一种发现社团结构的快速凝聚聚类算法

为了快速探测复杂网络中的社团结构,提出了基于网络节点耦合度的凝聚聚类算法.首先利用一种优化的聚类中心算法确定初始聚类中心节点,然后根据节点间耦合程度和节点度分别对各社团的节点进行分类和不断调整聚类中心,直至聚类算法结束.实验结果表明,该算法能够快速准确的划分复杂网络中的各社团.     

高效的社会网络传递性MapReduce并行计算方法

社会网络中的传递性对于网络中的社团分析和节点重要性分析都有着十分重要的意义.为了提高社会网络传递性分析中三角计数的性能,提出了一种MapReduce环境下的三角计数并行计算方法.首先,将社会网络的传递性问题转化为计算网络中三角个数的问题.其次,在计算网络中的三角时按照节点之间的度约束对重复的三角进行了过滤,并在MapReduce环境下实现了高效的三角计数并行算法.最后,分析了MapReduce环境下三角计数并行算法的时间和空间复杂性.理论分析和实验表明,该文提出的方法与相关方法相比,不仅降低了算法的内存使用量,也减小了算法的运行时间,因而更适用于大规模社会网络的传递性分析.     

图形聚类算法的代谢网络模块化分析

代谢网络的研究是当今生物学研究中的新热点,使用图形聚类算法对代谢网络进行分析研究是一个有力的手段.文中提出了用图形聚类方法挖掘复杂代谢网络中蕴含的功能信息并进行模块相似性分析的方法,从系统生物学角度揭示光合作用的进化.介绍了马尔可夫聚类算法和模拟退火聚类算法两种图形聚类方法;给出了两种方法对叶绿体和蓝细菌的代谢网络进行聚类的结果;定义了模块相似度评价指标,挖掘叶绿体和蓝细菌间保守的功能模块,并对其网络结构进行了比较分析.     

一种基于复杂网络的动态无功分区快速算法

基于电力网复杂网络模型,提出了一种电力网络的动态无功分区算法。该算法是由预分区和合并两个子算法构成,前者构造了备选分区矩阵,根据电力网络中节点的实时变化情况生成初始的分区;后者基于电力网模块度的概念进行初始分区合并,通过构造N叉树实现并行计算以减少算法运行时间。算法即保证分区内部无功平衡,又保证了分区划分的实时性要求,满足对智能电网进行无功分区的要求。     

一种改进的网络带宽测试方法

包对算法是目前普遍应用的测量网络有效带宽的方法,但它有较明显的缺陷,比如在测量过程中,不能主动探测干扰业务,需要发送大量包对,然后用很复杂的过滤算法对测量数据进行处理,才能获得一个相对准确的测量结果.本文对包对算法做了改进,将发送的一个包对,改为两个大包对和两个小包对间隔发送,使得包对算法能主动探测干扰业务,从而简化了实验数据的处理过程.本方法适合工程实时应用.     

基于层次探测的工控系统漏洞扫描方法研究

为了对工控系统的漏洞进行准确获取和发掘,采用层次探测分析技术,提出了基于层次探测的工控系统漏洞扫描系统模型。模型主要由数据对比和工控系统探测两部分组成,系统探测和网络探测构成了工控系统探测,数据对比主要是对工控系统探测模块中的探测工控设备具体信息与工控系统的漏洞数据库进行比对,从而找出设备存在的漏洞,研究对推进工控系统信息安全具有至关重要的作用,为国家安全层面提供支持和保障。     

一种改进的基于社团发现的贝叶斯众包模型

在众包模型中,通常将每个工人的融合矩阵视为潜在的变量,采用贝叶斯后验分布对参数进行估计.由于融合矩阵数量多并且规模大,因此众包模型的计算量非常大.该文将所有的工人按照相似性划分为若干社团,每个社团中的所有工人采用相同的融合矩阵.在众包模型参数的计算中,采用贝叶斯后验分布方法进行推导,应用消息传递算法计算每个参数的近似间隔分布,并且应用最大间隔似然模型选择工人集合中的最优社团数量.实验表明,本文提出的基于社团的贝叶斯众包模型与其他相关研究相比在降低了算法的复杂度同时也提高了算法的准确性.     

