复杂网络图中心节点分布的研究

复杂网络图中不同的节点的作用和重要程度不同.节点的中心性度量,可以反映节点在图中的作用以及对其他节点的影响.复杂网络的全局中心节点有时分布较为集中,不能很好地反映网络图各处的重要节点.局部中心点是中心性度量值大于等于它的所有邻居节点的中心性度量值的节点,分散分布在网络图中,分散分布在社区中,是复杂网络中具有大的局部影响力的重要节点.     

基于随机生存森林与网络拓扑信息的食管癌风险预测

为精确预测食管癌病人的存活风险,通过构建食管癌编码基因(mRNA)和非编码基因(ncRNA)共表达网络,利用随机游走挖掘网络节点的拓扑权重,并与随机生存森林(RSF)整合,构建食管癌风险预测模型.结合5倍交叉证实和独立数据集验证,利用C-index评估算法预测性能.识别出了用于构建风险预测模型的最优lnc RNA分子标签,并实现了食管癌生存风险的精确预测.     

传感器网络中连通覆盖算法研究

作为一种新型的无线自组网络,传感器网络在环境与军事监控,地震与气候预测等许多方面都具有广泛的应用前景.基于正方形网格剖分的良好特性,提出了一种分布式的近似最小连通覆盖集的构造算法.新算法中:Sink节点首先将其目标区域剖分为正方形网格,并将得到的剖分信息广播给网络中的所有传感器节点;然后,网络中的传感器节点再通过周期性与其邻节点交换信息,来构造目标区域的近似最小连通覆盖集.算法分析和仿真实验表明,与已有类似算法相比,新算法在连通覆盖集大小方面具有更优的性能.     

基于无标度性和资源分配的网络链路预测算法

链路预测是指根据网络结构中的已知信息来推测网络产生新链接的可能性．资源分配算法（RA）是一种简单高效的基于网络局部信息的链路预测算法，但RA算法中并未考虑被预测两节点自身的信息．在RA算法基础上考虑被预测节点间的链接偏好（PA），提出基于网络结构的资源分配RSF和RSW算法．在14个实际网络中进行链路预测实验，验证了所给算法的有效性和鲁棒性，并分析了网络结构的无标度性对算法预测性能的影响．     

基于复杂网络的手机基站网络研究

将北京智能交通系统中的手机数据抽象成复杂网络,结合网络图论思想,将网络的节点换作手机数据中的基站,网络的边则产生于有关联的基站之间,那么就建立起一个手机基站网络的模型.在统计了大量手机数据的基础上,研究北京地区基站网络的复杂网络特性.统计分析表明,北京地区的基站网络具有较小的平均路径长度和较高的聚类系数（典型的小世界特性）,其节点的度分布具有无标度特性.基站网络的复杂网络特性研究为手机基站的布局和通信公司运营质量的提高,提供了新思路.     

复杂网络K-紧密概率属性子图高效挖掘算法

针对复杂网络中节点和边及其属性值均可能存在不确定性的实际,以及采用传统的紧密子图挖掘算法挖掘出的紧密子图实际上并不一定紧密的问题,在已提出的概率属性图基础上,提出紧密概率属性子图的概念,将其分为紧密概率I型属性子图和紧密概率II型属性子图,并用期望紧密度对其进行度量,同时给出了相应的紧密子图判定定理;进一步提出K-紧密概率属性子图高效挖掘算法,以快速发现复杂网络中联系紧密且顶点和边的存在概率最高的K个子图;最后通过蛋白质网络和虚拟网络中的数据对算法进行了模拟实验,验证了算法在不同大小的复杂网络中具有较好的适应性及较高的挖掘效率.     

基于冲突矩阵随机排序的多信道无线网络信道分配

多信道无线网络可利用多个信道通信,提高网络容量. 为链路分配信道是多信道无线网络研究中的重要问题. 文中提出一种基于冲突矩阵随机排序的多信道分配算法. 节点根据可用信道数目将网络划分为相应子网,然后对链路随机排序,并根据网络冲突图得到冲突矩阵. 最后以减少子网内链路冲突为目标,根据冲突矩阵将信道分配给各链路. 分析和仿真结果表明,该算法有效降低了网络冲突,提高了归一化网络吞吐率.     

基于剩余能量和距离的WSN混合路由算法

针对低功耗自适应集簇分层型协议(Low-Energy Adaptive Clustering Hierarchy,LEACH)在簇头选举和数据传输过程存在的不足,提出了一种基于剩余能量和距离的WSN混合路由算法.算法在分簇建立阶段,综合考虑节点剩余能量和簇头到基站距离2种因素对无线传感器网络(Wireless Sensor Networks,WSN)分簇的影响,采用了2种因素乘积形式对阈值(n T)进行修正.在数据传输阶段,采用混合路由方式进行数据通信,即比较节点到簇头、基站的距离,当节点距离基站较近时,节点直接与基站进行通信,反之,则通过簇头与基站进行通信.结果表明,考虑剩余能量和距离的混合路由算法的网络性能较为优越,其网络生命周期和基站接收数据包数量较传统LEACH算法都有较大提高.     

心脏病诊断系统中缺失数据填充方法

缺失值数据是目前研究数据分析的一个重要领域,随着智能医疗的迅速发展,如何充分利用海量数据挖掘出其中的重要信息,对隐藏的疾病做出预测并进行提早的干预治疗显得尤为重要.但在实际预测中,经常面对不完备数据集,从心脏病数据集出发,基于随机森林算法加以贝叶斯优化算法动态调参,提出心脏病缺失值补足算法.以准确率ACC作为算法的评判依据,通过精度和时间2个方面进行验证,4种算法对比实验结果表明,提出的算法具有更准确的填补效果.     

