【摘 要】
：
为解决异质信息网络社区发现问题,提出一种基于超图和K-means改进的算法。引入超图对异质网络进行建模,通过DeepWalk的深度随机游走产生节点序列,利用Skip-gram模型将网络节点序列映射到一个低维的向量空间,通过节点向量间距离进行聚类完成社区发现。针对传统K-means在初始聚类中心选择的敏感性问题,提出一种基于密度基尼系数的聚类中心选取方法。在两个真实数据集上进行了实验,实验结果表明,
【基金项目】
：
国家自然科学基金项目(61562065)。
论文部分内容阅读
为解决异质信息网络社区发现问题,提出一种基于超图和K-means改进的算法。引入超图对异质网络进行建模,通过DeepWalk的深度随机游走产生节点序列,利用Skip-gram模型将网络节点序列映射到一个低维的向量空间,通过节点向量间距离进行聚类完成社区发现。针对传统K-means在初始聚类中心选择的敏感性问题,提出一种基于密度基尼系数的聚类中心选取方法。在两个真实数据集上进行了实验,实验结果表明,该算法不仅能够完成异质信息网络的社区划分,且社区识别精度高。
其他文献
由于斜拉索索力的准确计算与测量对桥梁建设与养护具有重要的工程意义,提出一种自适应模糊神经网络索力估计与拟合分析方法。基于弦振动理论与切比雪夫级数方法推导弹性边界条件下拉索振动频率方程,建立索力与频率间的函数关系,利用自适应模糊神经网络对索力-基频关系进行拟合修正。通过搭建索力实验平台来验证该方法的有效性。实验结果表明:设计的推理系统使得训练平均误差小于0.15 N,测试平均误差小于0.30 N,其
教材德目指标是学校道德养成体系中教材选用的重要标准之一,对提供个性化德育信息服务具有重要意义。目前该方面的量化评估的研究有限,评估具有主观特点,效率不高。针对这一问题,对上海中小学教材短文本德目指标进行研究,提出基于深度学习的短文本分类模型IoMET。采用数据增强技术和卷积神经网络对教材短文本进行深度学习,并使用精确率、召回率和F1-度量值进行评价。实验结果表明,IoMET模型对德目指标的预测效果
SDPBloom算法减小了基于简单发现协议的自动发现算法SDP_ADA的网络数据传输量和内存消耗,但在自动发现过程中存在哈希运算量大的问题,导致参与者端点之间发布/订阅消息的时间过长。为解决这一问题,在简单发现协议的基础上,提出一种基于单哈希多维布隆过滤器的自动发现算法SDP_OMBF。该算法将单哈希多维布隆过滤器向量(OMBF)用于参与者端点信息的匹配。实验结果表明,该算法提高了数据分发服务(D
分布式学习是减轻现代机器学习系统中不断增加的数据和模型规模压力的有效工具之一。DANE算法是一种近似牛顿方法,已被广泛应用于通信高效的分布式机器学习。其具有收敛速度快且无须计算Hessian矩阵逆的优点,从而可以在高维情况下显著减少通信和计算开销。为了进一步提高计算效率,就需要研究如何加快DANE的局部优化。选择使用最流行的自适应梯度优化算法Adam取代常用的随机梯度下降法来求解DANE的局部单机
针对各个地区的实际情况进行道路、交通等不同点应选择更加适合的快速路设计形式,基于此,介绍了城市快速路的定义、特点及设计要点,分析了城市快速路的系统设计、空间设计思路,并提出了城市快速路设计的逻辑关系分析方法.
顶点数较少的3D模型本身细节不够丰富,浅浮雕建模生成的浮雕效果较差。针对低分辨率3D模型本身细节不够丰富的问题,引入深度学习的方法对3D模型生成的法向图做超分辨率放大,设计出一种基于法向图的超分辨率卷积神经网络,丰富低分辨率法向图的细节,网络的输入是低分辨率3D模型的法向图,输出是高分辨率法向图。实验结果表明:该算法可以有效提升低分辨率法向图的细节,显著提升低分辨率3D模型的浅浮雕建模质量。
为了更准确地构建非刚体三维网格模型之间的形状对应关系,提出一种改进的热核特征分析与研究三维网格模型之间的局部对应关系。该方法利用压缩流形模式压缩三维网格模型的特征函数,截取局部顶点;利用乘法器交替方向(ADMM)优化计算三维网格的压缩流形基替换传统的离散化拉普拉斯-贝尔特拉米算子以改进热核特征;选取相同的压缩部位进行局部的对应匹配。实验结果表明,基于改进的热核特征与传统的离散化热核特征相比有更加突
为提高公路路网管理与应急处置能力,回顾了二广中连州至怀集公路项目交通情况调查站的系统整体布局、站点布设方案和数据传输方案.通过分析可知,从系统整体布局来看,广东省交调数据中心是数据汇集中心,也是统一出口,高效实现了数据共享.从站点布设方案来看,列出了13条应设站点的原则,反映出不同层级用户关注的重点区域、通道和路段交通情况.从数据传输方案来看,设备安装方便、建设成本低、周期短、数据传输高效可靠.应用交通情况调查采集系统,可以有效改善公路路网管理与应急处置能力,值得进行推广.
针对传统数据分析方法对高维数据进行聚类分析时存在的操作过程繁琐及准确率低等缺陷,提出基于曲线距离分析的嵌入式增强聚类算法(ECE-CDA)。计算高维空间中数据点之间的成对曲线距离并由聚类引导将其映射到低维空间,构造权重函数保持局部拓扑结构不变性。该算法简化了数据分析过程,同时实现降维和聚类,可作为通用的高精度框架。在12个公共数据集上的实验结果表明,该算法能有效进行数据降维并大幅提高模型的聚类精度
为了提高社交网络中用户影响力识别的准确率,提出一种基于灰狼优化算法的社交网络影响力检测算法。该算法考虑邻居节点和非邻居节点来决定用户间的相似性,并且设计迭代合并的自适应社区检测算法,无需社区数量等先验信息。在用户影响力的识别过程中,采用灰狼优化算法寻找影响力最高的用户,并为灰狼优化算法补充两个变异算子,增加种群的多样性。基于真实数据的实验结果表明,该算法的局部影响力识别准确率和全局影响力识别准确率