基于加权GraphSAGE和生成对抗网络的医保欺诈识别方法

医保欺诈行为分析与识别是医疗保险基金监管中最为重要的工作,对保障医保基金安全与可持续发展有着非常重要的意义.为保证医保欺诈行为识别的准确度,需充分挖掘医保数据中的患者信息.然而,对于缺乏欺诈样本的不平衡医保数据集,目前常用的医保欺诈识别模型的泛化能力不佳且性能下降.因此,本文提出了一种基于加权GraphSAGE和生成对抗网络的医保欺诈识别方法.该方法融合了患者就诊关系特征表示与基于加权GraphSAGE算法的患者特征提取,并结合生成对抗网络构建识别模型.实验证明,本方法大大提升了模型的识别性能.同时,我们将所提方法与元路径向量、图卷积神经网络、图注意力网络、多层图注意力网络和超图自适应聚类网络等先进主流识别模型对比发现,本文提出的识别方法在召回率、精确率、F1值和准确率等指标下表现也更好;在不同数据规模和不同正负样本比例下,模型性能稳定,有较好的泛化性.     

图书馆借阅网的二分图研究

通过搜集上海理工大学图书馆1年内的图书外借信息,构建了图书及其借阅者的数据库及描述二者关系的二分图.根据图书和读者之间是否存在借阅关系和读者借阅书籍的天数这两种情况分别建立了无权和加权网络,并且通过复杂网络的理论和方法分析得到相关统计属性.研究发现这些统计属性均服从指数分布,且无权和加权网中相应的统计属性正相关.这表明,与无权网络相比,加权网不仅能描述合作竞争关系和结构,还能精确地描述竞争结果.并且,结合实际讨论了二分图中读者和图书内部及其之间的合作竞争关系和各项统计指标所具有的现实意义.     

复杂网络中链路的可预测性

为从理论上比较各种预测方法的优劣,分析多个网络演化过程中形成链接的两个节点之间的拓扑距离分布,阐明了传统基于共同邻居相似性指标可有效进行链路预测的机理,从理论上分析了9种基于共同邻居相似性算法的预测上限(可预测性)。通过分析一阶邻居预测算法的局限性和影响链路可预测性的因素,提出了两种基于高阶路径信息的链路预测算法并计算了他们的可预测性指标。从理论上提出了链路的可预测性指标,也通过对实际网络的预测证明了所提链路预测算法的有效性。     

基于链路动态变化的产业网络预测模型研究

根据历年的产业网络,提出了一种预测任意两个产业将来发生链接可能性的新方法.利用网络分析方法,以中国的投入产出表为研究对象,构建了基于链路动态变化的产业网络预测模型,对比分析了该模型与相似性链路预测模型的预测精度.研究结果表明,历年产业网络的拓扑结构非常接近.依据正交试验设计,在参数选择合理的前提下,本文提出的预测模型具有理想的预测精度.相比于相似性链路预测算法,基于链路动态变化的产业网络预测算法体现了过往信息对产业网络链路预测的重要性,具有更好的预测结果.     

基于加权知识网络的企业社区用户创新知识建模及分析方法

用户创新知识对企业改进产品和服务有重要意义.本文提出一种基于加权知识网络(WKN)的企业社区用户创新知识建模及分析方法,对社区帖子进行文本挖掘,通过关注度算法依次计算帖子和知识点关注度,并以关注度和词频数为属性,构建节点具有两类属性的WKN模型,实现对用户创新知识整合及建模.利用模型的点、边、权等特性,进行核心创新知识识别、创新中心点及核心关联模式识别,以及基于点边权综合的WKN个体网分析、基于凝聚子群的创新知识类团分析等.从模型及实例可看出,模型的双重点权可以很好地适应用户创新知识的特点,基于模型提出的知识发现及分析方法,可对用户创新知识进行多种深入地定量分析,为企业获取和利用用户创新知识提供了更有效的工具.     

基于元路径的武器装备体系作战网络链路预测方法

链路预测是网络科学研究的基本问题,武器装备体系作战网络链路预测有助于识别异构作战网络中的隐含信息,对网络重构、关键节点识别以及作战计划制定等具有重要意义。从体系视角出发,基于元路径思想,提出了一种基于元路径的武器装备体系作战网络链路预测方法。首先,针对武器装备与装备间关系的异质性,分别抽象为作战网络中不同类型的节点与边,建立武器装备体系异构作战网络模型。其次,异构作战网络中不同元路径具有特定语义含义,梳理异构作战网络中存在的元路径并对其具体物理含义进行描述,提出基于元路径冗余度的节点相似性指标,在此基础上构建武器装备体系作战网络链路预测模型。最后,与选取的典型链路预测模型及算法进行对比,证明所提方法的可行性和有效性,并结合具体军事应用需求进行应用实例研究。     

