共查询到10条相似文献,搜索用时 15 毫秒
1.
许多现实问题可以抽象成无向简单连通图的生成问题。为了从节点的度数序列得到所有可能的无向简单连通图,针对度数序列设计了适合用计算机实现的去点回溯算法,证明了算法的正确性,通过每一步去点回溯后的变化矩阵,得到生成无向简单连通图所需的邻接矩阵,并最终用计算机实现了该算法,解决了节点度数已知时无向简单连通图的生成问题。 相似文献
2.
《计算机科学与探索》2017,(12):1871-1885
why-not问题是为查询结果中的缺失元组找到合理的解释。解决数据库查询中的why-not问题不仅能够帮助用户更好地理解查询,而且能够提高数据库的质量和可用性。为了提高图数据库的可用性,提出了支持近似图查询的why-not问题解释方法。该解释方法不仅阐明了为什么why-not问题没有出现在查询结果中,而且给出了一些修改初始查询图的建议,使得why-not问题能够出现在修改后的查询图的查询结果中。该算法分两部分完成:第一部分为候选修改操作生成阶段,首先利用边频率信息提出候选操作集生成基本算法,接着利用图分解操作提出候选操作集生成改进算法,得到修改初始查询图的候选操作集;第二部分基于对查询图修改操作数最少的代价模型,分别采用贪心算法和回溯法选取候选操作,贪心算法设计了合理的贪心函数,回溯法构建了回溯剪枝树,并提出三种剪枝策略执行剪枝操作,最终选取的候选操作集即为支持近似图查询的why-not问题的合理解释。实验表明,该方法可以快速有效地为近似图查询中的why-not问题提供合理解释。 相似文献
3.
个性化推荐系统在减轻信息超载、提供个性化服务和辅助用户决策等方面应用广泛,链路预测是个性化推荐的重要方法之一。传统启发式链路预测方法仅考虑网络的图结构特征,缺乏对显式特征和隐式特征信息的应用,且大多数方法基于无向无权网络。针对传统链路预测方法存在的不足,基于集体注意力流网络和R-GCN方法,提出了链路预测算法AFP,将注意力流网络中2节点间不同的边方向抽象为2种边关系类型,并引入注意力机制学习网络中的节点属性和边属性,还综合考虑了网络的图结构特征、显式特征和隐式特征,最后通过评分函数得到三元组成立与否的概率,将链路预测问题转化为一个二分类问题,预测节点间的边属于某个关系类型的可能性。实验结果表明,相比于GCN、GAT等6个基准算法,该算法在准确度、精度和召回率等多个评价指标上均有提升。 相似文献
4.
5.
在当前几种常见的路由重建算法基础上,提出了一种基于κ跳回溯机制的服务切换路由重建算法.根据移动终端的移动速度和网络的实际带宽情况动态选择位置更新信息的逆向回溯跳数κ.本算法在位置更新信息的回溯过程中,寻找忌跳范围内最优的路由重建公共点,使得呼叫节点经过该节点到达移动终端目标用户站的通信路由能够得到优化.同时,本算法要求接收到位置更新信息的中间节点以其到达目标用户站的最优通信路由转发接收到的数据包,降低服务切换过程中的数据包转发代价,使正在进行的网络服务能够在原用户站和目标用户站之间平滑地切换. 相似文献
6.
在当前几种常见的路由重建算法基础上,提出了一种基于k跳回溯机制的服务切换路由重建算法.根据移动终端的移动速度和网络的实际带宽情况动态选择位置更新信息的逆向回溯跳数k.本算法在位置更新信息的回溯过程中,寻找k跳范围内最优的路由重建公共点,使得呼叫节点经过该节点到达移动终端目标用户站的通信路由能够得到优化.同时,本算法要求接收到位置更新信息的中间节点以其到达目标用户站的最优通信路由转发接收到的数据包,降低服务切换过程中的数据包转发代价,使正在进行的网络服务能够在原用户站和目标用户站之间平滑地切换. 相似文献
7.
为解决MBD模型设计变更过程中维护几何信息与技术信息一致性的问题,提出一种MBD模型参数化方法.首先将MBD模型参数化问题分解为几何信息之间、几何信息与技术信息之间以及技术信息之间的参数化问题;其次提出采用混合属性邻接图表达MBD模型中元素间的结构关系和数值关系,通过定义混合属性邻接图中节点和边构建混合属性邻接图;然后提出MBD模型参数化流程,为设计人员生成MBD模型变更决策表.最后以某型号飞机销钉零件为例描述MBD模型参数化方法的过程,验证文中方法的有效性. 相似文献
8.
在基态修正法的基础上,提出了"基态修正,时空相辅"的方法,很好地解决了宗地历史数据的管理问题,使地籍管理信息系统中对宗地历史数据的快速查询、统计以及宗地的历史回溯更准确方便. 相似文献
9.
当今社会处于大数据时代,现实中的网络数据越来越多,其结构复杂、规模庞大,有效分析其结构对了解、应用其提供的信息具有重要作用。基于混合模型的网络结构发现算法可挖掘网络中的多类型聚类结构,但不能有效处理大规模网络。基于Graph X图计算模型,提出基于Spark的大规模网络的结构发现算法LNSES,从存储空间和运行时间两方面提升算法效率。为减少网络结构发现算法存储大规模网络邻接矩阵内存耗费量,LNSES算法将边、节点及节点静态属性值进行分布式存储,边分区记录节点连边,可作为索引进行节点间参数传递。为提高网络结构发现算法效率,边分区和节点分区进行拉链操作产生索引结构;更新参数时,节点根据索引找到边分区上对应的边,并行实现节点参数更新。在真实和人工大规模网络数据集上的实验结果表明:LNSES在运行时间和网络结构识别准确度方面都要优于同类网络结构发现算法,可以对大规模网络中的结构进行挖掘分析。 相似文献