基于时空共现的移动用户社会关系类型推断

针对当前方法推断结果类型受限及准确率较低的问题,以移动用户位置数据为对象,综合利用时空共现区统计数据和语义信息,提出一种新的社会关系类型推断方法。通过用户共现频次、时空共现区位置熵和离散距离3种统计数据计算时空共现强度;依据时空共现区公共地点和用户个人地点识别结果获取其语义信息。结合时空共现强度和语义信息生成时空共现向量,根据向量特征的类别相关性和冗余信息量,按照"最小相关-最大冗余"原则提取时空共现区语义特征,得到特征向量。针对样本特点和社会关系类型推断需求,选择多分类支持向量机算法构造分类模型。在Foursquare数据集上进行实验验证,结果表明,该方法能有效推断移动用户的家人、同事、朋友和其他4种社会关系类型,准确率高达89.3%,与同类方法相比精确率和召回率分别提高7.9%和6.6%。     

基于标签传播的协同分类欺诈检测方法

网络借贷领域中的欺诈检测是根据收集到的用户历史交易数据等信息,来判断该用户是欺诈用户还是正常用户.现有方法认为用户是独立存在的,忽略了用户之间的关联信息.考虑到目前欺诈逐渐成为群体行为,在欺诈网络内呈现出欺诈节点与非欺诈节点关联稀疏,而欺诈节点间关联紧密的现象,提出基于标签传播的协同分类欺诈检测方法.通过收集真实网上借贷公司的用户通话数据,构建用户之间的通话关联网络,利用标签传播算法扩散欺诈节点的标签信息,确定未知标签节点是否为欺诈用户.通过对权重进行幂操作,改进了标签传播算法中概率转移矩阵的初始化方法,使其适应欺诈场景下正负样本分布不平衡的现象.在有标签样本比例极低且训练样本分布不均衡的真实借贷数据集中进行了7次测试,采用所提算法检测到欺诈用户的精确率最高达17%,所得F1值与精确率都比经典的WvRn算法更优.     

基于GEM-PHD粒子滤波的移动定位自更新传播算法

为了实现无线传感器网络(Wireless Sensor Networks, WSN)中移动节点的实时动态定位和更新,提出了一种基于广义运动概率假设密度粒子滤波的移动定位自更新传播算法,该算法利用锚节点作为观测者探测周围环境中存在的未知节点,收集探测到的信息,利用广义运动概率假设密度粒子滤波算法对未知节点定位。基于反向定位策略选择未知节点的最优位置,将已获得定位信息的节点升级为虚锚节点继续对周围邻居节点实施定位,再进行定位传播和位置更新,最终实现全网络移动节点实时定位和位置更新。仿真结果表明,在锚节点单一存在时,所提算法可以预估未知节点的位置,且定位精度高,可以对整个移动群体进行实时定位。     

稳定标签传播的社区发现方法

为提高标签传播算法的稳定性,解决标签传播算法随机性导致社区发现结果相差较大的问题,对标签初始化、随机队列设置和标签传播中随机选择过程进行了改进,提出一种稳定的标签传播社区发现方法.该方法首先通过寻找不重叠三角形进行标签初始化,然后以节点标签的熵确定节点队列并分段随机排序,最后考虑邻接点的邻接点标签分布情况进行标签选择.实验结果表明,在Zachary’s Karate Club、Dolphin Social Network和American College Football 3个社会网络上,本文方法的稳定指标和质量指标结果均高于其他方法.稳定标签传播的社区发现方法保持了标签传播算法优点的同时,提高了社区发现结果的质量和稳定性.     

社会化标签系统语义相关度的拓扑图法计算

针对Web2.0社会化标签系统中标签组织混乱和标签语义模糊的问题,围绕标签共现网络的拓扑图,建立了一种形式化的标签语义相关度计算模型．该模型利用基于统计的标签语义相关度计算结果,为标签共现网络的拓扑图扩展以语义相关度权值,并定义算子围绕标签共现网络的拓扑图来计算权值的综合效应,从而可以显式地描述标签语义关联的交叉影响,并在标签语义相关度的计算中融入这些影响因素．从照片共享网站Flickr中抓取热门标签数据,通过实验对该模型的计算过程、计算结果的有效性和实用性等进行了分析评价．实验表明,该模型的标签语义相关度计算结果更为准确,可以更好地引导和约束Web2.0用户的标签使用行为．     