基于能量流的产业网络链路预测

随着产业部门间经济协作不断深入，形成了以产业部门为节点的产业网络。对产业网络中的产业部门未来发生关联的可能性进行预测，有助于推进产业结构升级、实现经济高质量发展。基于生态学的能值理论，挖掘产业部门间的能量流动关系，提出了一种新的基于能量流的产业网络链路预测算法。运用我国2002-2017年期间五个年度的产业关联表为实证数据，验证了算法的有效性和精确度，并且预测了2022年产业网络结构，由此分析各年度产业网络结构演变规律，识别产业网络中的关键产业部门，提出产业结构升级建议。结果表明，相比于经典链路预测算法，基于能量流的产业网络链路预测体现了产业部门间能量流动对产业网络预测的重要性，具有更好的预测精度。     

多域作战下的群目标意图识别与预测

多域作战具有实体多类、队形多变、意图多样等诸多挑战,难以综合利用多元知识,因而主要依靠人工判决,以至于自动化水平不高。为了实现计算机自动推演态势,需要解决知识的图形化建模和意图推理综合两大难题。对此,在空海域管控知识图谱的基础上,搭建了多域作战战术规则库、编队队形与场景态势的映射关系,提出了基于多实体分层贝叶斯网络的群目标意图识别与预测方法。首先,运用群内目标实体的状态和事件信息,构建目标作战实体行为推理层。其次,利用综合作战实体的时序规则、双方相对距离及航向等信息,构建同类目标元意图推理层。最后,利用实体序列协作关系及编队队形信息,构建多域作战下的群目标总意图推理层。以航母群活动仿真数据为例,验证了所提算法能够获得较为可靠的意图推理结果。     

基于节点复合特性的端-边协同网络生成算法

针对智慧交通系统数据处理量大、对传输时间要求严苛的难题，通过将协同系统定义为复杂网络模型，构建了设备端和边缘节点协作运行的端-边协同系统。提出了基于网络节点复合特性的协作网络生成算法，实现了多层复杂网络的构建。相比随机几何法，提出的由节点聚类系数和介数中心性两种特性参数相结合的协作网络生成算法能够更全面地描述节点特性，反映节点重要性，改善现有多层复杂网络模型对节点信息描述不全的问题。最后，使用4种复杂网络模型构建多层网络模型并验证该算法，以节点间最短路径值作为评价指标，证明提出的由节点复合特性生成协作网络的算法能够明显降低整个网络中节点间最短路径值，减少传输时间，提高传输效率。     

基于个体关系属性的加权网络社群结构探测模型

社会网络中的社群结构不仅可以表现为社群内个体关系的稠密,还应表现为社群内外个体关系的亲疏。加权网络中个体关系的权值属性会影响社群结构特征的分布,并形成社群结构的重叠。基于个体关系属性重新定义了加权网络的社群结构,同时,受到连边社群和重叠社群结构探测方法启发,提出了针对加权网络社群结构探测的概率模型及相应的优化算法。通过对计算机生成网络与实际社会网络的测试,证明所提模型及优化算法在不同结构与权值的加权网络中均能获得准确的社群结构划分,其结果对于现实社会问题具有一定的解释意义。     

基于加权知识网络分析的企业社区创新用户专家知识发现方法

企业社区中的用户专家对企业产品创新和改进具有重要作用,了解用户专家个人知识对于企业更好地利用用户创新具有重要意义.本文提出一种基于加权知识网络分析的企业虚拟社区用户专家个人创新知识发现方法,以用户社区帖子为对象进行Web文本挖掘,以加权知识网络模型(WKN)对挖掘的碎片知识进行整合和建模,进而综合利用WKN模型中的点、边、权重,以及社会网络分析方法,识别出基于派系的基本型创新知识模式、基于非派系的成长型创新知识模式以及核心创新知识模式.从模型及实例可看出,该方法识别出的知识模式,包含了知识点之间的关系结构,因而比零散的知识点更系统、深入,更易理解和应用.     

基于最优路径相似度传输矩阵的链路预测方法北大核心CSCD

为解决现有的基于相似性的链路预测方法忽略了最优路径在节点间传递相似性的能力的问题,提出一种基于最优路径相似度传输矩阵的链路预测方法。首先,分析节点间最优路径对信息传输能力的影响,进而对节点间紧密中心性进行定义;其次,依据最优路径数和中心性构建相似度传输矩阵,综合节点间局部信息和全局属性衡量节点间相似度。最后,将所提方法与其他相似性指标,在6个真实网络上进行实证对比研究。结果表明,所提算法预测精度较高,且算法更加稳定。     

安全虚拟网络映射的启发式算法

针对安全虚拟网络映射过程中虚拟节点与物理节点之间匹配不合理,导致映射开销大、请求接受率低等问题,将安全虚拟网络映射过程建模为多目标混合整数线性规划模型,并提出了基于节点多属性综合评估与路径优化的安全虚拟网络映射算法。该算法在节点映射过程中,以节点的资源丰富度、安全属性和拓扑邻近性为考核对象,通过建立节点映射函数将虚拟节点映射至最佳的物理节点;在链路映射过程中,以可用带宽和路径跳数为考核对象,通过建立路径映射函数将虚拟链路映射至最佳的物理路径。实验表明,该算法在满足虚拟网络映射请求的安全需求的条件下,在虚拟网络请求接受率、映射收益和映射开销等方面优于现有的算法。     

石油勘探信息管理中储层属性优化方法

运用软计算融合算法识别储层含油性的关键属性,建立了预测这些关键属性的软计算融合模型.具体步骤为:首先采用遗传算法(GA)和模糊C均值嵌套算法(GA-FCM)对含油性的测井属性进行约简,得到能够描述含油性的关键属性;然后再把GA和BP神经网络(GA-BP)进行融合构建预测关键属性的软计算融合模型,即通过GA优化BP的结构(包括网络输入属性的组合和最佳隐含层神经元个数的确定),并且用测试样本的误差作为评判该预测模型的优劣;最后对某油田的oilsk81,oilsk83,oilsk85 3口井进行了实证研究.     

