【摘 要】
：
随着图规模的急剧增长,对动态图进行实时处理的需求日益增加.大多现有的算法针对静态图划分是有效的,直接用其处理动态图会带来较大的通信开销.针对该问题,提出一种基于GN算法的动态图划分方法.首先收集一段时间内加入动态图中的顶点;然后,利用GN算法对这些新加入的顶点进行预划分,产生若干个内部联系紧密的社区;最后,将预划分产生的社区结果插入到已经划分好的当前图中.实验从交叉边数和负载均衡度两方面将该方法与传统流式划分方法进行比较,结果表明,在公开数据集上,该方法的交叉边数降低了13％,负载均衡度减少了42.3％.
【机 构】
：
西安科技大学计算机科学与技术学院,陕西西安710054
论文部分内容阅读
随着图规模的急剧增长,对动态图进行实时处理的需求日益增加.大多现有的算法针对静态图划分是有效的,直接用其处理动态图会带来较大的通信开销.针对该问题,提出一种基于GN算法的动态图划分方法.首先收集一段时间内加入动态图中的顶点;然后,利用GN算法对这些新加入的顶点进行预划分,产生若干个内部联系紧密的社区;最后,将预划分产生的社区结果插入到已经划分好的当前图中.实验从交叉边数和负载均衡度两方面将该方法与传统流式划分方法进行比较,结果表明,在公开数据集上,该方法的交叉边数降低了13％,负载均衡度减少了42.3％.由此可见,该方法的划分质量明显优于传统的流式划分方法.
其他文献
目的:分析在发热门诊的护理工作开展当中,健康教育的实施效果.方法:选择我院发热门诊在2021年1月至9月期间接诊的94例患者为研究样本,将所有患者随机均分成对照组(n=47)及研究组(n=47),给予对照组患者常规方式护理干预,研究组患者则需接受健康教育干预,对两组患者的护理满意度进行比较.结果:研究组患者接受干预后的护理满意率远高于对照组,相关数据进行比较后存在统计学差异(P＜0.05).结论:针对发热门诊患者的护理方式选择而言,给予健康教育的效果较好,该方案可行性较强.
针对软件缺陷预测中数据维度的复杂化和类不平衡问题,提出一种基于代理辅助模型的多目标萤火虫算法(SMO-MSFFA)的软件缺陷预测方法.该方法采用了多组策略萤火虫算法(MSFFA),以最小化数据的特征选择比率和最大化模型评测A UC值为多目标目标函数,分别以随机森林(RF)、支持向量机(SVM)和K近邻分类算法(KNN)为分类器构建软件缺陷预测模型.考虑到进化算法自身的迭代特点,嵌入代理模型离线完成部分个体评价函数的计算,以缩短计算耗时.在公开数据集NASA中的PC1、KC1和MC1项目上进行实验验证,与N
引入了n元伪加权有穷自动机——带有n个有限字符集的伪加权有穷自动机、分明型n元伪加权有穷自动机和确定型n元伪加权有穷自动机的概念.根据状态转移函数在每个字符集上是否带空转移,将以上自动机分为4类:带r-型空转移的n元伪加权有穷自动机和带空转移的n元伪加权有穷自动机和带r-型空转移的分明型n元伪加权有穷自动机和带空转移的分明型n元伪加权有穷自动机.给出了以上自动机所识别语言的定义并探究了它们之间的关系,讨论了状态转移函数在每个字符集上是否带空转移对其接受语言的影响.
