【摘 要】
：
现有的社区搜索算法难以在网络中找到满足给定复杂属性条件的社区.同时,随着网络规模的不断扩大,单机串行的社区搜索算法也已无法有效地处理大规模的网络数据.针对复杂属性条件下的clique社区搜索问题,提出一种基于Spark的搜索算法.在Spark并行计算框架的基础上,结合图的结构特征和内容属性,根据由布尔表达式定义的复杂属性条件采取不同的搜索策略,搜索时利用属性的搜索成本和扩展成本进行局部优化,从而加快搜索过程.实验结果表明,与结构优先或属性优先的社区搜索算法相比,该算法在不同属性条件、网络规模和节点数目的情
【机 构】
：
复旦大学 软件学院,上海 200441;复旦大学 计算机科学技术学院,上海 200441
论文部分内容阅读
现有的社区搜索算法难以在网络中找到满足给定复杂属性条件的社区.同时,随着网络规模的不断扩大,单机串行的社区搜索算法也已无法有效地处理大规模的网络数据.针对复杂属性条件下的clique社区搜索问题,提出一种基于Spark的搜索算法.在Spark并行计算框架的基础上,结合图的结构特征和内容属性,根据由布尔表达式定义的复杂属性条件采取不同的搜索策略,搜索时利用属性的搜索成本和扩展成本进行局部优化,从而加快搜索过程.实验结果表明,与结构优先或属性优先的社区搜索算法相比,该算法在不同属性条件、网络规模和节点数目的情况下均能保证搜索准确性并提高搜索效率.
其他文献
由于飞行高度等原因,无人机图像在实际使用中目标尺寸普遍较小、特征信息不明显,使用现有的算法对其进行目标检测存在困难.因此,提出了基于多尺度融合的图像多目标检测方法,使用Faster R-CNN为基础框架,将不同层次的特征信息进行融合,再结合上下文信息,实现了对无人机图像小目标检测.使用VisDrone2019数据集对地面车辆进行目标检查,实验证明:无人机对地面车辆目标的检测达到了较好的结果,所使用算法的精度达到88％,与其它算法相比提升了3.8％以上.
深度强化学习是指利用深度神经网络的特征表示能力对强化学习的状态、动作、价值等函数进行拟合,以提升强化学习模型性能,广泛应用于电子游戏、机械控制、推荐系统、金融投资等领域.回顾深度强化学习方法的主要发展历程,根据当前研究目标对深度强化学习方法进行分类,分析与讨论高维状态动作空间任务上的算法收敛、复杂应用场景下的算法样本效率提高、奖励函数稀疏或无明确定义情况下的算法探索以及多任务场景下的算法泛化性能增强问题,总结与归纳4类深度强化学习方法的研究现状,同时针对深度强化学习技术的未来发展方向进行展望.
为了对驾驶员的疲劳状态进行有效识别,进行了真实高速公路驾驶实验.通过无线脑电采集设备采集驾驶员在不同时刻的多导脑电数据.基于相位滞后指数对不同时刻的脑电数据分别建立邻接矩阵、二值矩阵,并构建脑功能网络,绘制脑网络地形图.利用复杂网络理论计算和分析脑功能网络节点特征参数——度,并对不同时刻的节点度进行对比.根据各个节点度的变化趋势以及驾驶员的主观判断,发现随着驾驶实验的继续,驾驶疲劳程度加深,大脑的信息处理能力降低,相位滞后指数值与节点度下降趋势明显.表明脑功能网络特征参数——度,能够作为表征大脑疲劳的客观
人脸识别技术作为一项重要的生物特征识别技术,在人们的日常生活中得到广泛应用.尽管人脸识别技术已取得明显进展,但当前的人脸识别系统仍容易受到非法用户的恶意攻击,因此人脸防伪技术成为人脸识别过程中必不可少的一个环节.在简述人脸防伪概念及常见攻击类型的基础上,分析人脸防伪方法的主要建模思路,从面向不同传感器与面向复杂场景的人脸识别系统防伪方法切入,分类阐述不同人脸防伪方法的基本原理及发展脉络.总结公开人脸防伪数据库,分析比较代表性防伪方法及其性能表现,并对人脸防伪问题的未来发展趋势进行展望.
提出了一种利用矢量网络分析仪单端口校准误差项提取互易二端口网络S参数的方法.该方法要求在不同的参考平面上分别进行两次单端口校准,然后利用两次单端口校准的误差项求解二端口网络的S参数,通过实验验证该方法的正确性.该方法可应用于负载牵引和噪声参数测量过程中阻抗调配网络的S参数提取.
针对传统区块链网络难以满足不同应用场景差异化服务质量(QoS)需求的问题,提出一种基于命名数据网络的区块链网络QoS保障方法.从实时性角度对交易和区块进行分类,为交易和区块设计新的命名空间.为不同类型的区块链数据创建各自的数据传播结构,以缓解流量的集中化程度.针对不同应用场景对实时性的要求,采用差异化路由机制对交易和区块进行排队转发.实验结果表明,该方法能够有效提高区块链网络的信息传输效率,减少网络中的冗余流量,其网内流量相比基于TCP的区块链网络约下降24％.
为了满足高精度远程溯源需求,设计和实现了一种基于光纤的远程溯源系统,根据光纤双向时间传递的高精度、高稳定的优点,将本地时间源的时间向远端高基准时间源进行溯源,系统还采用了主备路双路备份机制,保证了系统的可靠性.通过实验验证,基于光纤的远程溯源系统能够达到时差保持在2 ns以内,日频率稳定度在7×10-15内的溯源效果,同时采用本系统的主备路时间同步技术,能够实现主备路时差控制在0.5 ns以内.
比特币是一种去中心化的匿名加密货币,是目前使用最广泛的数字资产之一,具有匿名性、无主权、无地域限制的特点,匿名性的特性也使得比特币被广泛应用于各种犯罪活动.为实现比特币的去匿名化,提出一种联合特征构造方法并构建随机森林与Softmax相结合的分类模型.为更好地区分不同类型比特币的交易行为,引用交易实体的概念,按照联合特征构造方法分别从地址、实体与交易网络结构3个方面在海量的交易数据中构造特征,并将其整合成联合特征向量.实验结果表明,该实体分类模型的类别识别精确率超过0.92,其能够有效提升执法机构对虚拟货
现有实体关系联合抽取方法未充分考虑中文句子中实体关系的复杂结构特征,为此,提出一种基于图卷积神经网络(GCN)的中文实体关系联合抽取方法.在双向长短时记忆网络抽取序列特征的基础上,利用GCN编码依存分析结果中的语法结构信息,借鉴改进的实体标注策略构建端到端的中文实体关系联合抽取模型.实验结果表明,该方法的F值可达61.4％,相比LSTM-LSTM模型提高了4.1％,GCN能有效编码文本的先验词间关系并提升实体关系抽取性能.
针对小样本短文本分类过程中出现的语义稀疏与过拟合问题,在异构图卷积网络中利用双重注意力机制学习不同相邻节点的重要性和不同节点类型对当前节点的重要性,构建小样本短文本分类模型HGCN-RN.利用BTM主题模型在短文本数据集中提取主题信息,构造一个集成实体和主题信息的短文本异构信息网络,用于解决短文本语义稀疏问题.在此基础上,构造基于随机去邻法和双重注意力机制的异构图卷积网络,提取短文本异构信息网络中的语义信息,同时利用随机去邻法进行数据增强,用于缓解过拟合问题.在3个短文本数据集上的实验结果表明,与LSTM