基于蚁群算法的Web站点导航

提出了一种Web站点的导航方法.首先利用蚁群算法对已经存在的Web日志进行训练,构造一个有向图,该有向图的节点和边保存了网页与网页间的链接概率和用户行为规则.利用训练结果,预测访问网站的用户行为,根据其行为推荐网页,最后的测试结果表明该方法比单纯的概率分析和关联规则具有更高的精度.     

符号结构的关联网络构造与检索

本文用动态符号结构造一个数据递归分布表示的关联网络，以精馏中Ｎ＿组分分离方法生成为例，论述了关联网络构造的有关准则、定义、符号变量的约束函数；引入了模式映象的概念；对不定的ｍ＿枝与或图的检索给出了动态的递归算法．实验结果表明与期望相符．     

大数据环境下利用随机森林算法和 决策树的贫困生认定方法

针对当前校园扶贫工作普遍存在的“隐形贫困”及疑似“虚假贫困”等问题,提出了利用随机森林算法和决策树的贫困生认定方法首先,利用智慧校园大数据环境获取高校内学生的基本信息、消费信息等数据,找出10个具有分类能力的特征;然后使用基于permutation随机置换的残差均方减小量来衡量对于变量重要性评分;最后,基于随机森林算法和决策树进行判别与分类实验结果表明,提出的方法具有一定的准确性,相比Adaboost方法,无论是预测准确度还是平均绝对误差,随机森林方法都更出色     

利用朴素贝叶斯模型进行多层网络链接预测

针对多层网络链接预测中层间信息融合的问题,提出了一种利用朴素贝叶斯模型的链接预测方法。该方法结合目标层的邻域信息和辅助层相对于目标层的全局信息进行链接预测。在目标层中,根据节点对的邻域信息,利用朴素贝叶斯模型计算其连接概率;在辅助层中,计算节点对在该层有边或无边时在目标层存在链接的概率。在真实数据和合成数据上的实验结果表明：该算法在正相关和负相关的多层网络中都有很好的预测性能。     

基于SIR冲突图和最大独立集的无线Mesh网络信道分配方案

针对现有无线Mesh网络信道分配方案中的冲突模型不能反映真实网络干扰,提出一种基于信号干扰比(SIR)冲突图和最大独立集的信道分配方案.首先,由于射频信号的反射干扰远高于噪声,所以利用节点间的SIR代替传统信号干扰噪声比(SINR)来构建冲突图,同时考虑了节点累积干扰.然后,在冲突图基础上,通过提出的信道分配算法构建节点最大独立集,最终获得最低干扰的信道分配方案.实验结果表明,该方案在不同节点度下都具有较低的干扰比例和较高的网络吞吐量.     

应用改进BP网络进行铁路客运量预测研究

针对传统铁路客运量预测方法的不足,提出运用改进BP神经网络结合四阶段法进行客运量预测,给出了预测算法,建立了铁路客运量神经网络预测模型,并对敦煌铁路客运量进行预测,设计网络参数,进行网络学习和训练,最终得到较为精确的2010年及2015年敦煌铁路客运量,为该线路今后的运营管理提供决策参考．     

基于排序学习的社会网络链接预测算法研究

链接预测是大规模社会网络分析挖掘的重要研究内容之一,具有非常重要的应用前景.社会网络种类繁多,不同的网络链接类型往往需要不同的链接预测方法 .为了满足用户的个性化需求并提高链接预测的性能,该文提出了一种基于排序学习的社会网络链接预测算法.该算法以传统的链接预测方法为基础,通过排序学习方法对不同的排序结果进行学习,从而得到具有最大准确性的综合排序列表.在综合排序列表的构建中,在每个排序列表中设置一个滑动窗口,通过对滑动窗口的维护每次迭代选出一个全局最优值,从而使得最终的排序列表是最优的.实验表明,该文提出的算法与相关的链接预测算法相比较具有更高的预测性能,能找出一个预测最准确的排序结果 .     

无线Mesh网络的在线测量优化

对网络特征进行准确和实时的测量是优化无线Mesh网络性能的基础. 该文提出一种无线Mesh网络在线测量架构以解决测量节点的位置选择问题. 联合考虑无线信号检测能力与信息传输能力,提出基于椭圆割线的测量节点选择方法. 分别以被测量节点和数据处理中心作为椭圆焦点构成测量区域,以测量系统的性能度量为目标函数,在椭圆环中选择最佳测量节点位置. 数值仿真表明,在保障无线Mesh网络在线测量品质条件下,该测量架构实现了检测能力和信息传输能力的综合优化,椭圆割线算法的计算复杂度低于随机选择算法.     

随机图在信息传递系统中的应用

本文给出信息传递领域中的信息传递图，并对其部分变量进行随机化，得到随机图，进而对图进行分析、求解得到信息传递中的平均通过量随机模型，得出和分布并求出平均通过量．     

网络控制系统的自适应预测控制

针对具有随机时延的网络控制系统,提出一种自适应预测控制方法. 利用Elman神经网络对网络控制系统的随机时延进行在线预测,然后采用一种增加微分作用的改进隐式广义预测控制方法对网络时延进行补偿,实现了随机时延网络控制系统的自适应预测控制. 仿真结果表明,该方法对网络随机时延有很好的补偿效果,可明显改善系统输出性能,保证控制的稳定性与快速性.     

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．