基于链路保持时间的认知移动自组网拓扑算法

针对认知移动自组网中认知用户（cognitive user,CU）移动性和主用户（primary user,PU）优先通信导致网络不稳定,基于改进的移动模型,运用概率原理预测链路平均保持时间,并给出邻域拓扑保持时间的计算公式。用最大生成树的思想设计拓扑生成算法,以邻域拓扑保持时间为周期设计拓扑重构机制。证明算法保证了网络连通,同时可在各节点分布运行。仿真结果表明,算法简化了网络拓扑,对PU具有认知能力,有效减少链路断裂导致的拓扑重构和路由开销,提高了网络端到端传输效率。     

基于加权表决的决策层融合多系统调制识别

利用信息融合技术研究多系统调制识别问题，提出一种加权表决融合算法。该算法首先定义系统对识别结果的贡献度，用来描述多个系统的联合对识别性能的提升，并将其作为分配权重的依据。然后将这种多系统识别问题建模为合作对策模型，利用合作对策的Shapley值来决定各系统的权重。最后通过所提出的加权表决算法，对多个系统的调制方式判决结果进行决策层融合。计算机仿真表明该算法有助于提高调制识别的性能。     

社会网络环境下基于群体一致性的概率语言多属性大群体决策方法

针对社会网络环境下,决策者的偏好表达为概率语言信息的多属性大群体决策问题,提出一种新的、基于群体一致性的概率语言多属性大群体决策方法。首先,针对现实决策中存在决策者隶属于多个社区集群参与决策的情况,提出社区子模块隶属度的概念并对其进行预处理;其次,通过改进Louvain社区探测算法对群体决策者进行聚类分析;然后,将最大共识序列挖掘算法拓展至概率语言多属性群决策领域,提出一种基于群体一致性的共识测度方法及共识达成模型;最后,通过算例验证本文方法的有效性,并进行对比分析说明本文方法的合理性及优势。     

网络结构特征与链路预测算法关系研究

以美国航空网络、科学家合作网络和线虫新陈代谢网络等5种实际网络为例进行了综合实验,用结果数据定量化描述了同配系数、集聚系数和网络效率等网络结构特征参数,与基于局部信息和全局信息的两类链路预测方法结果之间的关系。通过对结果的分析,得到了网络同配系数为正且聚集系数大于阈值(约0.1)时适用基于局部信息的预测方法,否则适用基于全局信息的预测方法;以及集聚系数、网络效率与局部信息预测方法的结果成正比,与全局信息预测方法成反比等结论。这些结论为通过网络特征参数进行链路预测方法的选择提供了定量化的参考依据。     

量化扩展概念格的属性归纳及多粒度规则挖掘

在知识发现过程中用户感兴趣的往往是一些高层次、适当概括的简化信息,面向属性的归纳是目前主要的数据归约方法,一般是仅考虑原始数据所提供简单的统计信息;而基于量化扩展概念格的属性归纳算法,既可进行AOI的单一属性归纳,也能进行多层、多属性的归纳,而且泛化的路径不是唯一的,在量化扩展概念格的哈斯图很容易找到合适的泛化路径和阈值,得到满足用户要求合理的属性归纳结果,同时可以多层、多维的不同粒度的关联规则,有助于不同粒度知识的聚焦,发现不同粒度知识之间的变换关系.     

多输入混合深度学习网络的健康因子构建方法

工业大数据具有多类型、多维度的特点,单一类型的深度学习网络结构无法充分提取数据中包含的性能退化特征。针对上述问题,提出一种可同时融合处理一维时间序列数据和二维图像数据的多输入混合深度学习网络健康因子构建模型。根据输入数据类型特点搭建的混合深度学习网络包含时间特征提取层、空间特征提取层、融合层和全连接层。时间特征提取层主要由叠加的多个长短时记忆(long short-term memory, LSTM)网络构成,用于提取一维时间序列数据中蕴含的时间特征。空间特征提取层主要由深度卷积神经网络(deep convolutional neural network, DCNN)构成,用于提取二维图像数据中的空间特征。融合层将时间特征与空间特征融合。最后,利用全连接层输出健康因子值。滚动轴承全寿命周期试验结果表明:本文提出的多输入混合深度学习网络的健康因子构建方法能够深度挖掘不同数据类型包含的性能退化信息,有效降低了性能退化曲线的离散性,有助于减小剩余寿命预测结果的不确定性,同时在一定程度上提高了单调性和趋势性,提高了剩余寿命预测精度。