基于自适应有限元和B样条曲线的结构优化算法

基于渐进结构优化算法(ESO)是结合单元误差估计和自适应有限元的结构形状优化算法.采用B样条曲线描述设计域的边界形状,B样条曲线由作为设计变量的主节点来控制,设计边界的最优形状通过根据节点的应力水平逐步移动和更新主节点的位置来实现.采用应力恢复和自适应FEM的方法解决FEM边界节点应力计算精度低的问题,提出一种边界主节点更新算法,将本算法的精度和效率与解析解进行了对比和讨论.     

动态P2P网络中基于匿名链的位置隐私保护

为了解决动态P2P环境中的位置隐私保护问题,提出基于匿名链的位置隐私保护算法.不同于一般的K-anonymity方法,通过在用户查询信息转发的过程中构造一条匿名链来混淆身份信息与位置信息的一一对应关系,在完成查询的同时保护用户位置的隐私.针对一般P2P匿名存在的匿名组稳定性问题,该算法根据路网环境中移动对象的动态性,通过计算相邻移动用户之间的连通性对匿名链中间节点的选择进行优化.讨论匿名链构造的方法和中间节点优化选择的标准,对算法的安全性展开理论分析.通过实验验证了算法的可行性.实验结果表明,该算法在不同用户密度下都能够较好地完成匿名链的构造,保护用户位置隐私;同时,中间节点的优化方法可以在一定时间内显著提高匿名链的有效性.     

基于改进的标签传播算法的网络聚类方法

采用传统标签传播算法实现网络聚类时,由于标签初始分配过程随机、节点选择过程随机、且标签更新顺序随机的原因,影响聚类结果。为此,提出一种新的基于改进标签传播算法的网络聚类方法,即用图对网络进行描述,并为网络聚类提供基础。改进标签传播算法过程如下:求出网络中任意两节点拥有最大公共邻居的平均阶数,把相似性最高的节点和邻居节点看作初始核心社团,为其分配初始标签;引入基于随机游走的相似度矩阵,令节点选择和自身相似度最高的节点拥有的标签;通过H指数对标签算法更新顺序进行改进;依据改进后结果,按照标签传播算法网络聚类过程实现聚类。实验结果表明,本文所提的网络聚类方法具有更高的准确性和稳定性。     

受限浮动水下传感器网络定位

为了确保水下传感器网络节点不会随水流离开监测区域,通常用缆绳把节点与固定在水底的锚相连,使水下节点具有受限浮动性,然而考虑这一重要特性的研究成果非常有限。针对水下节点受限浮动考虑不足的问题,提出了受限浮动水下传感器网络定位算法(restricted floating localization,RFL)。首先,根据水下节点在重力、浮力、水流冲力、缆绳拉力作用下的活动规律,建立受限浮动节点模型;然后,采用一个移动信标辅助定位,该移动信标在部署区域内沿直线移动,每过一段时间变换一次方向并广播位置信息,利用移动信标的位置信息结合水下节点的受限移动规律,通过理论分析推导锚的位置,并通过多次计算取中值以降低锚位置的求解误差;接下来,利用锚和移动信标的位置信息,计算出水下节点的位置。仿真分析了RFL算法中锚位置误差、锚对节点定位的影响以及节点位置误差,并将RFL算法与现有的TL算法、MFLA算法和LSLS算法进行比较。仿真结果表明,RFL算法的平均定位误差分别是TL算法的49.6%,MFLA算法的44.8%,LSLS算法的32.1%,其最大误差与最小误差都小于TL算法、MFLA算法和LSLS算法。RFL算法定位精度高于现有算法,而且具有较好的稳定性,简单可行,具备较高的实用价值。     

