基于均值漂移图聚类的复杂网络社区发现方法

来源 :通信学报 | 被引量 : 0次 | 上传用户:wang1224
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
现今图聚类复杂网络社区发现方法主要关注于网络拓扑结构,没有考虑节点间的属性相似性。利用结构和属性相似性融合,结合距离函数的间接连接路径,实现对均值漂移图聚类的优化。最后,利用真实复杂网络数据集对所提方法进行分析。实验结果表明,所提方法较其他社区发现方法更高效准确,且适用于大规模复杂网络数据集。
其他文献
针对天地一体化网络环境中网络时变性和业务时延确定性保障之间的矛盾,构建了随机时变图模型,并基于该模型提出了时间确定性网络路由算法。首先,将空间信息网络最大概率时延保障路由计算问题建模为非线性规划问题。为解决该问题,提出了随机时变图模型,联合表征了由业务随机性导致的链路、存储与时间资源的随机特征,并且表征了存储与链路资源的关联关系,为链路资源利用率的提升与业务的时间确定性保障提供了模型基础;在此基础
针对现有基于区块链的业务过程管理系统中过程实例化成本较高、版本迭代困难等问题,提出了一种编排图驱动的区块链业务过程管理框架。该框架包含一个可用于存储业务过程编排元模型、模型部件演化版本和实例执行状态的通用智能合约,其通过延迟模型元素实例化时机和集成多过程实例,可大幅降低区块链上过程模型实例化成本。同时,该框架引入基于模型数据复用和投票机制的版本控制方法,使其能够在单个智能合约中创建不同版本编排模型
为实现理性委托计算中的经济与信誉公平性,基于密码学的区块链模型提出了通用可组合(UC)框架下的公平理性委托计算方案。首先,结合直接信誉和间接信誉构建关于委托方与计算方的双向信誉激励模型。其次,基于博弈论构建具有完美信息的理性委托计算动态博弈模型,分析得到唯一子博弈纳什均衡。再次,根据理性委托计算场景中的可验证性安全需求、参与者理性决策需求、经济与信誉公平需求以及敌手模型,基于通用可组合理论提出公平
针对基于深度学习的高容量图像隐写方案存在的载体图像和含密图像的残差图像会暴露秘密图像的问题,提出了结合图像加密和深度学习的高容量图像隐写算法。该算法设计使用了一种图像特征提取方法,使得从载体图像中提取的特征与从含密图像中提取的特征是一致的。发送方在图像隐写前,从载体图像中提取特征作为密钥,用来加密秘密图像。提取方提取加密过的秘密图像后,从含密图像中提取特征作为密钥,用来解密秘密图像。实验结果表明,
针对边缘计算系统中边缘服务器面临的拒绝服务(DoS)攻击问题,提出了一种基于并行运行时验证的DoS攻击检测方法。首先,使用命题投影时序逻辑(PPTL)公式形式化描述边缘服务器预期行为和DoS攻击特征;进而,针对待验证PPTL公式,采用并行运行时验证框架,充分利用边缘服务器的计算与存储资源,对程序运行状态进行异常检测和误用检测。利用所提方法,对一个实际的基于边缘计算的点对点(P2P)网络智能停车系统
针对已有身份基环签名的安全性证明难以在标准模型下实现的问题,提出标准模型下可证明安全的身份基环签名方案。首先,给出了身份基环签名安全模型和敌手模型的形式化定义。然后,基于素数阶群上的非对称对构造了一个具体的身份基环签名方案。最后,给出了该方案的安全性分析和性能分析。安全性分析结果表明,所提方案通过采用对偶系统加密技术实现了标准模型下的可证明安全性。性能分析结果表明,所提方案有效提升了方案中各算法的
天地一体化信息网络的安全需求动态变化、威胁动态变化、防护技术动态变化等特征导致已有的安全防护技术不再适用于天地网络。针对上述需求,提出了融合安全服务能力编排、安全态势分析、安全威胁处置指挥等于一体的天地一体化信息网络安全动态赋能架构,并形式化定义了该架构;然后提出了一种对威胁处置效果的双重判定方法,并基于信念熵证明了双重判定的可信性。
为了解决以无人机作为中继的传统双向通信网资源利用率低的问题,提出了一种基于物理层网络编码的资源优化算法。考虑无人机中继通信网的传输功率约束、无人机最大速度约束和物理层网络编码的同步性需求,建立了联合优化传输功率和无人机轨迹设计的资源分配模型以达到最小化系统中断概率的目的。通过将原非凸问题解耦为2个子问题,并基于KKT条件、拉格朗日对偶法和次梯度法提出了一种迭代算法,实现轨迹设计和最佳系统功率分配的
为解决现有构造式隐写方法隐藏容量小和秘密信息难以提取的问题,提出一种基于轮廓自动生成的构造式图像隐写方法,具体包括以秘密信息为驱动的轮廓线生成和从轮廓线到图像变换2个过程。首先,建立基于长短期记忆网络(LSTM)的轮廓自动生成模型,实现以秘密信息为驱动的图像轮廓线生成;然后,建立基于pix2pix模型的轮廓-图像可逆变换模型,将轮廓线变换为含密图像。该模型也支持含密图像到轮廓的逆变换,从而实现秘密
针对现有离群点检测算法在复杂数据分布和高维度数据集上精度低的问题,提出了一种基于相对熵权密度离群因子的离群点检测算法。首先引入熵权距离取代欧氏距离以提高离群点检测精度。然后结合自然邻居的概念对数据对象进行高斯核密度估计。同时提出相对距离来刻画数据对象偏离邻域的程度,提高所提算法在低密度区域检测离群点的能力。最后提出相对熵权密度离群因子来刻画数据对象的离群程度。在人工数据集和真实数据集下进行的实验表