基于H指数的改进标签传播算法研究

发现复杂网络中的结构和特征是社区发现的一个重要任务.标签传播算法(LPA)因具有接近线性的时间复杂度,常用于快速处理大规模的社区网络.针对该算法在节点的更新顺序和标签选择策略上存在很大的随机性,严重破坏了算法的稳定性和社区划分结果的准确性.提出了一种基于节点H指数的标签传播算法,即利用节点的综合影响力改进标签传播算法的节点更新顺序和标签选择策略.实验研究表明,改进算法有效地降低了算法的随机性,提高了社区划分的稳定性和准确性.     

非随机的标签传播社区划分算法

针对传统社区传播算法存在局部震荡、划分结果不稳定、划分结果分辨率高等弱点,提出了非随机的标签传播社区划分算法,通过去除传统算法的随机性进而克服其弱点.该算法主要进行了3个方面的改进:按特定顺序更新节点的标签;计算标签数量时,不仅统计邻居节点,而且统计待更新节点本身;通过贡献函数避免多个最大值时的随机选择.实验证明,该算法不仅保证了算法的划分正确性,而且大幅度减少了计算过程中的随机选择动作.     

融合节点影响力与多标签传播的重叠社区发现算法

重叠社区发现是复杂网络分析研究的重要目标之一。针对传统多标签传播算法存在的社区发现结果具有随机性、不稳定性,以及忽视节点影响力对标签传播的影响等问题,提出一种基于节点影响力与多标签传播的能够生成稳定社区的重叠社区发现算法。算法在节点影响力的计算、排序和核心节点识别基础上,通过邻居节点初始标签的再处理和基于平衡系数的节点标签异步更新策略,实现复杂网络重叠社区的有效识别。在真实数据集和人工数据集上的实验综合表明,算法性能优于各对比算法,适用于大规模复杂网络。     

基于密度峰值聚类标签传播的社区发现方法

社区发现的目标是发现复杂网络的结构、行为和组织形式。标签传播算法是一种快速有效的社区发现算法,然而在初始的标签传播算法中,节点的结构信息和特征信息没有得到充分利用,且存在标签传播过程不稳定的问题。针对上述问题,文章提出了一种基于改进的密度峰值聚类算法和标签传播算法的有向加权复杂网络社区发现算法(DPC-LPA)。该算法首先根据节点的结构和特征对其进行加权,充分利用了结构信息和特征信息;然后,采用改进的密度峰值聚类算法来寻找网络的社区中心,并据此构建初始社区,提高了社区划分的质量;其次,基于节点相似度和节点权重,合理确定标签传播的更新顺序,并通过衡量节点间标签传播的强度来完成标签传播,解决了标签传播算法不稳定的问题。最后,在CiteSeer、Cora、WebKB和SCHOLAT真实数据集上,将DPC-LPA算法与DCN、WCF-LPA、CLPE算法进行对比实验。实验结果证明了DPC-LPA算法的可行性和有效性：从模块度来看,利用DPC-LPA算法划分的社区具有更加显著的社区结构;从调整兰德系数来看,DPC-LPA算法的社区划分质量更稳定;从运行时间来看,DPC-LPA算法具有较高的效率。     

基于分簇结构的P2P流媒体混合分发算法

提出了一种基于分簇结构的混合分发算法,算法采用分簇的方法将流媒体中的节点资源进行簇划分,形成由簇头、簇内节点构成的分簇网络结构,簇头与簇内节点通过拉拽算法来获得数据,而簇头间采用推送分发算法.仿真结果表明,该算法能提高数据块复制速度,减少数据传播时延,有效降低系统的控制开销,提高了播放连续度.     

一种改进的基于相干邻居亲近度的标签传播算法

【目的】提高现有的基于相干邻居亲近度(Coherence neighborhood propinquity)的标签传播算法(Label propagation algorithm,LPA)社区发现的准确性,并减少标签传播过程花费的时间。【方法】在CNP-LPA算法基础上,引入节点间依赖度,提出一种改进的CNP-LPA+算法,在预处理阶段结合相干邻居亲近度与节点间依赖度,将依赖度高的节点并入本区域内的核心节点,并在得到的核心CNP网络基础上传播标签,显著提高了社区发现的质量。选取CNP-LPA算法使用的6组社交网络数据集,采用模块度Q评估LPA、CNP-LPA、CNP-LPA+3种算法的划分结果。【结果】CNP-LPA+算法在所有数据集上均取得了最高的Q值,有效提高了算法的准确性,并减少了标签传播过程花费的时间。【结论】CNP-LPA+算法是有效的。     

基于节点亲密度的标签传播重叠社区发现算法

针对基于标签传播的重叠社区发现算法中出现的随机性和不稳定性问题,提出了一种新的基于节点亲密度的标签传播算法.首先,利用网络的局部信息,以模块度增量为依据,对网络中节点进行粗聚类,实现对节点的初步划分;然后,定义节点亲密度函数进行标签的更新和选择.在人工和真实网络上对算法进行验证.结果表明,该算法能有效地提高大规模重叠社区检测的准确性和稳定性,并且具有近乎线性的时间复杂度.     

传感器网络中一种基于簇的路由算法的研究

为了降低无线传感器网络中节点的能量消耗,提高网络生存期,提出了一种基于簇的路由算法.该算法首先采用K均值动态聚类算法将网络分簇,靠近Sink节点处具有更多的簇;其次利用数据汇聚路由算法寻找从簇头节点到Sink节点的路由;最后由当前簇头根据节点剩余能量及邻居节点的位置重新选择下一轮的簇头,并由新簇头形成簇间路由.仿真计算证明该算法是合理有效的,达到簇内节点能量均衡消耗的目的,同传统分簇算法相比,具有更长的网络生存期和更低的通信能耗.     

