【摘 要】
：
基于电子信息类部分企业专利合作申请的数据构建了加权合作网络,针对加权合作网络中边权值分布和点强度分布呈现的厚尾效应和幂率特征的问题,通过对网络的动态演化结构参数和统计特征进行分析构建了一种新的加权合作网络模型。从理论分析和数值仿真实验两方面对该模型进行了分析和研究,证明了该模型的科学性,实验结果出现了与现实网络一样的厚尾和幂律特征。结合现实网络给出了电子信息类的部分企业合作现状及其原因分析,为该行
【基金项目】
：
国家自然科学基金资助项目(71471106),国家教育部博士点教师专项资助项目(20133704110003)
论文部分内容阅读
基于电子信息类部分企业专利合作申请的数据构建了加权合作网络,针对加权合作网络中边权值分布和点强度分布呈现的厚尾效应和幂率特征的问题,通过对网络的动态演化结构参数和统计特征进行分析构建了一种新的加权合作网络模型。从理论分析和数值仿真实验两方面对该模型进行了分析和研究,证明了该模型的科学性,实验结果出现了与现实网络一样的厚尾和幂律特征。结合现实网络给出了电子信息类的部分企业合作现状及其原因分析,为该行业以后的发展提供一些参考。
其他文献
否定选择算法(NSA)是免疫检测器生成的重要算法。传统否定选择算法在亲和力计算过程中未考虑不同种类抗原关键特征与冗余特征之间的差异性,存在算法检测性能较低的问题。对此,提出了一种基于抗原软子空间聚类的否定选择算法(ASSC-NSA)。该算法首先利用抗原软子空间聚类计算出不同种类抗原的各个关键特征及其权值,然后通过这些关键特征引导检测器生成以有效地减少冗余特征的影响,从而提高算法检测性能。实验结果表
随着社会经济不断发展,我国畜牧养殖行业发展迅速,其中牛养殖业无论是养殖规模还是养殖技术,均有了长足的发展和提高,对于牛养殖过程中的疫病鉴别及综合防治科学性和有效性,
牛羊等反刍动物在贪食大量易发酵的食物后，瘤胃中会集聚大量气体导致瘤胃胀气，往往牛都会出现呼吸困难或是心脏麻痹等一系列的状况。此时就需要及时的对病牛进行医治，无论是瘤胃
针对符号序列聚类中表示模型及序列间距离度量定义的困难问题,提出一种基于概率向量的表示模型及基于该模型的符号序列聚类算法。该模型引入符号序列的概率分布表示法,定义了一种基于概率分布差异的符号序列距离度量及该模型的目标函数,最后给出了一种符号序列K-均值型聚类算法,并在来自不同领域的实际应用序列集上进行了实验验证。实验结果表明,与基于子序列表示模型的符号序列聚类算法相比,所提方法在DNA序列和语音序列
现代畜牧业在实际放牧中依靠定位设备对牲畜进行管理。为了从牧区牲畜海量日常移动轨迹中挖掘出潜在的有用价值,提出一种新的基于轨迹速度扰动划分与聚类方法。该方法首先将连续定位轨迹以所设速度阈值进行划分;然后以聚类方法将所划分轨迹数据进行地理位置聚类,识别出牲畜不同生活区域。为处理海量数据,以云计算进行数据挖掘。最后为展示各区域不同强度,以核密度分析法对不同轨迹聚类区域进行可视化。理论与实验表明,提出的方
传统的机器学习方法是在训练数据和测试数据分布一致的前提下进行的,但在一些现实世界中的应用中,训练数据和测试数据是来自不同领域的。在不考虑数据分布的情况下,传统的机器学习算法可能会失效。针对这一问题,提出一种基于模糊C-均值(FCM)的文本迁移学习算法。通过简单分类器对测试样本分类,利用自然邻算法构建样本初始模糊隶属度,再利用FCM算法通过迭代更新样本模糊隶属度,修正样本标签,对样本孤立点进行处理,
针对已有的零水印算法鲁棒性差、安全性低的问题进行了研究,提出了一种基于超混沌的图像零水印算法,首先利用Chen三维超混沌系统对水印信息进行加密预处理,通过解析各个位平面在分解后对图像的影响,将载体图像中的最低有效位初始化为零;采用块均值二值量化的方法进行特性提取;最后通过对加密水印与Anorld置乱后的特征矩阵进行异或处理得到零水印。仿真攻击实验及与以往零水印算法对比表明,该算法在保持鲁棒性良好的
推断数据间存在的因果关系是很多科学领域中的一个基础问题,然而现在暂时还没有快速有效的方法对缺失数据进行因果推断。为此,提出一种基于加性噪声模型下适应缺失数据的因果推断算法。该算法是基于加性噪声模型下利用最大似然估计法结合加权样本修复数据的思想构造以似然函数形式的模型评分函数,并以此度量模型相对于缺失数据集的优劣程度,通过迭代学习确定因果方向,每次迭代学习包括使用参数修复数据和在修复后的完整数据集下
针对动态环境下有方向约束航迹规划问题,提出一种结合引导点的动态航迹规划方法。该方法沿约束方向基于圆拓展的方式产生引导点,并自主选择代价最小的引导点,引导航迹规划算法向引导点区域搜索,提高了规划效率。仿真结果表明,改进算法可以适应动态变化的环境,也能满足从特定方向接近目标点的航迹规划要求。相比于传统D*算法,改进算法的航迹总代价更小、规划时间更短。
针对高维混沌复杂系统的多步预测问题,提出了一种基于邻近相点聚类分析的多变量局域多步预测模型。首先对于多变量邻近相点的选取,结合邻近相点多步回溯后的演化规律和变量间的关联信息对演化轨迹的影响,提出了一种新的多变量演化轨迹相似度综合判据;然后针对选取全局最优邻近相点耗时长的缺点,提出了一种基于邻近相点聚类分析的新方案来降低多步预测时间,提高预测效率。最后通过Lorenz混沌数据仿真实验,表明该模型具有