基于核心图增量聚类的复杂网络划分算法改进

基于核心图增量聚类的社团划分算法,设置了一个结点度阈值,利用该阈值在给定网络中筛选核心结点,以这些核心结点构造核心子图,调用GN算法产生社团框架;根据结点与社团的相似度,将除核心结点之外的结点划归到各个社团,经过反复调整各结点的归属,产生网络的社团划分。通过举例说明当度阈值设置不当,筛选出的核心结点所构成的核心子图并不能清晰地构成给定网络的各社团框架,从而严重影响网络的社团划分效率与效果。为此对其进行了改进。文中提出的是一种启发式算法,利用结点的度来逐步产生各社团框架,最后生成各社团。通过在真实网络数据集上测试,说明改进算法是高效的。     

一种基于链路预测的图聚类算法

通过重新定义传统GN算法的边介数计算,提出了一种基于链路预测方法的图聚类算法;并且在分析GNRA仍旧存在的不足的基础上,给出了其改进算法IGNRA.通过对常用的四组数据集进行实验比较发现:所提出的GNRA算法在效率上比传统的GN算法能够明显提高,而IGNRA相比较GNRA、GN具有最低的计算复杂度.     

基于控制流的多线程程序的静态切片算法

介绍一种基于控制流的多线程程序的静态切片算法, 该算法的主要思想是在构造多线程程序依赖图的同时保留程序的控制流信息, 利用这些信息能 够判断出程序中的多线程可实现路径, 从而提高多线程程序静态切片的精度和效率. 最后给出一个多线程切片的实例.     

串行程序的并行划分算法研究

给出了一个将串行程序进行并行划分的算法,并对算法的有效性进行了理论分析和实验验证,结果表明,该算法能有效地并行划分串行程序,提高串行程序的执行效率.     

分布式Top-k子图匹配技术

Top-k子图匹配是一种应用广泛的图搜索技术。相比于单机环境,分布式环境下的Top-k子图匹配问题具有更大的挑战性。该文分析了已有方法在分布式环境下存在的问题,提出了包括查询拆分、查询执行、结果连接3个步骤的算法。算法通过查询拆分,彻底避免了生成中间结果过程中的数据传输,同时通过优化查询执行和结果连接步骤,避免不必要的中间结果生成,降低单个节点的计算量,提升整体效率。在此基础上,该文对分布式环境下Top-k连接策略进行了进一步优化。在真实图数据上进行的实验测试表明:该文提出的算法能够有效解决分布式环境下Top-k子图匹配问题,具有很好的扩展性,而且使用优化连接策略的算法性能较基础算法的效率有明显的提升。     

一种基于改进动态规划思路的众核软件映射算法

众核软件映射到处理器核心上,形成流水线执行,有利于挖掘软件任务模块的并行性,提高系统吞吐率.提出了一种基于改进的动态规划思路的软件映射算法,算法通过将图划分问题近似分解为多个子问题,通过寻求每个子问题的最优解进而获得全局最优解.动态规划思路的改进主要体现在实时更新可选任务节点和动态调整子图期望负载两方面,这有利于划分后的各子图负载更均衡.实验结果表明,算法在提高系统吞吐率方面均优于现有相关算法.     

一种基于改进的动态规划思路的众核软件映射算法

众核软件映射到处理器核心上,形成流水线执行,有利于挖掘软件任务模块的并行性,提高系统吞吐率.提出了一种基于改进的动态规划思路的软件映射算法,算法通过将图划分问题近似分解为多个子问题,通过寻求每个子问题的最优解进而获得全局最优解.动态规划思路的改进主要体现在实时更新可选任务节点和动态调整子图期望负载两方面,这有利于划分后的各子图负载更均衡.实验结果表明,算法在提高系统吞吐率方面均优于现有相关算法.     

