【摘 要】
：
复杂网络主要是由若干个节点和节点之间关系所组成。在我们的现实世界中,各个领域的关系网络,包括数据、物理、生物学和电子计算机等都已经被抽象出来,形成许许多多的复杂网络。有研究结果表明,社区内部形成的网络结构在复杂的大型社交网络中普遍存在。社区发现作为目前主要研究复杂网络的关键技术和核心问题,可以通过检测各种复杂网络的潜在模型,实现进一步的应用研究,其中重叠社区是社区发现过程中的一个核心部分,对复杂网
论文部分内容阅读
复杂网络主要是由若干个节点和节点之间关系所组成。在我们的现实世界中,各个领域的关系网络,包括数据、物理、生物学和电子计算机等都已经被抽象出来,形成许许多多的复杂网络。有研究结果表明,社区内部形成的网络结构在复杂的大型社交网络中普遍存在。社区发现作为目前主要研究复杂网络的关键技术和核心问题,可以通过检测各种复杂网络的潜在模型,实现进一步的应用研究,其中重叠社区是社区发现过程中的一个核心部分,对复杂网络的分析具有重大意义。针对目前重叠社区发现算法的时间复杂程度相对比较高,社区发现的稳定性相对比较差的问题,本文第三章提出一种基于三级邻居节点影响力分析的重叠社区发现算法OCDITN。该算法使用三级邻居节点影响力度量方法TIM计算各个节点间的影响力,并根据各个节点间的影响力来确定选择和更新各个节点的时间顺序;在节点的标签更新的策略中,根据计算节点与其邻居之间的相似度确定邻居节点标签的更新顺序,最终计算各节点标签隶属度并发现重叠社区。实验分别基于人工模拟网络数据集和真实世界网络数据集进行测试,与SLPA、LPANNI、COPRA算法相比,该算法在EQ和Qvo两个评价标准上性能分别提升7%和12%,社区划分结果更稳定,社区划分质量更高。本文第四章将传统的标签传播算法扩展到对复杂网络中重叠社区的检测之中,提出了基于节点影响力的标签传播算法NILPA,该改进的标签传播算法大致可以分为两个主要核心部分,第一部分是利用LeaderRank算法计算每个节点的影响力,作为第二部分标签传播阶段选择节点进行优先传播顺序的依据;第二个部分是标签传播阶段,利用LPA标签传播算法对节点进行了社区隶属处理,最后输出一个重叠社区。在人工数据集与真实数据集的试验结果显示,NILPA算法的可靠性要远远高于其他比较算法
其他文献
液晶透镜自1979年被提出以来就备受国内外众多相关科研工作者的重视。基于液晶材料的光电特性,使液晶材料应用于透镜时可以在不改变自身形状的情况下,依靠控制空间电场分布来改变液晶的折射率,其光学性能的调节得以实现。相较于传统变焦透镜,液晶透镜具有体积小、变焦灵活、无机械磨损等优势,在光学影像、光电系统、生物医学等众多领域上具有巨大应用潜力。空间电场分布的控制是液晶透镜调节光学性能的关键,本文针对液晶透
随着深度学习和计算设备的不断发展,复杂模型能够实时运行在并行计算设备中,使得人工智能技术从理论研究走向了实际应用。场景理解是计算机视觉技术中主要领域之一,其通过捕获数据间的上下文关系,实现对客观世界的认知。随着汽车智能化的不断推进,自动驾驶汽车成为研究热点之一。在自动驾驶技术中,道路场景理解能够分解道路交通中的要素,是使汽车能够路径规划与决策的先决条件之一。针对于不同的交通要素,结构化的分解适应不
贴面板材是定制家居行业最常用的成品板材,约占70%以上。在贴面板材的生产过程中,板材封边的质量直接影响了成品板材的品质优劣。现今,板材封边后的质量检测任务绝大部分依靠质检员目测完成。但该方法检测速度慢、精度低并且结果不稳定。本文致力于研究出一套基于机器视觉的板材封边缺陷检测系统,以达到较高的缺陷检测精度、并且能稳定地输出检测结果。本文首先分析了机器视觉系统的各组成要件和缺陷检测中的主流算法,研究不
