【摘 要】
：
随着现代社会计算机的不断发展,全行业信息化数字化进程的不断推进,图数据的规模也在不断增长。在如此庞大驳杂的图数据中如何提取有用的信息即图挖掘则具有着重要的意义。并且,社交网络的兴起也促使图数据内各种社区的形成,而在其中挖掘出具有特定特征的社区,很多情况下更是NP难问题,不易设计出高效算法。同时,图数据内,时态图因其特殊的时间属性,逐渐代替传统的普通图,成为了社区搜寻领域活跃的研究对象。极大持久社区
论文部分内容阅读
随着现代社会计算机的不断发展,全行业信息化数字化进程的不断推进,图数据的规模也在不断增长。在如此庞大驳杂的图数据中如何提取有用的信息即图挖掘则具有着重要的意义。并且,社交网络的兴起也促使图数据内各种社区的形成,而在其中挖掘出具有特定特征的社区,很多情况下更是NP难问题,不易设计出高效算法。同时,图数据内,时态图因其特殊的时间属性,逐渐代替传统的普通图,成为了社区搜寻领域活跃的研究对象。极大持久社区发现方法研究致力于在时态图中搜寻出持久且紧密联系的社区,为此设计了（k,Δ）-Clique的模型。该社区具有一定规模,并且在特定时间间隔内的任意Δ长度时间段内都能保持极大团的特性。同时,为了高效地在时态图内搜寻到所有的极大的（k,Δ）-Clique社区,该研究设计了一系列算法。该算法基于普通图内搜寻极大团的传统BronKerBosch算法并做出修改,使其适应时态图内的搜寻,并且对算法进行了两次优化—区间计算优化和整体算法优化,提升了算法的效率。实验环节则先探究了自身参数对搜寻时间的影响。k值影响剪枝效果,越大剪枝效果越好,搜寻时间越小。Δ值影响社区联系紧密程度,值越小联系越紧密。对比已有的两个算法,极大持久社区搜寻算法能做到更高效地搜寻（k,Δ）-Clique社区。同时,经过实验发现,索引优化算法和整体优化算法两者运行效率在Δ上呈现相反的变化趋势,不过整体上后者效果更好。
其他文献
终身学习能够为不断增多的复杂任务提供合适的学习模型,绝大部分的终身学习方法都是为了解决灾难性遗忘的难题（即随着复杂任务数量不断增多,用新任务的数据信息训练模型会干扰到先前任务学习到的知识）,其中一种名叫少遗忘学习方法（Learning Without Forgetting,LWF）,通过知识蒸馏使得模型在学习新任务时限制参数相对于旧的任务的变化,但是,该方法复习旧的任务和学习新任务会存在不彻底的问
随着信息技术的快速发展,数字化办公加速普及。传统的纸质公文渐渐成为现代办公效率的瓶颈,电子公文成为了传统公文在数字化时代的替代物,其相关研究、应用和规范日益增多。为保障电子公文实际使用中的安全性和效率,对电子公文交换系统进行研究十分有必要。首先根据电子公文应当具有的实时可用性、真实性、安全性、权威性等特性,对系统的功能需求和非功能需求进行分析。接着对系统进行详细设计,结合无证书签名方案以保障电子公
近年来,中国的高速铁路蓬勃发展,在世界上名列前茅,通过高速铁路出行也已经成为百姓习以为常一种出行方式。为了提高高速列车上的服务质量,让人民能够享受一个现代化、高科技化的旅途,本课题将以深度学习为基础的计算机视觉技术等和高速列车结合起来,致力于为乘务员和乘客提供更好的科技体验。本课题致力于旅客服务之一的行李服务,致力于解决列车上行李误拿、行李漏拿等问题。为了实现智能化的行李服务,本课题采用了基于YO
随着社会的发展,环境污染、生活习惯、流感病毒等种种因素使得呼吸疾病的发病人群日益年轻化,由呼吸疾病引发的死亡率在城市中死亡率占据第三位,在农村中甚至占据首位。每个人的呼吸特征基本相同,呼吸的普适性是人们得以对其进行研究的基础。监测呼吸能为健康监测提供很有参考价值的数据,使医生能更有效地诊断病情,咳嗽作为一种特定的呼吸特征,对各种病情的诊断有很高的参考意义,当前的研究大多结合语音识别领域中的常用的端
随着国内经济水平的快速发展,人民的生活水平不断上升,各类企业的生产规模不断扩大,社会各处对电能的需求量也越来越大,同时电力系统的管理与调度也面临新的挑战。负荷预测是实现电力系统的管理与调度的基础性工作,潮流优化也是其中的重要一环。因此实现对未来负荷分布和大小的准确预测与实现潮流的最优化对电力系统的管理与调度具有重要意义。为了实现准确的时空负荷预测,提出了一种基于图神经网络与循环神经网络的时空负荷预
在计算存储分离数据库中,数据库的输入输出（Input/Output,IO）瓶颈转向计算节点与存储节点之间的网络IO和存储节点的磁盘IO。缓存技术用来平衡CPU与IO之间的处理速度鸿沟。由于不同负载对缓存的需求不同,一成不变的缓存配置在不同负载下会存在影响性能和浪费资源的问题,因此需要根据不同负载对计算存储分离数据库中各节点的缓存进行参数配置,从而在合理利用资源的基础上提升节点提供服务的能力。通过对
随着视频数据量的爆炸式增长,通过深度学习算法进行视频的分析渐渐变成了热门方向。本课题基于云服务构建了一套监控视频的分析系统。对视频分析的核心算法的处理主要有两个步骤。首先针对模型训练阶段,其中很多步骤需要人工干预,同时依赖专家经验。而自动机器学习可以使这些步骤自动的完成,同时得到性能良好的模型。本课题基于NNI的自动机器学习工具进行模型的自动超参数调优,同时在模型的推理阶段,基于Triton In
随着航天技术和计算机技术的发展,遥感技术实现了蓬勃发展的趋势,怎么样对海量的遥感图像进行处理并且从中获取有效的信息,已经成为遥感领域的核心问题。在遥感领域中,对遥感图像的有效地物分割是遥感技术研究的基础,也是领域中的热点问题,因此从遥感图像中得到有效地物分割结果图是遥感技术发展的重中之重。基于深度学习的地物分割方法能够提取遥感图片中定位信息和语义信息,从而对遥感图片实现端到端的地物分割。采用深度学
基于图像的三维重建是计算机视觉领域的一个重要研究方向,而多视图立体视觉作为其中最为高效鲁棒的方法,得到了非常广泛的研究。传统的多视图立体视觉通常可以重建出精度较高的模型,但是依赖于手工设计的特征描述子与代价函数,这难度较大并且处理效率通常不高。最近,一些基于深度学习的多视图立体视觉方法也展现出可以与传统方法相比较的重建质量。但是由于模型的复杂性,目前这些方法生成较低分辨率深度图的同时占用大量的显存
随着科学技术的发展,人脸三维重建技术在计算机图形学领域越来越重要,该技术在人机交互、电影、3D游戏等领域有着广泛的应用。在虚拟人物的面部动画中,如何使人脸口型动作和语音保持同步一直是研究热点。为了重建出语音对应的口型,需要进行语音特征分析,口型特征分析和口型重建等过程。传统方法在重建口型时,无法在保证匹配精度的同时兼顾制作效率,这使得良好的口型动画制作过程效率低且成本高。本文对三维人脸的语音和口型