改进的基于逆向流分析的C程序切片算法

为解决切片算法时空开销太大的问题, 提出一种改进的基于逆向流的静态切片算法。只需通过分析控制依赖, 获得程序整体框架, 再从切片点开始基于逆向控制流从里向外扩张式扫描,在扫描中不断获得只与切片相关的数据依赖, 以此得到程序切片。该算法减少了计算控制流的工作量, 避免计算谓词依赖集的过程, 减少了存储资源开销, 提高了切片的效率。     

基于控制流精化的反汇编方法

反汇编过程是整个逆向工程的基础和重要部分。为提高反汇编过程的效率及反汇编结果的准确度,通过对传统反汇编方法的探究,提出了一种基于控制流图精化的静态反汇编方法。该方法把二进制代码通过函数定位切分成单个函数,然后再对单个函数生成初始的过程内控制流图,使用图论的方法与汇编指令的特征匹配相结合,提炼出真实的控制流图。使用CoreUtils中的22个程序作为测试基准,使用2种线性扫描算法作为比较基准。实验结果表明:本文所提出的反汇编方法比Objdump快63.2%,并且可以高度精确地绘制出控制流图,因此具有准确度高、效率高的显著特性。     

基于图的挖掘关联规则改进算法

关联知识挖掘算法中一种广为人知的算法就是Aprior算法,之后所有关联规则挖掘算法的基本思想都是基于频繁项目集发现算法的基础上进行了改进.为了提高关联规则挖掘效率,首先回顾了基于图的关联规则挖掘算法;然后,在此基础上进行了改进,把关联规则挖掘中寻找频繁项集的问题转换为图中寻找完全子图的问题,通过在图中查找完全子图来寻找频繁项集.提出了一种基于图的关联规则挖掘改进算法,并且对原算法和改进的算法从时间和空间的性能进行了比较分析,得出改进的算法是有效可行的.最后从实验结果得出结论GenerateItemsets算法比DGBFIG算法优.     

具有结果多样性的近似子图查询算法

针对大型图中的各种top-k近似子图查询算法存在的顶点重叠度高、无法满足多样性匹配结果输出等问题,提出具有最大顶点覆盖集的多样性近似子图查询算法.该算法建立基于近邻关系和基于区域划分的双重索引,并为相互关系紧密的同标号顶点建立簇索引.在图查询过程中,利用近邻特征为查询图中的每个顶点快速筛选出满足局部匹配要求的候选顶点集,并从不同区域找到多个满足要求的近似匹配子图,避免了查询结果间的高重复率.同时,基于区域和同标号近邻簇的划分,优先查找属于不同划分或不同簇顶点的匹配,减少了不同区域划分间的交互,提高了查询的效率.在大量数据集上的实验结果验证了该算法在查询效率和结果多样性等方面的有效性.     

一种基于故障模式状态机的测试方法

基于状态机对故障模式进行了统一的描述，使得故障描述更准确、无二义性。为了避免路径组合爆炸，提出基于控制流的状态集迭代分析算法进行故障检测，可以使算法的计算复杂性由O(P)(P是路径数目)减少为O(N+E)N)(N是控制流图节点数，E是控制流图边数)。由于状态机的独立性，对控制流图进行一遍迭代可以同时计算多个故障模式，大大提高测试效率。同时，该方法还采用了带条件的状态计算可以较好地减少误报的情况。     

一种基于故障模式状态机的测试方法

基于状态机对故障模式进行了统一的描述，使得故障描述更准确、无二义性。为了避免路径组合爆炸，提出基于控制流的状态集迭代分析算法进行故障检测，可以使算法的计算复杂性由O（P）（P是路径数目）减少为O（N＋E）N）（N是控制流图节点数，E是控制流图边数）。由于状态机的独立性，对控制流图进行一遍迭代可以同时计算多个故障模式，大大提高测试效率。同时，该方法还采用了带条件的状态计算可以较好地减少误报的情况。     

一种针对可执行代码的内存泄漏静态分析方案

针对应用程序安全分析的实际需求,设计并实现了一个针对可执行代码的内存泄漏分析框架MLAB.MLAB首先从可执行代码中恢复控制流和数据流信息,依据恢复的控制流图建立程序的有限状态自动机,在此基础上运用模型检测算法分析程序可能存在的内存泄漏.利用几个典型的程序实例详细说明了MLAB方法的工作原理,并通过基于测试程序集MiBench的实验对方法进行了验证,结果说明了该方法的有效性.     

