SideKnot:Edge Bundling for Uncovering Relation Patterns in Graphs

The node-link diagram is an intuitive way to depict a graph and present relationships between entities.Addressing the visual clutter induced by edge crossing and node-edge overlapping is a challenging task as the size of graph outgrows the visualization space.Many edge bundling methods are proposed to disclose high-level edge patterns.Though previous methods can successfully reveal the skeleton graph structure,the relation patterns at the individual node level can be overlooked.In addition,most edge bundling algorithms are computationally complex,which prevents them from scaling up for extremely large graphs.In this article,we extend SideKnot,an efficient edge bundling method to cluster and knot edges at the node side.Our proposed method is light,runs faster than most existing algorithms,and can reveal the relation patterns at the individual node level.Our results show that SideKnot can disclose a node’s standing in the graph as well as the directional connection patterns to its peers.     

一种基于层次化社团结构的复杂网络可视化平台

基于层次化的网络社团结构,提出了一种可以应用于大型复杂网络的可视化方法,并编程实现了交互平台.该平台采用圆环布局,能提供大量的交互功能,使用户从不同层次上查看网络结构信息.平台还实现了重叠节点的找寻,以及社团动态演化等与网络社团分析有密切关系的功能.     

社会网络数据的可视化

为直观地分析社会群体网络, 观测社会群体行为, 提出了社交网络数据的可视化分析方法。该方法将社会关系网络描绘成由点和线组成的图, 再对图形中的节点分布位置、节点的大小以及点线密度等进行有效分析。运用在线社会网络数据可视化分析技术, 结合python 可视化与python 科学计算技术, 增强了网站的吸附性, 获得了较好的用户体验。     

链路意义下网络抗毁性的一种新刻画

随着元器件性能的大幅提高,网络故障多因链路受阻或破坏所引发,为了更好地刻画和分析网络抗毁性,从链路角度引入新的连通性参数——图的边毁裂度.运用组合优化和类比分析方法研究并给出了若干具有特殊结构的图的边毁裂度的计算公式和一般图的边毁裂度的界,同时讨论了图的边毁裂度与其它参数的关系,并举例表明结果是最好的.     

一种网络生长的无线传感器网络定位算法

提出了一种利用完全图进行无线传感器网络定位的分布式定位算法.仿真表明,该算法在噪声功率较小或者网络连通程度较高时,节点的定位精度更高,并且在网络的连通程度较低或者传感器节点分布不均匀时,仍然保持较好的定位精度.     

线性互连神经网络关联稳定性的一种新判别方法

应用有向图理论把线性互连神经网络模型转换成Ｃｏａｔｅｓ图，提出了当神经网络系统发生扰动时，判别线性互连神经网络关联稳定性的一种新方法。     

基于图注意力网络的案件罪名预测方法:CP-GAT

案件罪名预测任务是基于文本数据去预测案件所属罪名.针对现有方法在相似罪名和长尾数据集上表现不佳的问题,提出了一种基于图注意力网络的案件罪名预测方法CP-GAT(charge prediction based on graph attention network).该方法首先使用司法文书数据集中的案例事件描述文本和案例对应的法条信息建立异质图结构数据,构建后的异质图包含两种类型的节点(词节点、案例节点),两种类型的边(词节点与词节点相连的边,词节点与案例节点相连的边).在基于法律文本构建后的异质图上使用图注意力网络进行图特征提取,最后将得到的特征向量输入到罪名预测的分类器中,得到案例所属的罪名.在CAIL2018法律数据集上的实验结果表明,基于图注意力网络的罪名预测方法优于对比实验使用的方法,准确率和宏观F1值分别达到了95.2%和66.1,验证了提出的方法有利于提升案件罪名预测任务的性能.     