卫星通信网络带宽监测技术研究

通过"干涉模型"分析了"探测报文对"发送时间间隔与路径中背景流量之间的相互关系,并开发了一个适用于卫星通信网络的快速报文组算法.最后利用GEO/LEO卫星通信网络模型对该算法作了仿真试验,并取得了较为满意的效果.     

TCP Vegas和TCP Reno的兼容性问题及其解决办法

讨论了TCP Vegas和TCP Reno之间存在的不兼容的问题.为了研究异构网络环境下两者共享带宽的问题,本文推导了吞吐量和Jain公平指数的解析表达式.进一步,就基于显示拥塞通告(ECN)技术和随机早期探测(RED)算法,提出了TCP Vegas的一个改进算法,保证了和TCP Reno的兼容性.最后用NS-2模拟了这个改进的算法,模拟结果表明改进的算法很好地限制了TCP Reno不公平地占有TCP Vegas的带宽.     

递增的稀疏神经网络研究

针对稀疏神经网络应用中连接度和中间节点数不易确定的问题,并根据生物神经网络的特点,提出了学习中改变神经网络连接度和隐含结点数的学习算法.模拟脑皮层由薄到厚的发育过程,根据当前的学习结果,改变网络的拓扑结构,逐步增加网络中的连接和节点,最终学习得到满意的稀疏神经网络.新算法可以用结构更简单的稀疏神经网络达到满足要求的拟合精度,并通过仿真算例进一步验证了算法的有效性.     

大数据环境下基于K均值聚类的 网络伪舆情分类研究

为了解决网络伪舆情事件分类过于主观以及分类标准模糊的问题该文基于网络大数据建立一个全新的伪舆情识别指标体系,在此基础上,收集过去一年中网络伪舆情事件的相关指标数据,基于Python软件利用经典的K均值聚类算法对网络伪舆情事件进行聚类分析,得到三个类别的网络伪舆情事件集,分析总结各类伪舆情事件本身的特点该文为网络伪舆情的识别与分类提供了一种全新的方法,为相关部门利用网络大数据准确控制各类伪舆情提供参考     

基于语义网络表示的皮肤症状模糊推理系统的研究

针对皮肤症状中的知识表示问题,讨论了语义网络的知识表示方法.并将模糊推理引入皮肤症状图像的分类识别中,给出了4种常见皮肤症状(黄褐斑、粉刺、黑头、雀斑)的语义网络表示,建立了识别的隶属度函数和基于语义网络表示的模糊推理算法,从而构建了一种皮肤症状模糊推理系统.实验结果表明,利用该推理系统得到的皮肤症状分类准确率达到了令人满意的效果.     

基于活跃点的社区跟踪算法

针对复杂网络社区跟踪中存在忽略演化时域因素以及忽略网络成员演化差异性不足等问题,提出一种社区跟踪方法.对相似函数添加时域信息,并考虑网络演化的平滑性与节点间的差异性,提取网络中的活跃节点进行社区跟踪.实验表明,该算法在DBLP数据集上能比其他社区跟踪算法更好地发现社区演化过程,且找到的社区信息相似度较高.     

基于(2D)~2PCA的受限玻尔兹曼机图像分类算法及其并行化实现

为解决受限玻尔兹曼机(restricted Boltzman machine,RBM)理论对高分辨率图像分类的时间复杂度高的问题,提出了一种基于双向二维主成分分析(two-way 2-dimension principal component analysis,(2D)~2PCA)的RBM图像分类算法.该算法首先应用(2D)~2PCA对待处理图像在X和Z两个方向上进行降维处理,从而提取出图像的主成分,将主成分作为RBM网络可见层的输入数据,应用对比散度算法训练构建玻尔兹曼机网络,达到对图像进行分类的目的.该算法有效解决了RBM处理高分辨率图像时网络训练速度慢,甚至整个网络训练状态无法收敛的问题.通过在Hadoop并行数据处理平台的实验表明:该算法不仅能有效提高处理高分辨率图像的速度,而且具备良好的并行性,在具有4台处理机的并行集群下,其加速比达到了3.13.     

