网络科学中相对重要节点挖掘方法综述

网络科学中相对重要节点的挖掘具有重要的实际应用价值。设计衡量节点相对重要程度的指标和方法，是准确有效地识别复杂网络中相对重要节点的关键。本文对近二十多年来网络科学领域中提出的相对重要节点衡量指标和方法进行了系统性地综述，利用数值模拟方法对这些衡量指标和方法的准确度进行了分析和比较，并讨论了相对重要节点挖掘的一些开放问题和发展趋势。     

基于相对灵敏度确定电网电压稳定薄弱节点的研究

定义了相对灵敏度,即在复杂系统中,保持负荷节点的功率因数不变,增加所有负荷节点的负荷,在同样负荷增长倍数时,节点的相对灵敏度最大的负荷节点是在这种负荷增长模式下的薄弱节点。仿真计算结果证明了该方法的准确性和有效性。     

基于特征工程的重要节点挖掘方法

复杂网络中重要节点的挖掘对分析和治理现实复杂系统有着重要的指导意义。设计能反映节点重要性的有效计算方法,是高效准确挖掘重要节点的关键。该文基于节点的邻居信息,采用特征工程中的特征提取、特征重构等方法提取能有效反映节点局部结构的特征向量。利用局部特征向量,通过回归模型建立节点局部结构和重要性的关系模型。在13个真实网络上的实验结果表明,相比于已有的重要节点挖掘基准方法,该方法具有更优的性能。     

基于图嵌入的多重异质网络节点重要度评估

为提高多重异质网络中节点重要度评估的准确性,提出一种基于图嵌入的节点重要度评估方法。通过随机游走采样邻居节点,聚合节点在同种连边类型和不同连边类型下的节点特征,利用多层感知机将特征映射到嵌入空间,得到嵌入向量;根据节点的嵌入向量和局部结构特征构建重要度评估指标。在CElegans和CS-Aarhus等数据集上的实验结果表明,与多重介数中心性、有偏页面排序和多重证据中心性等方法相比,所提方法具有更高的准确性。     

新目标构型下单帧图像相对状态测量方法

提出了一种新目标特征构型下基于单帧图像的航天器间相对位置和相对姿态测量方法。该方法利用具有对称结构的目标特征点在物体坐标系中的空间坐标以及它们在像平面坐标系中的图像坐标,根据透视成像理论,解算出目标航天器与图像传感器的相对状态。所设计的目标特征靶适应性强,不仅能保证图像传感器视野内有足够的特征点,而且还可作为基于线特征的算法的目标特征。试验结果表明:在近距离范围内,新目标特征构型下的算法,具有较高的测量精度。该测量方法可直接用于航天器编队飞行以及航天器交会对接过程中的相对姿态的自主测量。     

一种基于目标特征的航天器间相对姿态测量方法

提出了一种基于目标特征的航天器间相对位置和相对姿态单目视觉测量方法。该方法利用目标特征点在物体坐标系中的空间坐标及其在像平面上成像点的图像坐标,根据透视成像理论,采用针孔模型解算出目标航天器与图像传感器的相对状态。提出了一种新的目标靶特征点构型设计方法,该方法适用于较大偏转姿态角的应用环境。仿真结果表明:新的特征点构型适应性好,能提高测量方法精度。该测量方法可直接用于航天器编队飞行及空间站交会对接过程中的相对姿态测量。     

基于IEKF序列图像分析的航天器相对状态测量方法

提出了一种基于IEKF序列图像分析的航天器间相对状态单目视觉测量方法。该方法利用具有正方形几何结构的4个目标特征点在物体坐标系中的空间坐标及它们在像平面上成像点的图像坐标,根据估计理论,采用迭代扩展卡尔曼滤波(iteratedextendedKalmanfilter,IEKF)方法解算出目标航天器与图像传感器的相对状态。试验结果表明:该方法不仅使作用距离大大提高,而且极大地提高了测量的稳定性。该测量方法可直接用于航天器编队飞行及空间站交会对接过程、空间监视、目标拦截等应用领域中航天器间相对状态测量。     

静态环境中基于光流的障碍物检测

针对估计相对深度的传统方法,易受噪声影响的问题,提出了一种基于光流的障碍物检测方法.基于摄像机前方局部地平面假设,通过尺度空间不变（SIFT）特征匹配得到单目图像序列前后帧的匹配点集,用随机抽样一致算法（RANSAC）鲁棒地估计出相机前方近似平面的单应性矩阵,并计算得到光流场,进而恢复出相对深度并建立障碍物图.由于避免了计算光流的一阶微分,该方法具有较好的鲁棒性.室内和室外环境的实验结果都表明,该算法能够恢复出相对深度,并对障碍物进行有效检测.     

基于特征结构分析法的静态电压稳定算法

基于电力系统快速解耦潮流方程雅可比矩阵的特征结构分析法研究了与系统静态电压稳定性密切相关的雅可比矩阵最小模特征根和与之相对应的特征向量.以最小模特征根作为系统静态电压裕度指标,以最小模特征根对应的右特征根向量作为节点电压灵敏度指标.通过IEEE39节点系统在两种运行状态下,给出了系统最有可能发生电压不稳定的节点,同时也验证了该方法的准确性和有效性.     