基于图Transformer网络的城市路网短时交通流预测模型

针对城市路网短时交通流预测问题,在考虑路网交通状态时空相关性基础上,提出一种基于图Transformer（graph transformer,Graformer）的预测方法。该方法将多条路段的交通状态预测问题转化为图节点状态预测问题,针对区分相同结构的空间路网结构图,本文将带有边的图同构网络（graph isomorphism network with edges,GINE）和Transformer网络相结合,对交通状态在路网层面的时空相关性进行建模,从而实现城市路网短时交通流预测。具体来说,Graformer模型首先利用长短期记忆网络（long short-term memory,LSTM）对交通数据的时序信息进行预处理,接着采用基于GINE与Transformer的全局注意力机制提取交通数据的空间特征,最后实现路网各路段交通流的同步预测。通过使用PeMS数据集进行实验验证,结果表明提出的Graformer模型在各项性能指标上均优于对比模型,证明了其作为一种可靠且高效的路网短时交通流预测方法的有效性。     

混合动力耦合系统神经网络油耗模型构建

为了基于燃油经济性快速对混合动力耦合系统(EVT,electric variable transmission)构型进行筛选,在混合动力EVT构型图论分层图画模型的基础上提出混合动力EVT图论构型矩阵,并对混合动力EVT系统构型进行动力学建模;结合GRNN神经网络算法与动态规划算法,建立混合动力EVT系统神经网络油耗模型;通过对比测试构型的神经网络油耗模型计算结果和DP仿真结果,验证了该油耗模型的有效性。     

基于神经网络测试码生成的一个鲁棒算法

针对基于组合电路神经网络模型进行测试码生成,提出了一个对神经元连接权值不敏感的鲁棒算法——改进的遗传算法．它克服了运用概率松驰搜索算法求解测试矢量时,神经元之间连接权值的选择影响测试结果的缺陷,增强了测试码的鲁棒性．该算法对不同的连接权值都能得到满意的测试结果     

关于有限网络的一个注记

相关文献研究了有限网络的下列颇具理论和应用价值的性质:考虑任意有限连通网络,其结点仅取"0"或"1"两种状态,开始时所有结点为"全0"状态,以后每次取定一个结点让它及其所有邻点全改变状态.该文利用数学建模成功地证明了一个与网络的大小和结构都无关的有趣结论:对任何网络经适当选取若干结点(按任意先后顺序依次)改变状态后,都能使网络从"全0"状态变为"全1"状态.且在此基础上进一步研究,给出连通网络选择点集(见定义1)的性质、树和单圈连通图选择点集的刻画、求任何连通网络全部选择点集的算法及其Matlab程序.     

非互易网络S参数测量的新方法

本文提出了一种测量微波非互易网络S参数的新方法。此法简便,能在一般条件的微波实验室实现,适用于微波的各个波段且能得到较好的测量结果。文中还介绍了自动测量线式的S参数测量仪。编制了适用的计算程序。     

基于多维体理论的生命线网络可靠性的不交和算法

根据生命线网络系统的图论模型,应用计算机辅助逻辑综合技术对网络可靠性的精确算法进行了探讨.采用多维体列阵表示网络可靠性的逻辑函数,应用锐积和二进制布尔运算实现网络的路经不交和算法和计算机编程.最后,通过算例验证了该算法的有效性.     

一种基于MATLAB的手写字母的神经网络识别方法

利用前向多层神经网络的反向传播算法,即BP算法,采用MATLAB软件构建用于特征识别的两层前向神经网络,将已知字母经图象处理后对BP网络进行训练,此BP神经网络可以成功地识别A－Z26个手写英文字母。     

SPORT:一种面向基三分层互连网络的最短路径路由算法

针对基三分层互连网络(THIN)中已有编码方法和路由算法不能应用于非平衡构造THIN的问题,提出一种既适合表示平衡构造THIN又适合表示非平衡构造THIN的编码方法,并基于该编码方法提出一种最短路径路由算法SPORT. 该算法采用源路由方式,可以在源节点计算目的节点的最短路径. 使用Noxim片上网络模拟器搭建了仿真实验平台,并将SPORT算法与已有的DDRA算法及Min-DDRA算法进行了比较,实验结果表明,SPORT算法具有较小的通信延迟. 此外,还研究了局域性对THIN和2D-mesh两种网络通信延迟的影响,实验结果表明,对局域性特征明显的程序负载,THIN的通信延迟要低于2D-mesh.