【摘 要】
：
社交网络的关键节点识别是网络数据挖掘的基本研究问题,根据用户角色辨识网络的关键用户对提升网络拓扑结构的稳定性具有重要意义.针对有向社交网络的节点重要度分析和用户角色识别,本文考虑网络的拓扑结构、节点的属性和节点之间的相互影响,提出新度量—拓扑势距离TPD,挖掘网络中的关键节点;提出一种基于二维有向拓扑势的用户角色识别模型,根据节点的有向拓扑势和局部影响力划分4类用户角色.以3个真实有向社交网络为例,剖析用户角色识别结果,分析拓扑势距离与7项常用的节点重要度指标(中心性指标、PageRank等)间的相关性,
【基金项目】
：
国家社会科学基金项目(17BXW069)资助。
论文部分内容阅读
社交网络的关键节点识别是网络数据挖掘的基本研究问题,根据用户角色辨识网络的关键用户对提升网络拓扑结构的稳定性具有重要意义.针对有向社交网络的节点重要度分析和用户角色识别,本文考虑网络的拓扑结构、节点的属性和节点之间的相互影响,提出新度量—拓扑势距离TPD,挖掘网络中的关键节点;提出一种基于二维有向拓扑势的用户角色识别模型,根据节点的有向拓扑势和局部影响力划分4类用户角色.以3个真实有向社交网络为例,剖析用户角色识别结果,分析拓扑势距离与7项常用的节点重要度指标(中心性指标、PageRank等)间的相关性,
其他文献
手势识别研究与人机交互和谐发展具有密不可分的联系,因此具有重要研究意义.针对传统手势检测算法空间不变性较弱,手势识别效率较低等问题,本文提出基于改进YOLOV3网络与贝叶斯分类器相结合的手势识别深度学习模型.首先采用空间变换网络对YOLOV3网络进行改进,处理手势信息,提取关键性手势特征,解决了数据易受影响问题并且增强了网络不变性;然后将网络提取出的特征进行降维操作,减少冗余信息;再通过贝叶斯分类
针对现有大多数基于暗原色先验图像去雾算法对天空区域的透射率和整体大气光值估计不精确的问题,提高去雾算法的性能,本文提出了结合天空分割和条件生成对抗网络的单幅图像去雾方法.首先,提出一种可行的基于阈值的天空分割算法把图像分割为天空区域和非天空区域,并在天空区域中估计出大气光值;然后,利用改进的条件生成对抗网络实现对透射率的精确估计;最后,根据大气散射模型恢复无雾图像并对其进行对比度增强处理.实验表明
该文针对不规则干扰导致文字图片字符识别率下降的问题,提出一种基于U型网络框架和部分卷积运算的文字图片修复模型.首先,针对常见字体的干扰问题,通过图像融合建立干扰文字图像数据库,在逐像素损失、感知损失和全变分损失的共同约束下,根据已有笔画细节对污损部分进行修复,并对污损汉字的字体形状和笔画走向的细部特征进行复原;其次,使用光学字符识别接口对修复前后图片进行测试并计算识别率;最后,将该文算法初步应用于
高效视频编码(HEVC)在H.264之上实现了显著的编码性能.但是却以明显的编码复杂度为代价获得了性能上的提高,其中,由于对所有可能的编码单元(CU)进行基于率失真优化的遍历搜索
颅内出血区域结构不明确且存在伪影和其他脑组织等噪声对分割任务造成了极大的影响.针对这类问题,为提高颅内出血分割的性能,本文提出了融合密集连接与注意机制的颅内出血分割方法,在全卷积网络的编码器部分引入密集连接块进行颅内出血特征提取,但从编码器中提取的特征并非所有都可用于分割,为此,本文将融合空间和通道注意力的注意力机制融入网络架构中,在空间和通道方面对颅内出血特征进行加权,捕获丰富的上下文关系,获取
为了降低下一代通用视频编码(VVC)帧内预测编码单元(CU)划分的计算复杂度,提出一种基于梯度幅值相似度的CU快速划分方法.首先,计算当前编码单元下层的四个子编码单元的平均梯度幅值相似度偏差(M GM SD),根据该信息来确定当前编码单元是否进行四叉树划分或不划分.其次,当不满足四叉树划分和不划分的条件时,通过遍历得到三叉树划分和二叉树划分的子块像素方差的方差,根据该信息来选择二叉树和三叉树中最佳的划分方式.在全I帧条件下,本文方法与VTM7.0(VVC Test Model 7.0)标准模型相比,编码时
RDMA是在高性能计算中应用最广泛的网络通信技术,以高吞吐、低延迟、低CPU占用而著称.随着高性能计算向云环境迁移,如何在虚拟机环境下高效地利用RDMA通信成为一个研究热点.本文针对高性能应用最常使用的MPI/RDMA通信库,提出在虚拟机环境下的通信优化方案VMPI.VMPI采用连接虚拟化、控制路径与数据路径分离等技术来满足云环境的要求,通过在数据路径上实现对大消息的零拷贝传输来降低端到端通信延迟.实验表明,相比于传统的RDMA虚拟化实现,VMPI可将MPI的点对点通信延迟减少40%左右,并可降低应用基准
光伏产业的面积统计是一个具有挑战性的问题,通过深度学习自动获取光伏面板的面积是一个可行的方案.为了快速准确地获取光伏面板的分布情况,本文设计了一个卷积神经网络模型用于提取遥感图像中的光伏面板.首先,以Res Net作为主干网络,结合金字塔池化模块构建了一个多尺度模型,以此表达各种尺度的光伏面板的视觉特征.然后,引入了非局部操作,融合长距离的上下文依赖关系,利用目标之间空间上的相关性更准确的提取前景
基于卷积神经网络的去噪方法对图像的加性高斯白噪声去除效果良好,但对图像的真实噪声去除效果欠佳.本文对加性高斯白噪声和真实噪声的灰度直方图进行统计分析,根据两者之间的分布差异构建出一个基于注意力机制的端到端盲去噪网络LDFNet,有利于学习真实噪声图像的复杂像素分布特征.LDFNet网络包含3个部分:特征自适应学习模块(L)、多尺度残差密集模块(D)与特征多路径融合模块(F).其中,模块L基于通道注
渗出液是糖尿病视网膜病变(Diabetic Retinopathy,DR)早期出现的特征之一,也是判断糖尿病视网膜病变严重性的重要指标.由于渗出液在亮度特征上与视盘具有很大的相似性,渗出液的分割通常需去除视盘的干扰.为了加强图像的细微特征,本文提出了一种新的图像增强方法预处理方法,使得渗出液比视盘具有更高的对比度.深度U-net在训练样本较少且对稀疏性目标分割时具有较好的效果.本文在U-net结构