基于相似度的加权复杂网络社区发现方法

针对加权复杂网络中的社区结构发现问题,本文定义基于权重关系的相似度,并在此基础上定义了节点中心度和归属度,改进GN算法的模块度评价函数,提出一种基于相似度的中心聚类算法(SCC).该算法通过计算节点间的相似度,选取合理的中心度大的节点作为社区中心节点,最后基于节点归属度来聚集从而形成社区;同时,提出了用相似度代替边介数的改进GN算法SGN.通过理论分析,并在数据集上进行实验验证,结果表明SCC算法与WGN算法、SGN算法相比,速度和精度上均有较大改善.同时与I2C算法相比,社区的划分有效性更好.     

基于改进GN算法的程序控制流图划分方法

针对控制流图规模过大导致的程序分析准确度和效率不够理想的问题,该文提出了一种用于控制流图划分的改进GN(Girvan-Newman)算法,在边介数计算中加入点权值作为参数,使划分所得各子图的规模更加平衡;通过动态控制子图的规模,在合适的时机提前终止算法执行,提高执行效率。利用angr工具对二进制程序进行分析所得到的控制流图,分别采用改进GN算法、K-means算法、谱聚类算法和朴素凝聚算法进行实验,比较不同算法对控制流图划分结果中的模块度以及均衡性等指标,证明改进GN算法具有最佳的划分结果和执行效率。     

基于社团密合度的复杂网络社团发现算法

传统的社团发现算法大多存在划分效果和复杂度相矛盾的问题,为了解决该问题,提出一种新的单社团结构评价标准——社团密合度(group density).在此基础上,设计了一种基于凝聚思想的社团发现算法,该算法通过不断融合小社团,使网络的社团结构向平均社团密合度最大的方向发展,并使用模块度检测算法的划分结果.通过与经典的GN,Fast Newman,LPA等算法对多个数据集进行实验对比,验证了本文算法在获得较好的划分效果的同时具有较低的时间复杂度.     

多核环境下的粒子群算法

为解决基于多核计算环境下的粒子群优化问题,提出一种面向多核计算的改进粒子群算法.通过引入多核设计模式和方法,分析传统粒子群算法中可以并行执行的部分,并根据已有的多核编程语言,在多核计算环境下,高效、并行地实现粒子群算法.通过实验验证了改进算法在多核计算环境下运行的有效性.     

基于LRWD轮廓系数的社团检测新方法

在近几十年中,复杂网络在数据挖掘和知识发现起着越来越重要的作用.复杂网络中的社团检测引起了许多领域的极大关注.提出了一种基于局部随机游走距离LRWD轮廓系数的网络社团检测新算法(SIL算法).此外,通过一些具有代表性的真实世界网络和计算机生成网络(GN准则和LFR准则)来测试该算法的准确性和效率.实验结果表明,SIL算...     

基于Spark的Apriori并行算法优化实现

针对传统Apriori算法处理速度和计算资源的瓶颈,以及Hadoop平台上Map-Reduce计算框架不能处理节点失效、不能友好支持迭代计算以及不能基于内存计算等问题,提出了Spark下并行关联规则优化算法.该算法只需两次扫描事务数据库,并充分利用Spark内存计算的RDD存储项集.与传统Apriori算法相比,该算法扫描事务数据库的次数大大降低;与Hadoop下Apriori算法相比,该算法不仅简化计算,支持迭代,而且通过在内存中缓存中间结果减少I/O花销.实验结果表明,该算法可以提高关联规则算法在大数据规模下的挖掘效率.     

雷电定位计算的粒子群优化方法

针对雷电定位问题,引入粒子群优化(PSO)算法用于雷电定位计算.给出了利用这种算法进行雷电定位的计算步骤,并提出用PSO算法和传统迭代算法协作计算雷电位置的方法.通过数值仿真分析和电网雷击事故定位计算分析了PSO算法的性能.结果表明:该算法能克服传统迭代方法易于发散的缺点,稳定并精确地求解出雷电发生位置;该算法的计算量大于迭代方法,但比网格搜索法要大幅减小;利用PSO算法给出雷电定位初始值,再用迭代方法求解可保证计算稳定并减少计算量.     

基于GN算法的重叠社区识别方法

针对社会网络中的重叠社区识别问题,提出用从属度描述节点对不同社区的紧密程度,并把模块度扩展到重叠社区的识别.基于Girvan和Newman提出的非重叠社区识别(GN)算法设计了重叠社区的串行识别算法.基于MapReduce模型设计了并行识别算法,以提高识别效率.对模块度与重叠度进行了分析,结果表明:所提出的算法在计算机科学文献网络中能有效识别重叠社区,且运行效率优于已有重叠社区识别算法.     

二进制改进粒子群算法在背包问题中的应用

提出了用于求解0 1背包问题的二进制编码的粒子群算法,阐明了该算法求解背包问题的具体实现过程.为了提高粒子群算法的收敛速度,在传统的二进制编码的粒子群算法中嵌入了记忆功能.通过对其他文献中仿真实例的计算和结果比较,表明该算法在寻优能力、计算速度和稳定性方面都超过了文献中提到的遗传算法和模拟退火算法.提出的求解背包问题的二进制改进粒子群算法,同样可以应用于其他离散优化问题.     

求解无约束优化问题的一类谱共轭梯度法

针对无约束优化问题,提出一类谱共轭梯度法.谱共轭梯度法是对TS、GN及MPRP方法的修正,使得在任何线性搜索条件下都具有充分下降性.并且在Armijo型线性搜索条件下,证明了该类算法的全局收敛性.与GN、SFR及MPRP方法进行比较,数值结果表明:谱共轭梯度法是可行的,特别对于大规模无约束优化问题更有效.     