一种改进的最大m子段和算法设计

提出了一种基于动态规划的最大m子段和改进算法设计思想，通过该改进算法，显著降低常规算法的空间复杂度，有效地提高算法的执行效率和空间利用率。对于目前广泛开展的ACM/ICPC程序设计竞赛有一定的指导和借鉴意义。     

基于改进完全子图模型的关注对象多社区发现研究

为实现用户和关注对象的多社区划分,针对完全子图模型不能进行多类分类的缺陷,该文引入了阈值划分方法,提出基于改进完全子图模型的社区发现算法。实验表明:与经典数据挖掘算法K-medoids相比,该文算法具有更高的准确性。     

改进的基于模块度最大化二分图权重网络社团挖掘算法

复杂网络广泛应用于生态学、生物信息学等多个领域,其中加权二分图网络作为一种特殊结构的复杂网络可以用来对许多实际问题进行建模。网络的社团挖掘一直以来都是分析复杂网络的重要手段,也是复杂网络领域研究的热点问题。本文提出了一种改进的模块度最大化二分图权重网络社团挖掘算法,通过在实际网络中的测试,相较于其他的同类型算法,本算法可以得到更好的社团划分结果,其执行效率也明显高于现有的其他算法,可以用于大规模二分图网络的社团挖掘。     

一种基于Hadoop的大规模图最短路径查询方法

图的最短路径查询作为图论的经典问题,广泛应用于现实世界的许多应用中.然而随着图的规模日益增大,传统单机环境下的查询算法已无法满足大规模图的处理需求.为解决上述问题,提出基于Hadoop的大规模图最短路径查询方法(D-CH方法):首先利用经典的图分割算法(CNM算法)将存储于Hadoop分布式文件系统(HDFS)中的大规模图进行分割,给出了适于后续算法的标记分割结果;然后将查询区分为分割后子图内查询和子图间查询,基于MapReduce编程模型分别给出相应的并行化查询处理算法.实验结果表明,D-CH方法对大规模图的最短路径查询具有良好的执行效率.     

基于划分和压缩数据库的改进Apriori算法

针对Apriori算法在面对大规模数据时效率较低的问题,提出了一种基于划分和压缩数据库的改进方法。该方法首先依据特征数据出现的频率将数据按照升序存储在临时数组中;然后将原始事务数据库分为几个互不相交的事务数据库,使得子数据库能够容纳在内存中;最后根据每个子数据库计算出的频繁项集计算整个数据库的频繁项集,从而消除了不必要的冗余数据。通过改进可以将大规模数据集进行有效的划分和压缩,对子数据库进行关联规则挖掘。实验结果表明,改进的Apriori算法在针对海量数据挖掘的执行速度和效率都有很大提高。     

基于DEM的分布式水文模型前处理程序开发及应用

作为水文模型不可或缺的一部分,前处理工作的质量在很大程度上影响着水文模型的模拟效果.为了简化前处理工作步骤,提高执行效率,本文开发了一个能够独立运行并具有可视化界面的水文模型预处理程序.该程序能够对数字高程模型(DEM)数据进行河网提取、子流域划分等工作,其特色在于:基于图论编写了无需填洼的水流方向确定算法;提出了"树叶裁剪法"的子流域划分方法;集成了自下而上的汇流顺序演算算法.将该程序应用于拉萨河流域,取得了较好的效果,为分布式水文模型的开发奠定了基础.