辅助定位信标节点的移动路径规划算法研究

为快速实现监控区域内所有传感节点的定位,利用辅助定位信标节点的移动,提出无线传感网中辅助定位信标节点的移动路径规划算法（MPPA）。在MPPA算法中,考虑由多个六边形网格组成的监控区域,分析sink节点的移动特点,考虑其移动路径中停留位置只是六边形网格的顶点和中心,不在同一位置停留,相邻3个停留位置不共线以及每一个网格至少被3个以上不同停留位置覆盖等约束条件,提出信标节点的移动路径约束和传感节点定位约束,并建立其移动路径规划模型。根据邻居停留位置的信息素浓度决定下一个停留位置,根据蚂蚁选择的路径释放和挥发信息素。经过蚁群算法的多次迭代,可获知能覆盖所有网格的信标节点最优移动路径。信标节点沿着该路径移动时,传感节点可获知信标节点的不同位置信息,收集通信时的RSSI值,采用Kalman滤波算法降低通信噪声,采用最大似然估计算法计算自身位置坐标。仿真结果表明：MPPA算法可根据网格中心和顶点的位置,收敛于移动距离最短且能实现监控区域任何位置上传感节点定位的最优移动路径。MPPA算法降低了信标节点的移动路径长度和停留位置个数,降低了网络启动后所有传感节点获知自身位置所需要的时间,并将传感节点平均定位误差保持在较低的水平。在一定的条件下,MPPA算法比SCAN、DOUBLE_SCAN、HILBERT、CIRCLES和ZSCAN算法更优。     

一种用于图卷积网络的社交关系方向门控算法

针对社交网络用户态度分析任务中用户之间原有社交关系方向可能阻碍态度信息流动以及标签扩散的问题,提出了一种应用于半监督图卷积网络的社交关系方向门控算法.该算法首先在原有与逆向社交关系方向上分别进行图卷积运算,得到2种用户节点态度特征向量,然后利用门控机制对2种特征向量进行动态融合.扩展了态度信息传播路径的同时,还能够捕捉用户影响力差异,以自动选择态度信息的流动方向.在2个真实热点话题数据集上的实验结果表明,现有图卷积网络在加入该算法之后,其用户态度分析的准确率能够得到有效提升.     

融合时空上下文信息的兴趣点推荐

为了给用户提供更好的位置服务,提出了一种位置社交网络中融入时空上下文信息的混合个性化兴趣点推荐模型.在空间上,对用户签到进行层次聚类,对各聚类内二维核密度估计的结果取平均.在时间上,利用用户签到的时间信息、签到的位置信息及社交网络构建转移矩阵,运行改进图的随机游走模型.混合模型融合时空上下文信息做推荐.在真实数据集上的实验结果表明,无论在标准推荐场景还是冷启动场景下,混合推荐模型的准确率和召回率性能均优于基准方法.     

社交网络中社会工程学威胁定量评估

针对社交网络中社会工程学威胁难以定量评估的问题,提出基于属性攻击图和贝叶斯网络的社会工程学威胁评估方法. 基于社交网络社会工程学攻击过程,定义社会工程学的可利用的脆弱性语义和攻击节点语义,提出相应的脆弱性可利用概率计算方法. 通过分析社交网络中社会工程学攻击模式,模拟钓鱼攻击和跨站身份克隆攻击,根据属性攻击图生成算法构建社会工程学攻击图,采用贝叶斯网络模型对每种攻击路径造成的社会工程学威胁进行量化评估,得到社交网络中个人账号的隐私威胁风险. 通过在Facebook数据集上的实验验证所提出方法的有效性.     

基于因果拓扑图的工业过程故障诊断

基于因果拓扑图的工业过程故障诊断方法,将过程知识与数据驱动故障诊断方法结合,有效解决了故障定位和故障传播路径辨识问题。 在因果拓扑图的基础上,基于偏相关系数提出一种相关性指标(correlation index, CI)定量衡量因果拓扑中变量间的相关性,实现变量间因果性和相关性的良好结合。为得到准确的故障检测结果,采用概率主元分析(PPCA)对CI指标进行监测。在检测出故障后,应用重构贡献图(reconstruction-based contribution, RBC)和因果拓扑图,并引入加权平均值的概念辨识出最可能的故障传播路径。将提出的方法用于带钢热连轧过程,结果表明,基于因果拓扑图的故障诊断方法能够准确地定位故障源,辨识故障传播路径。     

