信时延或最小化能量消耗,却忽略了干扰带来的影响,即使有些工作基于协议干扰模型或基于图的干扰模型考虑了局部干扰,但却没有考虑全局干扰.另一方面,生成树中的叶子节点确定其领导者节点时,很少有工作考虑叶子节点分配给领导者节点时的负载均衡.综合这两方面的因素,定义了节点抗干扰权重I_w~v,提出了随机分布式算法,并理论分析了算法的正确性以及时间复杂度和消息复杂度,证明了算法能以1-O(1/n~4)的高概率在O(δΔ)时隙内形成MST,其中n表示网络中节点的个数,δ表示算法执行的轮数,δ=4logn/min{a_(ij)~*|a_(ij)~*0},a_(ij)~*表示Leaf节点v_j分配给Leader节点v_i的概率,δ表示网络中节点的最大度.     

一种基于兴趣挖掘的机会网络内容分发策略

提出了一种新的墓于兴趣挖掘的机会网络内容分发策略(Interest Mining Based Scheme,IMBS)，通过贝叶斯理论分析节点的兴趣以及节点墓于兴趣的相遇频率，挖掘移动节点随机运动背后所蕴含的人类社交特征和情感特征此外，IMBS采用发布/订阅机制，收集节点的订阅信息，以获取消息在整个网络中的需求量在转发消息的时候，IMBS把消息的需求总量和节点的情感特征以及社交特征结合起来选择下一跳节点仿真实验及算法复杂度分析表明，在不提高算法复杂度的情况下，IMBS可显著减少消息的传输延时和网络开销，并提高消息传输的成功率     

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.     

协作机会波束成形门限算法及性能界分析

节点参加协作波束成形会增加复杂度和能耗,因而中继处理方法和协作区域的选择对整个协作网络非常重要.协作机会波束成形算法,仅选择部分节点发送信号使得目的节点接收信号近似相干叠加,降低了实现复杂度,但最优节点选择矢量的计算复杂度随中继节点数呈指数增加.为了降低计算复杂度,提出了协作机会波束成形的门限算法,并讨论了最优协作区域的大小.理论分析表明,目的节点接收信噪比随节点密度线性增加,且最优协作区域仅覆盖源节点周边有限区域.     

Ad Hoc网络的干扰优化拓扑控制算法研究

干扰是严重影响Ad Hoc网络吞吐率的主要原因之一.总结和分析了Ad Hoc网络领域已有的拓扑控制算法方面的研究成果,通过仿真实验比较几种典型干扰优化拓扑控制算法特性,指出现有干扰优化拓扑控制算法的不足,阐述如何从拓扑控制角度来控制网络瓶颈节点数目,同时权衡稀疏化与瓶颈节点数的必要性.研究表明,通过稀疏化优化节点对之间的干扰和通过瓶颈节点控制并降低网络中瓶颈节点数目,不仅可以优化网络干扰,而且从一定程度上提升现有的路由算法效率.     

基于链路角度最优化的无线Mesh骨干网络拓扑控制

【目的】为了改善基于Delaunay结构的无线Mesh骨干网络拓扑复杂度、通信链路角度以及全向通讯时信号干扰严重等不足,提出一种基于定向通信机制的节点链路角度最优化拓扑控制算法。【方法】该算法通过优化节点通信链路角度,使其相对最大,降低网络拓扑复杂度,并采用定向通讯机制降低通讯链路之间信号干扰。【结果】在满足约束条件下,该拓扑优化控制算法不但使节点链路之间角度控制在相对最大范围,减小了定向通讯时信道的干扰,同时也改善了无线Mesh网络(WMN)的丢包率、延迟、吞吐量等性能。【结论】仿真实验结果表明,该拓扑控制算法是有效的。     

计算机海量数据处理SLIQ算法研究

探讨云计算在SLIQ算法中的应用,研究结果显示,云计算下的SLIQ算法能够对计算机海量数据存储中的节点失效问题有效解决,并且显著提升计算机数据处理效率,进一步降低数据处理难度与复杂度,还可以快速挖掘海量数据信息。     

基于节点相似性有偏游走的多层时序网络节点重要性评估

时序网络中关键节点的挖掘引起了社会广泛的关注。针对时序网络建模中存在忽略时间信息、未考虑时间切片间的交互关系进而影响关键节点识别的准确性和科学性的问题,构建了多层时序网络模型,并提出了一种基于节点相似性有偏游走的关键节点识别算法：多层时序有偏PageRank（MTB-PR）。本文中网络模型的构建引入多层网络分析方法,完整涵盖了时序网络的结构演变。同时,基于所构建的网络模型,综合层内相邻节点间相互作用及其层间影响的双重因素来区分节点的不同影响力;通过数据分析,探讨了一些偏差参数变化对节点重要性能指标的影响。最后,将模型和算法应用于真实网络中,通过实验数据验证了该方法的合理性和有效性。     

