动态网络中基于局部介数的重叠社区发现算法

针对现有静态网络社区发现算法的失真和动态网络社区发现算法时间复杂度较高的问题,本文提出了一种动态网络中的重叠社区发现算法。在网络中,边介数最大的边或分割介数最大的节点是网络中的关键边或点,即联系最不紧密的边或节点,因此,该算法利用去除最大边介数的边和分裂最大分割介数的节点的方法,并将网络社区的动态变化和重叠性考虑在内进行社区发现。最后利用模块度对社区发现进行控制,使发现的社区结构更加合理。     

一种稳定的标签传播社区发现算法

网络中的社区发现是当前的一个研究热点。在众多社区发现算法中,标签传播算法因简单快速而被广泛应用。但标签传播算法也存在结果稳定性较差的问题。通过提取非重叠完全子图来避免社区重叠,提取最小极大团来避免巨型社区的出现,基于此,对标签传播算法的初始化过程进行改进,提出了一种稳定的标签传播社区发现算法,即非重叠最小极大团提取算法。在真实网络中的实验结果表明该算法可以大幅提高结果的稳定性。     

基于Louvain重叠社区发现算法

重叠社区发现技术对于分析网络社区间关系具有重要意义,本文提出了基于Louvain重叠社区发现算法,该算法在Louvain算法的基础上使用模块度Q的增益度函数dq判断节点是否具有重叠性,并且发现重叠社区;设计实验验证该算法,使用经典数据集American College Football对该算法与常用重叠社区发现算法CPM、LFM和COPRA进行实验对比,结果表明:增益度函数dq能判断重叠节点,且通过找到社会网络中的重叠节点发现重叠社区;该算法在重叠模块度EQ上比CPM、LFM和COPRA算法分别提高17.05%、12.81%和9.45%,在运算时间上比CPM算法、COPRA算法分别增加了12.62%、7.15%,比LFM算法减少了23.06%,表明在综合重叠模块度EQ与算法时间上,本文基于Louvain重叠社区发现算法都优于其他的算法。     

在线社会网络的动态社区发现及其演化

分析了目前动态社区发现及其演化所存在的问题,提出了一种新的动态社区演化方法.该方法利用静态社区挖掘算法提取不同时间快照的每个社区,然后计算出相邻快照的社区之间的演化影响力,进一步分析连续快照中社区结构的发展演化过程.在新浪微博、网络测量Gnutella等大规模实验数据集上的验证,证明了该方法的有效性.此外,实验中还分析了社会网络中节点的出现和消失的频繁程度会影响社区稳定性以及社区结构的演化.      

基于重要结点的社区发现算法

复杂网络中内部的社区结构是复杂网络结构特征和属性特征的具体体现。首先依据模块度最大化理论计算网络的模块度矩阵的最大k特征向量矩阵;然后提出聚类中心方法,并用于求出k个社团的重要结点作为k聚类中心,利用欧几里得距离计算每一个结点到k个聚类中心的距离,将结点分配到距离聚类中心最近的社区中;最后对网络应用k-means方法进行迭代计算,得到k个社区的划分。分别在Karate Club Network和American College Football数据集上对算法进行了实验验证,实验结果表明该算法可以有效发现潜在社区,其纯度与模块度比已有的社区发现算法都有一定的提高,并且迭代次数较少,效率较高。     

基于多核心工作站机群的并行介数算法

针对计算大规模复杂网络时介数的空间和时间复杂度问题,根据网络数据的存储特点,设计了减少内存占用并能提高查找速度的数据结构.根据介数计算的特点,用Python语言设计了粗粒度并行算法,在多核心工作站机群实现了并行算法.实验结果表明:并行算法不仅能够适用于上亿条边规模的网络,而且能够获得线性加速比,使120个计算核心的加速比达到了71左右,为分析大规模复杂网络数据的特性提供了易操作的方案.     

一种基于网络嵌入的社区发现方法

社区发现是社会网络分析的重要任务,有助于理解中观尺度的网络结构.现有的诸多社区发现方法仅考虑网络的拓扑信息,忽略了网络中每个节点所包含的属性信息.为此,本研究首先基于社会网络的拓扑结构信息与节点属性信息分别构建初始特征矩阵;然后基于网络嵌入模型,融合初始特征矩阵的主成分信息,构建共识嵌入矩阵;最后,给出社会网络中"领袖节点"的泛化定义形式,并提出一种改进的图聚类算法(LIK-means)挖掘社会网络中潜在的社区结构.实验表明,LIKmeans较其他经典算法有较好的可扩展性,同时在真实社会网络中的社区识别精度更高.     

基于社区森林模型的分布式重叠社区发现算法

重叠社区发现是复杂网络挖掘中的重要基础工作,可以应用于社交网络、通讯网络、蛋白质相互作用网络、代谢路径网络、交通网络等多种网络的数据分析,从而服务智慧交通、传染病防治、舆情分析、新药研制和人力资源管理等领域.传统的单机运算架构已经难以满足各类大规模复杂网络的分析和计算要求.人工智能领域的研究人员提出将社区发现应用到网络...     