移动ad hoc网络多参数加权分簇算法

网络分簇支持资源空间复用,能增大系统容量;簇头构成虚拟骨干网,能降低路由开销;但簇生成和维护涉及信息交互,会增加通信开销,良好的分簇算法是维持簇稳定的关键。针对移动ad hoc网络,提出一种多参数加权分簇算法。该算法综合考虑节点剩余能量、邻居节点数和节点移动性,分别针对随机步行移动网络和参考点群组移动网络设计不同的节点稳定性参数,在随机步行移动网络中利用剩余能量参数、邻居节点参数和相对稳定性参数加权构成稳定性参数,而在参考点群组移动网络中采用剩余能量参数、邻居节点参数和移动相关性参数加权构成稳定性参数。仿     

移动自组网中一种基于信誉的安全分簇算法

针对分级结构移动自组网的安全问题,提出基于信誉的安全分簇算法.利用信誉提高簇结构安全性,信誉由邻居节点通过对网络行为的监测进行计算,通过节点间信誉的交换提高信誉评估的准确性,并通过相关度和相对移动性两个指标保障簇结构的稳定性.依据通信需求和网络运行状况综合考虑信誉、相关度和相对移动性三个因素进行节点权值计算,利用节点权值进行簇结构的建立、维护和更新,加强对簇首和网关节点的安全监管.仿真结果表明,该算法提高了系统的安全性和稳定性.     

基于非负稀疏表示的标签繁殖算法

提出了一种基于非负稀疏表示(nonnegative sparse representation,NSR)的半监督学习标签传播算法.该算法首先构造一个稀疏概率图(sparse probability graph,SPG),其权重由非负稀疏表示算法计算的非负系数组成,自然地反映了各样本之间的聚类关系,避免了传统半监督学习算法中的邻居选择和参数设置过程;然后通过对未标记样本的标签进行迭代繁殖至收敛而获得所有样本的标签.在人脸识别、物体识别、UCI机器学习和TDT文本数据集上的实验结果表明采用非负稀疏表示的标签传播算法比典型的标签繁殖算法具有更好的分类准确率.     

基于酒店特征信息和在线评价信息的酒店选择

为辅助游客通过旅游网站进行酒店选择,提出了一种基于旅游网站提供的备选酒店特征信息和在线评价信息的酒店选择方法.首先,基于酒店特征信息和在线评价信息构建备选酒店有向加权图,依据备选酒店特征信息,基于离差最大化法对酒店特征进行客观赋权,并采用简单加权法确定有向加权图结点权重,依据备选酒店间在线评价信息的比较关系确定有向加权图的有向边及有向边权重;然后,基于PageRank算法原理给出备选酒店排序值求解算法;最后,以基于缤客网站提供的酒店特征信息和在线评价信息进行酒店选择.结果说明了提出方法的有效性和可行性.     

基于边被收缩图的有向有环图有向割集求解算法

为了提高有向有环图有向割集生成算法的效率,通过收缩有向有环图环路中的边将有向有环图转换成带收缩顶点的有向无环图,并使得生成有向无环图有向割集的算法可以生成有向有环图的有向割集.在理论上分析了本文提出的算法的时间复杂度和空间复杂度,并进行了实验测试.理论分析和实验测试的结果表明本文提出的算法是很高效的.     

基于边收缩的最优装配序列求解方法

为确保最优装配序列的求解,本文提出一种新的最优装配序列求解方法.首先扩展装配有向图结点的信息为一个边被收缩图,在此基础上给出扩展的装配有向图的概念,接着通过连续的边收缩生成扩展的装配有向图.为了便于装配序列评价,又给出了装配任务有向图的概念,并将扩展的装配有向图转换成装配任务有向图,最后采用动态规划算法在装配任务有向图中搜索从初始任务到终止任务的最短路径以求解最优装配序列.     

一种基于多标签传播的重叠社区挖掘算法

在众多社区挖掘算法中,标签传播算法因为接近线性时间复杂度被广泛应用,但其也存在大量随机性,稳定性差的问题,采取一种新型的多标签策略解决重叠社区挖掘问题,并根据节点度减少初始标签赋予量的方法提升了算法的稳定性.     

基于校验节点的LDPC码的消息加权均值串行译码算法

 中短长度LDPC码在采用BP算法译码时,由于短环的存在会导致某些比特LLR值出现振荡现象,从而影响了译码性能。针对这一现象,提出了一种采用消息加权均值来修正校验节点到变量节点消息传递的改进译码算法。该译码算法将上次校验节点到变量节点的消息和本次计算所得的校验节点到变量节点的消息进行加权求和后作为当前最新的消息。通过对本次计算所得的校验节点到变量节点的消息赋予比上次校验节点到变量节点消息更高的权值,从而减弱消息加权均值对正常BP消息传递的影响,有效抑制比特LLR值的振荡。仿真结果表明,与传统的串行迭代译码算法相比,改进的译码算法在计算复杂度增加极少的情况下,有效提高了中高信噪比区的译码性能。     

基于复杂网络理论的中国城市航空网络有向加权分析

为了科学优化中国航空网络资源分配、测评特殊机场的重要地位,本文运用复杂网络理论,构建中国城市航空有向加权网络,探究其网络结构特征并以度中心性、介数中心性、入强度为指标进行节点重要性排序筛选国内重要机场节点。结果表明,中国城市航空网络的节点度值和边权值分布都具有异质性,是一个无标度网络;不同方法筛选出的重要机场节点基本一致,筛选结果为网络整体管控提供有效意见;ZWWW、ZYHB机场在介数中心性相对其他指标较高,在网络中具有重要的中转作用。