一种基于动态优先级的无线传感器网络能量多路径路由算法

针对无线传感器网络能量多路径路由算法存在的缺陷及其原因,提出一种基于动态优先级的能量多路径路由算法。该路由算法以节点距汇聚节点的路径跳数值替代路径能耗代价确定其优先级,并在数据传输过程中根据节点的能量消耗不断调整优先级,降低了算法的复杂度,避免了周期性路由维护所带来的时间与能量损失。仿真结果表明,该算法能有效降低和平衡各节点的能耗,延长整个网络的生存周期。     

基于源地址约束的垃圾邮件过滤模型

提出了一种基于关联规则的垃圾邮件挖掘算法，通过计算邮件源地址和邮件关键词的支持度来定位垃圾邮件源地址．该算法在Apriori算法基础上进行了改进，增加了邮件源地址和关键词约束，与基于关键词过滤算法相比提高了准确率，与基于语义分析的过滤算法相比降低了算法复杂度．实验结果表明，该算法的误判率在邮件数量增加到350封时会减小到4％，其过滤速度也会随着邮件的增加而提高。     

基于节点相似性的复杂网络聚类特征层次布局算法

针对当前现有布局算法在实际应用中存在布局耗时时间长的问题，引入节点相似性理论，开展对复杂网络聚类特征层次布局算法的设计研究。结合个性化PageRank，对节点相似度计算，完成对复杂网络的粗化处理。在此基础上，利用复杂网络中提取的节点，实现聚类特征多层次分布。通过对比实验证明，新的布局算法在实际应用中完成布局的耗时时间更短，有效促进特征层次布局的效率提升。     

复杂网络上节点重要度的确定方法

采用综合考虑节点的局部特性和全局特性的方法来评价复杂网络的节点重要度,给出基于邻域的节点重要度算法及基于关键域的节点重要度算法.前一种算法有效地降低了计算的复杂度;后一种算法能更有效地刻画节点的重要度且适用于加权图.然后通过实例验证两种算法的有效性.     

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.     

多跳对等网中活跃节点的测算

在研究支持普适计算的操作系统关键技术的过程中,需要测量活跃节点数目,若采用确定性协议计算网络中活跃节点的数目,需要搜索整个网络,消息复杂度为O(n e).为将消息复杂度降低到o(n e),设计了启发式测量协议及相应的自适应拓扑算法,并启用了侦听节点.在设计中借鉴了根基统计信息预分配资源的思想,进一步降低了消息复杂度.     

一种最小化无线自组网链路冲突的拓扑控制算法

为了在无线Ad Hoc网络中,降低节点传输干扰,实现网络冲突控制,通过分析Ad Hoc网络模型、节点干扰模型和链路干扰模型,提出了一种拓扑控制算法,算法具备t-spanner性质和最小化链路干扰的特性.仿真结果表明,算法在保证网络连通的前提下,消除瓶颈链路,降低链路干扰,提高网络的性能.     

基于可验证随机函数和BLS签名的拜占庭容错共识算法

实用拜占庭容错(PBFT)算法可以容忍网络存在不超过节点总数三分之一的拜占庭节点,常被作为联盟链的共识算法。针对PBFT存在主节点选取规则简单、通信复杂度较高等问题,提出一种基于可验证随机函数(VRF)和BLS签名的拜占庭容错(VBBFT)共识算法。在VBBFT共识算法,VRF在共识节点中选取主节点,主节点作为消息收集和发送的协调者,并将节点间的信息交互过程转化为BLS签名过程,降低了节点间的通信复杂度,并保证了节点间的信息交互是安全的。仿真实验结果表明,VBBFT共识算法与PBFT算法相比,交易吞吐率提高了62.3%,时延降低了12%。     

一类网络k-中心选址问题的改进算法

为解决基于城市道路交通网络的应急设施选址问题,建立了此问题的网络k-中心选址抽象模型。针对此模型在分析研究已有算法的基础上,设计了一种具有多项式时间的改进置换迭代算法,证明了算法迭代的有效性,分析了算法的计算复杂度,并利用实例进行了对比分析。实例分析表明,改进的置换迭代算法降低了受限p-中心的并行迭代算法中的网络中心置换的条件,而算法的效率有明显的提高。     

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。     

基于聚类融合的邮件社交网络社区划分方法

为解决邮件社区挖掘中涉及内容隐私及社区形态单一问题,提出了一种基于聚类融合的邮件社区划分算法.该方法中首先利用邮件社交网络特征及邮件属性衡量节点间距离,避免对邮件内容的分析导致涉及用户隐私,其次使用K-Means算法产生若干初始聚类结果,同时引入共协矩阵记录初始聚类时节点的归属,最后根据共协矩阵中邮箱节点间的相似程度,使用融合算法合并初始聚类结果得到最终社区结构.实验表明,该算法未使用邮件内容,得到的社区结构质量较高,并能发现多形态社区.