基于结构和适应度的社区发现

复杂社会网络无处不在,对复杂社会网络进行社区发现越来越被人们重视.基于局部结构的社区发现可以在不用了解全局的情况下对某些节点进行划分;社会网络的社区适应度特性可以找出不同适应度下的社区结构.基于局部结构以及社区适应度的网络属性,提出一种新的社区发现算法.通过实验比较,算法能较好、较快的发现社区结构,在人工网络以及真实社会网络均取得较之已有方法更好的效果.     

一种基于流行度和中心度的内容网络社区发现方法

基于近年来发展的社区发现概率模型的可解释性,对现有的性能较好的基于节点中心度和流行度的社区划分链接模型PPL进行扩展,给出了一种新的可以结合节点内容的组合模型PPL-IX2。该模型不但可解决节点属性的选择问题,并可充分利用节点间的链接关系。实验结果表明,新给出的PPL-DC模型优于单纯的链接模型及已有的链接和内容相结合的组合模型。     

时域相关法超声检测二维血流速度分布

研究了跟踪血流速度的时域相关方法,对连续周期回声信号作相关运算可得到血流一维速度分布,采用滑动时窗分段相关法可检测多个散射元移动时的速度分布,声束线性扫描得到二维血流速度剖面,检测精度和分辨力高于Ｄｏｐｐｌｅｒ频域法．     

动态模拟模型与动态模拟时间路径

在经济政策分析及政策方案评估中,采用动态模拟模型模拟政策所引起的经济现象变化的时间路径,是评价政策的重要“实验”方法。动态模拟时间路径的性状一般并非由动态模拟过程所决定,而是由动态模拟模型所决定。因此,如何选择不同的动态模拟模型,如何解读不同的动态模拟时间路径,便成为越来越受关注的政策模拟“实验”的焦点。     

动态HTML特征简述及利用Javascript在页面中实现动态效果机制分析与实例

简要介绍了动态ＨＴＭＬ语言（ＤｙｎａｍｉｃＨＴＭＬ）的四个基本特征：面向对象的方法;层叠样式表;脚本语言和动态字体。详尽分析利用Ｊａｖａｓｃｒｉｐｔ在页面中实现动态效果的几种常用工作机制。并以具体实例进行说明。     

采用时分多址的主动式高动态传感器路由协议

提出一种基于移动无线传感器网络(MWSN)的主动式高动态传感器路由(AHDSR)协议.通过简单的跳数度量,使数据朝移动环境中的汇聚节点路由时保持动态和鲁棒.AHDSR协议使用时分多址(TDMA)MAC层保持移动环境中梯度指标,同时,使用盲转发技术将信息以多途径的方式在网络中传递.运用OPNET建模模块进行仿真,并提供一种离散时间仿真器.仿真结果表明:与其他同类方法相比,提出的协议在数据包投递率、平均数据包时延、吞吐量和开销方面的表现更加适合多种移动网络场景.     

利用系统调用序列检测入侵的一种新方法

提出了一种使用系统调用序列检测入侵的新算法．算法利用了一种称为权值树的数据结构，首先使用正常权值树序列生成权值树森林，为了学习新的模式和消除杂质，权值树还可以被定期修剪．然后扫描异常调用序列，通过权值树得到对应的权值序列，这些权值序列能够显示是否出现了异常．实验取得了理想的结果．     

神经网络与DTW两种识别方法的比较

在非特定人小字表场合下,比较了人工神经网络方法(ANN),动态规划方法(DTW)以及直接比较方法(DC).对汉语10个孤立数字测试结果表明:用多遍样本进行训练时,训练时间ANN至少是DTW的100倍,DTW是DC的5倍以上;识别速度ANN比DC快300倍,DC比DTW快5倍;存储量ANN比DTW和DC需要的都少;识别率ANN比DTW高2.3％,DTW比DC高6.7％;用单遍样本训练时,DTW比DC高3.6％,DC比ANN高8.1％.说明在小字表情况下ANN的总体性能优于DTW,DTW优于DC。     

动态力识别的时域方法

本文提出一种识别动态力的非直接量测时域方法。首先将结构系统进行模态坐 标变换而得到无耦合的运动方程，然后把在一定微小时间间隔内的动态载荷作为一 个阶跃函数，再由实际量测或有限元分析得到系统的频响特性和量测到的该动态力 的结构响应确定模态坐标中的这一阶跃函数，就可得到动态力的时间历程。 以一个仿真实例说明方法的应用，其结果表明精度是好的，并对该方法应用中 的一些问题进行了探讨。     

时间尺度上二阶时滞动力方程的振动性

借助时间尺度的有关理论,利用Riccati变换技巧,研究了一类时间尺度上二阶非线性时滞动力方程解的振动性,给出了该类方程振动的几个充分条件,推广和改进了已有文献的有关结果。     

时间模上动力学方程的渐近性

文章讨论时间模上动力学方程的最终正解的渐近性。