针对实际场景中目标检测算法部署算力缺乏和资源不足的问题,提出了一种基于改进通道和层剪枝的模型剪枝方法,通过设置自适应局部安全阈值以改进通道剪枝,同时通过综合评价整个残差结构值的方法进行层剪枝,并将模型剪枝方法用于口罩人脸检测.首先采用基于人脸的数据扩增方法构建口罩人脸检测数据集并使用该数据集训练YOLOv4目标检测网络;然后使用改进通道和层剪枝的模型剪枝方法对YOLOv4模型进行剪枝得到不同的剪枝模型,将这些剪枝模型在口罩人脸数据集上与YOLOv4和YOLOv4-tiny进行对比实验.性价比最高的剪枝模型
针对噪声污染、光照变化等复杂环境下人脸图像识别问题,提出一种改进标签一致KSVD字典学习的人脸识别算法.该算法通过改变标签一致KSVD算法的字典更新方式,用主成分分析算法分解误差项,用最大特征值对应的特征向量修改字典原子.通过字典学习过程得到原子与类别标签对应的判别性字典.目标函数综合了重建误差、稀疏编码误差和分类误差.最后,在分类阶段利用学习到的字典和分类器参数对测试样本进行分类.在有光照变化的Ex tend Yale B人脸库、表情变化以及遮挡影响的A R人脸库上分别取得了99.01％ 和97.94％
为解决水下机器人AUV自主航行问题,在水底环境状态已知的条件下,利用一种改进的蚁群算法研究AUV在复杂水底环境下的路径规划问题.首先基于栅格法建立水下三维环境模型,在该模型中每只蚂蚁采用分层前进与栅格平面法相结合的搜索模式搜索路径.根据水下自主机器人的速度和在水底的受力情况,来确定水下机器人能耗模型和路径规划的数学模型.在传统蚁群算法的基础上,基于Dij kstra算法改进初始信息素分配,考虑到水下水流的作用,不同的路径点消耗的能量有所差异,因此构造新的启发函数来消除这种影响.通过基于线性回归的信息素更新
移动互联网和LBS技术的高速发展使得位置服务提供商可以轻松收集到大量用户位置轨迹数据,近期研究表明,深度学习方法能够从轨迹数据集中提取出用户身份标识等隐私信息.然而现有工作主要针对社交网络采集的签到点轨迹,针对GPS轨迹的去匿名研究则较为缺乏.因此,对基于深度学习的GPS轨迹去匿名技术开展研究.首先提出一种GPS轨迹数据预训练方法,经过子轨迹划分、位置点转化和位置点嵌入,原始GPS轨迹中的空间距离和上下文信息被嵌入到定长向量中,使得GPS轨迹数据能够作为神经网络的输入.其次提出一种基于深度神经网络训练的G
密文策略属性加密为基于云存储的物联网系统提供了一对多的访问控制,然而现有方案中存在开销大、粒度粗等问题.基于此,结合雾计算技术提出了一种支持计算外包的微型属性加密方案.该方案缩短了密钥与密文的长度,减少了客户端的存储开销;将部分计算转载到雾节点,提高了加解密效率;具有更加丰富的策略表达能力,并且可以快速验证外包解密的正确性.安全分析结果表明,该方案具有选择密文攻击下的不可区分性.性能评估结果表明,该方案能够为雾计算中终端设备受限时的数据存储提供高效的访问控制.
深色含油食品在指示剂滴定酸价时,由于油脂颜色较深,存在干扰,难以判断滴定终点,导致检测结果存在偏差.本试验采用不同方法测定酸价,并对电位滴定仪器参数进行优化,提高深色油脂酸价检测的准确度.结果表明,电位滴定法可以避免油脂本身颜色的干扰,具有准确度高、操作简单、精密度好的特点,更适用于深色食品中油脂酸价的测定.
图自编码器GAE是一种源自图神经网络的学习框架,在编码器中引入聚合邻域节点的思想,解码器对图结构数据进行解码,重构图结构数据;在模型中引入监督模块,可以提高图结构数据在模型中的嵌入完整性和数据生成的准确性;编解码可以采用不同的神经网络,从而利用不同神经网络的优点.近年来GAE推荐逐渐成为推荐系统研究的热点.从无监督学习与半监督学习方面分析了已有GAE推荐研究取得的进展;探讨了已有GAE推荐模型存在用户冷启动问题、可解释性差、模型复杂度高和难以处理数据的多源异构性等方面的问题;并从跨领域推荐,结合传统推荐方