在对海洋进行水下声学探测时,水面与海底之间的区域构成其测量范围,其中,海底沉积物作为下边界,其声学特性是海洋声学探测的重要研究内容之一,与海洋科学的发展以及海洋开发和建设息息相关。目前对于海底沉积物声学特性的研究主要基于实验室声学测量,但由于脱离了原位环境,其测量结果与原位测量相比存在偏差,这种偏差的变化机制和程度一直是悬而未决的问题。因此,有必要研制一种海底沉积物压力环境模拟声学测试系统,用以研
推荐系统出身于互联网时代,用于解决大规模信息爆发问题,可以有效帮助人们在数字大海中寻找需要的信息或商品。目前,互联网公司大多都为他们的系统配备了推荐引擎来取得更好的收益,比如美国著名的电子商务网站亚马逊,其收入的百分之30得益于在线系统部署的推荐引擎。在国内,同样有一大批公司在其在线系统上使用着推荐技术。例如淘宝、京东、拼多多等人们经常使用的在线购物服务商;网易云、爱奇艺等娱乐服务供应商等,正是这
随着万物互联时代的到来,物联网对射频集成电路的功耗、成本、性能要求越来越高。低噪声放大器作为射频接收机系统中的首级电路,它的性能决定了接收机系统性能的上限。传统的低噪声放大器电路结构越来越难以满足产品应用的需求,因此本文针对物联网这种低功耗低成本的应用提出了一种低噪声放大器电路结构以及一种有源电感电路结构,该结构在保证性能能满足应用需求的前提下,面积可以做到0.01 mm2以下,成本方面具有较大优
进入二十一世纪以来,信息化技术、计算机技术、网络通信技术等相关科学技术的快速发展在方方面面极大地改变了人们的生产生活方式。由于众多工程实践中的被控对象愈发复杂,伴随着网络在实际系统中的广泛应用,控制系统逐渐向分布化、智能化发展。对于网络化系统,由于实际生产生活中,其系统节点往往数量众多,因此,各节点间的通信数据量庞大,这给传输网络带来了较大的压力。同时,为了减轻控制器对大量测量反馈信号的计算所带来
随着智能制造业和工业4.0的不断发展,机器人正逐渐应用于复杂的装配任务,然而传统机器人技术难以满足实际应用需求。近年来,在人工智能技术取得不断突破前提下,业界和学界都在探索如何通过人工智能技术实现机器人自主装配作业。当前已有机器人自主装配技术严重依赖于固定的装配动作或预设过程。存在装配成功率低、任务泛化性不足和环境适应性差等瓶颈问题。鉴于此,本文基于多模态感知技术与深度强化学习理论,开展基于多模态
短期电力负荷预测（Short-term load forecasting,STLF）在电力系统的自动化控制、电力安全、市场运营、调度方案优化等方面发挥着重要作用,其预测范围一般为提前1天～1周。由于电力负荷序列本身的非线性、非平稳等特征以及各种影响因素对负荷的复杂影响,很难实现高精度的短期负荷预测。本文提出一种结合相似日选择（Similar Day Selection,SD）、变分模态分解（Var
随着互联网技术的高速发展以及互联网与人类生活融合的不断加深,网络在给人们带来各种便利的同时,人们所面临的网络安全问题也越来越多样:从盗取系统管理员密码、窃取私人信息与隐私,到攻击学校、政府、医院等单位服务、信息系统,破坏了系统机密性,完整性与可用性,造成社会巨大经济损失。因此网络入侵检测技术的研究也越发必要。随着深度学习理论的提出,深度学习算法在不同领域发挥着不可替代的作用,在入侵检测领域也发展迅