面向5G蜂窝物联网的大规模设备接入算法

大规模机器通信（massive machine type communication, mMTC）是5G网络的主要应用场景之一，各式各样物理设备连接互通的时代将要来临。在5G mMTC场景中常会遇到大规模设备同时请求接入网络，造成网络拥塞、影响系统通信性能的问题。针对这一问题，文章对5G蜂窝物联网中大规模设备接入算法进行研究，提出一种基于对蜂窝物联网终端数据和网络资源信息进行分析的设备接入算法。通过考虑场景中的设备终端相关信息以及网络资源，结合聚类分析的方法对终端进行聚类划分，并映射至空闲的网络资源块中，实现高效的蜂窝物联网设备接入，使其适用于当前mMTC场景，为目前5G蜂窝物联网设备提供一种有效的接入网络方法。     

基于社团主题的领域相关推荐算法

传统的协同过滤方法假设相似的用户有着相似的偏好,然而在不同的消费领域用户往往表现出不同的特征.此外,由于用户评价矩阵的稀疏性,使得相似用户的寻找极为困难.针对上述问题,该文提出了基于社团主题的领域相关推荐算法.首先,提出了一种包含社会网络,用户对商品的评价记录和项的分类三类信息的推荐框架.然后,分别提出了专家指导的主题模型和社会网络约束的主题模型.最后,对这两种模型进行综合,提出了统一推荐模型.实验表明,该文提出的方法具有较好的预测准确性,其性能明显优于其他相关算法.     

一种基于区域路径优化的混合聚类方法

针对局部优化物流路径时效率低下,无法在全局上实现实际需求应用的问题,建立了一种基于区域划分的物流路径优化模型ZROM(Zoning-routing optimization model),并提出了一种改进Apriori混合聚类分析的KM-A方法求解该模型。该方法利用K-Means聚类分析来划分物流区域,在区域内部利用改进的基于最小代价容忍度的频繁序列模式挖掘算法对路径进行优化。实验分析表明,KM-A方法在覆盖节点网络中目标节点数量相同的情况下可以有效提升物流路径运送的效率,结果合理且具有高度可靠性。     

共表达网络分析方法及其在生物医药领域中的应用

共表达网络是一种以分子之间关系作为连接的生物网络,已成为揭示生物学规律、疾病发病机制和药物作用机理的重要工具.综述共表达网络分析的4个步骤,包括共表达测量、聚类分析、模块检测和枢纽筛选,分析其在微生物学、发育生物学、神经生物学、脂肪肝、2型糖尿病、动脉粥样硬化和药理学中的应用.可为初学者提供有价值的研究思路,而且对生物医药领域的研究和实践起到启迪作用.     

论网络学习共同体的知识管理策略

随着信息社会向知识社会的转型,网络学习共同体成为网络学习型组织实施知识管理的有效途径.为了提升组织与个体的学习绩效,阐述了网络学习共同体知识管理的必要性及其关键策略,包括社团的过程管理、日常性的社团管理规范、成员的个人知识管理、网络学习共同体的领导等知识管理策略.     

基于级联残差对抗生成网络的超分辨重建

图像超分辨率技术在遥感领域的应用越来越多,卷积神经网络(Convolutional neural network, CNN)在图像超分辨率任务方面取得了比传统方法更显著的改进。为了解决超分辨重建算法重建图像细节不清晰的问题,对基于对抗生成网络的超分辨重建算法进行了研究,以恢复接近人眼感知质量的超分辨重建图像。对抗生成网络分为生成器子模块和判别器子模块,生成器模块提取的低频图像特征在进入残差块前进行分组卷积,达到了降低参数量的目的。每3个残差块构成一个级联块,级联块通过级联的方式聚合不同级联块之间图像的特征,以实现信息流传递到更加深层的网络中,经过上采样完成生成器中的图像重建过程。判别器网络用于判别是否为生成器重建图像和真实的高分辨率图像,在真实高分辨率图像的判别过程中提高模型能力。同时,研究了加入感知损失对超分辨重建图像的影响,使重建图片纹理细节更加丰富。实验结果表明,重建图像的峰值信噪比较原来算法提高了0.48 dB,结构相似度提高了0.023,该模型在主观视觉评价和客观量化评估上有所提升。