多尺度表面织构流体润滑问题的快速求解方法

为解决传统数值方法在求解多尺度织构流体润滑问题时计算速度慢、效率低、规模受限等问题,提出了有限细胞算法.针对简单的织构模型,通过对比有限元、流体力学和细胞算法的计算结果,验证了算法计算结果的准确性.通过对比不同计算规模下有限元和细胞算法的数值试验结果,发现新算法的计算速度和计算规模都有显著提升.对于大规模多尺度的织构模型,使用细胞算法进行求解,发现新算法的计算时间与网格数目成线性关系,表明细胞算法对于大规模织构问题具有良好的快速求解能力,并且为工程中类似的多尺度问题提供了具体的解决思路.     

交通流大数据中的套牌车并行检测算法

传统的套牌车识别算法通过串行工作方式在网格化城市交通监控系统所产生的大规模数据中进行两两比对实现套牌车检测,因此在处理海量数据时存在性能瓶颈问题.提出了一种新的基于Hadoop的MapReduce算法模型,该算法具有并行特征,通过引入多台硬件计算资源协同处理大规模数据下的套牌车检测问题,显著提高了计算性能.同时,采用基于动态旅行时间实时的时空窗口计算技术,能进一步提高算法的检测速度和识别精度.     

基于置信度和自学习校正的热轧轧制节奏计算

针对目前国内大多数热连轧厂传统在线轧制节奏计算模型控制精度偏低的问题,在宝钢宁波钢铁热连轧厂对传统轧制节奏计算模型进行了分析与研究,提出一种基于置信度和自学习校正的热连轧轧制节奏计算模型改进算法.经过现场大量实测数据验证,采用新算法的轧制节奏计算模型的预报精度较传统模型算法有了大幅度的提高,偏差在±5s范围内的频率达到97.94%,大致成正态分布.新算法在预报带钢在线运行时间上优于传统模型算法.     

基于查找表的单基FFT原址倒序算法

单基快速Fourier变换(FFT)进行原址运算前需要对输入数据进行倒序,为了提高传统倒序算法的速度,在4个有关单基倒序定理的基础上,提出了基于查找表的单基快速Fourier变换原址倒序算法.该算法通过访问查找表,减少循环次数,简化倒序值的计算过程,从而提高速度.该算法所需查找表的规模不随点数增加而变大.仿真结果表明: 该算法在计算基2倒序时,性能超过了现有算法,在计算非基2倒序时,比传统算法至少快80%, 比现有的查找表算法最多慢15%.     

基于基因表达式编程的网格调度节点选取算法

为了在网格的动态分域调度机制中,更前瞻性地动态选取域内“计算结点”,解决原传统算法中需要依赖专业知识,而使选取过程具有主观性和盲目性的问题,提出了基于基因表达式编程(GEP)的网格调度域计算结点的选取算法.并通过对基于传统遗传算法进行选取和基于GEP进行选取的算法的比较,实验证明了该算法的优越性与实用性.     

对启发式算法实现图着色的优化

针对传统教科书中的图着色算法进行了分析研究,通过对算法执行步骤的跟踪分析,提出了两点改进方法,从而省去了大量的重复计算,大大提高了算法的效率.     

低复杂度的改进型CORDIC优化算法研究

CORDIC算法在电子、通信领域有着广泛的应用.传统CORDIC算法需要通过乘法器和查找表才能实现多种超越函数的计算,这会导致硬件电路实现复杂,运算速度降低,此外它能够计算的角度范围也有限.针对传统CORDIC算法的缺陷,提出一种改进型CORDIC优化算法,它不需要模校正因子和查找表,只需通过简单的移位和加减运算就能实现多种超越函数的计算,从而能够减少硬件资源,提高运算性能,并通过区域变换使得该算法能够适用于所有的旋转角度.误差分析表明该算法具有很小的误差.     

基于优势-等价关系的属性约简算法

考虑多标准分类问题,即条件属性具有偏好关系而决策属性是无序的类别,通过在条件属性上引入优势关系而决策属性仍然用等价关系来描述不同的属性.针对这类信息系统,本文提出了一种基于样例对的矩阵约简算法.区别于传统的基于辨识矩阵约简方法,该算法在不计算辨识矩阵的前提下,通过选择样例对,来找到辨识矩阵中对约简有用的属性,因此,所提算法能够明显改善计算约简的时间耗费.进一步,为了处理较大规模的数据,提出了一种近似约简算法,该算法按属性重要性添加属性到约简中,进一步缩短了求取约简的时间.最后在UCI数据集上进行大量的实验与传统的约简算法进行了对比,表明了所提出算法的可行性与有效性.     

三相四线制系统3D-SVPWM调制策略优化设计

在深入分析传统三维空间矢量脉宽调制(3D-SVPWM)算法的基础上,证明传统调制算法在运算过程中是可以简化的,并由此对传统调制算法进行改进,提出优化的3DSVPWM调制算法.采用所提出的优化3D-SVPWM调制算法,可以在保证系统效果和性能的前提下对传统调制算法进行大幅简化,有效降低调制算法的复杂度和计算量,提高调制算法的稳定性和实时性,减轻系统的软件负荷,为系统控制算法的改良和升级提供更多的可操作空间.通过在三相四线制电容中分式有源电力滤波器中的仿真和实验,验证了所提出算法的可行性与优越性.     

改进的强跟踪平方根分解UKF算法应用研究

针对一类非线性系统滤波问题,提出了一种改进的强跟踪平方根分解UKF算法.该算法通过引入自适应渐消因子改善了滤波器的鲁棒性,利用改善的平方根分解方法提高了滤波器的计算效率.通过实验仿真验证,该算法相对于传统的强跟踪UKF算法具有相近的估计精度和更快的计算效率,相对于强跟踪滤波器具有更高的精度.