异构社交网络用户兴趣挖掘方法

由于当前各类主流网络平台的发展呈现出“社交平台内容化、内容平台社交化”的趋势,用户分化也日趋明显,出现了拥有大规模粉丝的超级节点,因此,提出了一种基于社交关系的兴趣挖掘模型。结合矩阵分解和标签传播算法,将用户分为内容发布者和普通用户两类,并分别提取和计算兴趣话题,实现了在大规模异构网络中发现、挖掘用户兴趣。基于知乎数据集上设计的对比实验,验证了模型的有效性以及算法的性能优势。与基线方法相比,这种算法在查全率上最大提升约42%,F₁值最大提升约33%。     

Novel Apriori-Based Multi-Label Learning Algorithm by Exploiting Coupled Label Relationship

It is a key challenge to exploit the label coupling relationship in multi-label classification (MLC) problems. Most previous work focused on label pairwise relations, in which generally only global statistical information is used to analyze the coupled label relationship. In this work, firstly Bayesian and hypothesis testing methods are applied to predict the label set size of testing samples within their k nearest neighbor samples, which combines global and local statistical information, and then apriori algorithm is used to mine the label coupling relationship among multiple labels rather than pairwise labels, which can exploit the label coupling relations more accurately and comprehensively. The experimental results on text, biology and audio datasets shown that, compared with the state-of-the-art algorithm, the proposed algorithm can obtain better performance on 5 common criteria.     

基于代理群的移动自组网拓扑发现算法的研究

在分层结构的移动自组网管理方式中,基于代理群的管理方式是一种重要的管理方式,在对这种管理方式的研究领域中,拓扑发现技术是一项必须解决的重要课题.本文提出了一种基于代理群的拓扑发现算法.仿真结果表明,该算法能够适应网络拓扑多变性的特点,具有良好的准确性和可靠性.     

基于MR和传播模型的移动台定位算法

介绍了常见的几种移动台定位算法和传播模型。针对GSM移动通信网络中第三方用户对移动台定位的难点,提出了一种基于测量报告(measurement report,MR)和传播模型的GSM移动台定位算法,并结合测量报告的数据描述了算法实现步骤。该算法的最大优点是适合移动运营商大规模部署运行,且不需要对现有的移动网络进行大规模改造。实践结果表明,该算法可以提供高精度的定位结果,整体精度可以控制在100m以内,适合运营商大规模商业化部署和运营。     

Semi-supervised non-negative Tucker decomposition for tensor data representation

Non-negative Tucker decomposition(NTD) has been developed as a crucial method for non-negative tensor data representation.However, NTD is essentially an unsupervised method and cannot take advantage of label information. In this paper, we claim that the low-dimensional representation extracted by NTD can be treated as the predicted soft-clustering coefficient matrix and can therefore be learned jointly with label propagation in a unified framework. The proposed method can extract the physicallymeaningful and parts-based representation of tensor data in their natural form while fully exploring the potential ability of the given labels with a nearest neighbors graph. In addition, an efficient accelerated proximal gradient(APG) algorithm is developed to solve the optimization problem. Finally, the experimental results on five benchmark image data sets for semi-supervised clustering and classification tasks demonstrate the superiority of this method over state-of-the-art methods.     

基于图卷积神经网络的城市交通态势预测算法

为了实时准确地预测城市交通流量,提高城市交通态势感知和预测准确度,提出一种改进的时空图卷积深度神经网络算法：基于自由流动可达矩阵的时空图卷积深度神经网络（FAST-GCN）. 利用图卷积神经网络有效表达城市复杂路网的结构特性,引入自由流动可达矩阵来挖掘复杂路网的时空依赖性,从而提高交通态势预测准确度;对交通流速及站点地理位置数据进行数据预处理;在现有的时空图卷积深度神经网络算法的基础上,增加基于自由流动可达矩阵的图卷积模块,以有效挖掘城市交通路网的独特空间特征;通过一个全连接的输出层输出交通流预测结果;在真实世界数据集PeMS上对算法效果进行验证. 结果表明,采用提出的FAST-GCN算法能够有效获取交通路网独特的物理特性,从而捕获交通数据的时空依赖性,优于时空图卷积（STGCN）等基线算法,其在45 min的预测准确率最好可提高5.656%;相比基线模型,所提算法能够适应大规模路网的交通流预测,且具有可扩展性.