基于中心差异度迭代调整机制的 网络社区搜寻算法研究

为解决当前网络社区搜寻算法存在的节点聚类形成困难,搜寻迭代过于复杂,难以实现社区归属的二次更新等不足,提出了一种基于中心差异度迭代调整机制的网络社区搜寻算法。首先,通过领袖节点重叠度来实现初次社区搜寻裁决,有效降低了重复搜寻的概率,且根据加入节点与领袖节点差异度进行聚类匹配;随后,通过待加入节点与领袖节点之间的交互热度方式进行基于热度机制的聚类递归,实现对搜寻误差的二次校正。仿真实验表明,与当前网络社区搜寻算法中常用的差分迭代阈值裁决机制,混沌度一体化成型迭代机制相比,本文算法具有更高的首次成功率,以及更小的搜寻次数与迭代周期,具有很强的实际部署价值。     

基于彩色图像区域生长法的变电站红外图像分割

变电站红外图像的分割是对其进行进一步分析处理的基础。本文介绍了变电站红外图像的特点,并通过对现有分割方法的分析,提出了适合实际图像特点的彩色图像区域生长法。实验结果表明,该方法能较好的实现红外图像的分割,有利于后期的图像识别和特征数据的提取,适合于在变电站自动监控系统中应用。     

基于热点度轨迹显影机制的网络社区聚类算法

为解决网络社区聚类算法在实际应用中存在热点捕捉困难和社区聚类生存时间较低的问题,提出了一种基于热点度轨迹显影机制的网络社区聚类算法。首先,考虑网络社区聚类存在的多径一体特性,采用抽样方式与角度估计方法来实现热点信号的精确捕捉,以提高聚类效率;随后,对热点信号矢量空间进行按列重排,并综合考虑传输矩阵具有的按列正交及全秩特性,构建热点度轨迹显影方法,以提高聚类中热点显影速度和增加聚类生存时间。仿真实验表明:与聚类流动性映射算法(Clustering Liquidity Mapping Algorithms,CLM算法)、超欧里几何热度聚类算法(Hyper-Eulerian Geometric Thermal Clustering Algorithms,H-EGTC算法)相比,所提算法具有更低的聚合时间和搜寻失误率,以及更高的热点显示时间。