微波接力组网的节点再优化研究

为进一步完善常规方法构建的微波接力网组网拓扑,提出了一种基于最优链路集的网络节点再优化方法。该方法综合考虑节点吸引系数、链路衰落概率、节点通信冗余等因素,借助网络拓扑优化的思想,采用遗传算法构造了微波接力网的最优链路集;以节点在该集合中的度为依据,通过对节点的合理排序,以部分用户节点代替非必要的干线节点,完善了组网拓扑。在修改链路和节点价值集后,该方法还可解决其他网络干线、中继节点的选择问题。     

基于双响应曲面的精密产品子集模拟可靠稳健优化设计

针对不确定性场景下小失效概率的精密产品可靠性问题,提出了基于双响应曲面法(dual response surface methodology,DRSM)与子集模拟的可靠稳健优化方法。首先,建立精密产品多失效模式极限状态的RSM模型和以质量特性均值-方差为优化目标的功能函数DRSM模型。其次,在此基础上运用子集模拟法进行可靠性分析,将精密产品小失效概率描述成一系列较大的条件失效概率之积。最后,将极值事件的优化问题视作稀有事件的可靠性问题的特例,基于该转换思想采用子集模拟法将优化问题在可靠性问题的框架内进行求解。案例分析及验证结果表明所提方法的有效性。     

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.     

一个具有Markov性的入圈问题

研究序列{Xn},{Xn}满足Xn=Yn(mod 2),其中Yn∈Z+,Y0≥2,Yn+1=Yn+[Yn/2],证明了{Xn}为一独立随机变量序列,并且是一时间齐次Markov链.最后,利用该Markov链{Xn}的性质,证明了入圈问题经过有限次插点,Cm的任意一边上都至少插入一个新点.     

Latent Co-interests' Relationship Prediction

With the development of the social media and Internet, discovering latent information from massive information is becoming particularly relevant to improving user experience. Research efforts based on preferences and relationships between users have attracted more and more attention. Predictive problems, such as inferring friend relationship and co-author relationship between users have been explored. However, many such methods are based on analyzing either node features or the network structures separately, few have tried to tackle both of them at the same time. In this paper, in order to discover latent co-interests’ relationship, we not only consider users’ attributes but network information as well. In addition, we propose an Interest-based Factor Graph Model (I-FGM) to incorporate these factors. Experiments on two data sets (bookmarking and music network) demonstrate that this predictive method can achieve better results than the other three methods (ANN, NB, and SVM).     

古典概型问题的数学模型

在古典概型问题中引入了n次随机试验,n维样本点,n维随机事件和n维样本空间等概念,对解决古典概型的应用问题提供了相应的数学模型.     

New acquisition decision algorithm for multiple access interference suppression in DSSS system

For decreasing the multiple access interference of weaker signal acquisition in direct sequence spread spectrum(DSSS) systems,a new single decision algorithm is presented.The maximum value of correlation results is conventionally detected.However,there may be not only one strong peak among correlation results when the cross-correlation noise is strong enough to affect the correlation results.The proposed algorithm decreases the false alarm probability through the decision of the ratio of the maximum value and the second maximum value of the correlation results.Theoretical analysis and simulation results indicate that the proposed algorithm effectively suppresses the acquisition problem of multiple access interference in DSSS system.     

基于用户移动行为相似性聚类的Markov位置预测

由于采集点丢失或出现新用户等原因,GPS轨迹数据往往具有稀疏性,使得基于单个用户数据的位置预测准确率较低.针对这种情况,提出了基于移动行为相似性和用户聚类的Markov位置预测方法.首先,基于Voronoi图和原始GPS轨迹进行区域划分,位置预测基于区域轨迹进行;其次,提出了同时考虑用户转移特性和用户区域特性的移动行为相似性计算方法;再次,根据移动行为相似性对用户进行聚类,并在聚类的用户组上采用一阶Markov模型进行位置预测,提高了位置预测的准确性.真实GPS轨迹数据上的实验表明了所提出方法的有效性.     

泊松分布下信息安全事件概率计算模型

从信息安全事件的概率分布规律出发,根据泊松分布的基本特征,通过数学证明了信息安全事件发生频数服从泊松分布,并采用国家互联网应急中心(CNCERT/CC)统计数据验证了这一理论结果.在此基础上,基于贝叶斯定理,建立了泊松分布下的信息安全事件概率计算模型.根据泊松分布的概率质量函数,计算了信息安全事件发生频数的先验概率分布;通过构建似然函数调整先验概率分布,得到信息安全事件发生频数后验概率分布;最后,采用CNCERT/CC统计数据验证了该模型的可行性和有效性.     

基于偏微分方程的增长网络结构分析

为了研究网络的功能,需要首先研究增长网络的拓扑结构,包括网络的度分布和节点度等。当网络规模足够大时,将网络节点的度看作连续变量,根据网络演化过程中所满足的马尔科夫性,建立网络节点数量的变化方程,从而化简变形得到基于一阶双曲方程的增长网络模型。求解得到了兼具优先和随机2种连接机制的网络度分布P(k)和节点度kt0(t),同时也发现了节点度函数与双曲方程特征线之间的关系。根据网络的演化机制,通过对该增长网络模型进行随机模拟,验证了度分布与节点度理论结果的正确性。将网络的度分布计算转化为偏微分方程求解问题,将节点度的变化视为偏微分方程的特征线,将偏微分方程应用于增长网络的建模中,从而可以解析地对网络结构进行分析。