基于分布式惯导测量的机翼弹性形变算法

飞机在飞行过程中产生的机翼弹性形变难以预测,对此,提出了一种基于分布式惯性导航的机翼形变测量方法. 首先,根据机翼的模态信息及理论模型利用粒子群算法对机翼上的关键测试点进行了布局优化研究;其次,提出了一种相对运动惯性导航解算方法,建立相对惯性导航误差估计的联邦卡尔曼滤波模型,实现了各节点在机翼挠曲变形下的实时对准,并通过联立多子节点的位姿信息描述机翼形变;最后,设计了机翼加载实验,并验证了该算法的精度及有效性. 结果表明,机翼形变测量的三维位置误差与姿态误差均得到了改善,说明该方法具有较高的估计精度并在动态环境中有较好的形变监控能力.     

基于非均匀邻居节点采样的聚合式图嵌入方法

针对已有聚合式图嵌入方法多采用均匀采样函数为图中节点构建邻域,即仅随机采样邻居节点,而忽略各邻居节点自身性质的差异的问题,提出基于度值的非均匀邻居节点采样方法. 针对目标节点,优先采样其度值较大的邻居节点;隐藏一批度值较小的邻居节点,使它们在采样过程中不出现;在邻居节点集中随机采样剩余的节点以保留一定的采样随机性,这些随机采样的节点与优先采样的节点组成目标节点的邻域. 将所提出的非均匀邻居节点采样方法应用于图嵌入过程,在Reddit数据集上的图嵌入分类F1分数为91.7%,该结果优于几个知名的图嵌入方法的结果. 在重叠社团数据集PPI上的实验证实提出方法能够为图数据生成更高质量的嵌入.     

WSN异步休眠模式下节点捕获早期检测方法

针对异步休眠模式的无线传感器网络（WSN）,提出了一种节点捕获早期检测方法,在被捕获节点重新加入网络之前即被检出,实现对网络攻击的及早发现.该方法基于相邻节点间存活性监控,并通过节点声明消息统一调度广播机制,保证异步休眠节点间声明消息的接收,同时,在决策过程中采用本地协同决策方式以提高正确率.仿真结果表明,该方法在检测率、误报率和漏报率等有效性方面均优于其他现有典型方法.     

基于拓扑有效连通路径的有向网络链路预测方法

链路预测旨在利用已有的网络拓扑信息来挖掘未知连边,具有较高的应用价值。大部分已有的基于拓扑结构的方法,关注节点对之间的路径数或者预测节点对的出入度,未有效挖掘节点对之间的连边长度和连边上节点的影响力对相似性的影响。针对此问题,该文提出了基于拓扑有效连通路径的链路预测方法,并分析了不同路径长度在节点度、半局部中心性和H-指数这3种不同衡量节点影响力指标下对节点相似性的贡献。通过8个真实网络仿真,发现H-指数能有效量化节点的局部影响力,且在3种衡量指标下均具有较高的预测精度。     

集合扩充的社团分解算法

社团结构是复杂网络的重要特征之一,寻找网络中的社团对于分析整个网络的结构和功能都有非常重要的意义.综述了一些经典的复杂网络社团结构划分的算法,提出了一种基于集合扩充的社团结构划分的新算法.该算法以网络中相邻的两个节点构成的集合为起点,用社团同外部联系的边的数目与社团内部边的数目的比值作为度量指标,通过计算将某一个邻居节点加入该集合后度量指标值的变化情况来判断某个邻居节点是否加入该集合,若度量指标值变小则将该邻居节点加入该集合,若度量指标值变大则不将该邻居节点加入该集合,直到不再有新的邻居节点加入时,一个社团就被划分出来.在剩下的网络中重复这个过程直到网络中的节点完全被划分.用社团结构分解中的两个经典例子测试了该算法,从测试结果来看,用该方法能够合理地划分网络中的社团结构,且运算量小,运行效率高,达到了预期目标.该社团结构的划分方法对于规模较大的复杂网络也具有普遍意义.     

复杂网络节点重要性排序算法及应用综述

复杂网络中节点的异质性导致各个节点的重要性是截然不同的,而关键节点往往对网络的结构和功能具有巨大的影响力,所以通过节点重要性排序算法对关键节点进行挖掘的研究直受到各方面的关注。将复杂网络中关于节点重要性的排序算法进行研究,比较了各种方法的优势和缺陷,并对重要节点挖掘算法的应用方向和常用数据集进行介绍,最后对现有研究进行了总结,并对未来的研究方向进行展望。     

适于无线可充电传感网络的节点优化部署

针对现有无线可充电传感网络的节点优化部署方法中存在的收信能量估计模型未考虑实际商用天线的定向辐射特征、优化目标未考虑节点部署方式对定位精度和覆盖程度的影响、节点部署方法寻优精度有待进一步提升等问题,研究适于无线可充电传感网络的新型节点优化部署方法。以精确估计收信能量为目标,提出基于双偶极子天线的收信能量估计模型;提出传感节点失活时间、普通节点定位精度、普通节点覆盖程度的评价方法,完成优化目标函数的构建;提出融合信息正迁移机制的多任务进化算法,求解优化目标函数,通过优化部署传感节点的位置实现节点失活时间最小化、定位精度最大化、覆盖程度最大化。仿真结果显示:当普通节点数为36时,相比于传统单任务进化算法,本文算法的节点失活时间降低了32%,定位精度提高了23.5%,节点覆盖程度提高了12%。     

数据挖掘在卫星信息空缺数据处理中的应用

数据挖掘可以从大量的数据中发现有用的知识,有着越来越广泛的应用。将数据挖掘用于处理卫星数据中的空缺数据,给出了数据挖掘中对空缺数据处理的方法;结合卫星数据的特点,使用平均值法、最近邻居法和单特征值分解法等通用方法对卫星信息的空缺数据进行处理。实验结果表明,平均值法效果不明显,最近邻居方法能有效、快速地预测空缺数据。