基于高阶近似的链路预测算法

目前大部分链路预测算法只研究了节点与邻居节点之间的一阶相似性，没有考虑节点与邻居的邻居节点之间的高阶相似性关系。针对此问题，提出一种基于高阶近似的链路预测算法（LP-HOPA）。首先，求出网络的归一化邻接矩阵和相似度矩阵；其次，利用矩阵分解的方法将相似度矩阵进行分解，得到网络节点的表示向量以及其上下文的表示向量；然后，通过高阶网络表示学习的网络嵌入更新（NEU）算法对原始相似度矩阵进行高阶优化，并利用归一化的邻接矩阵计算出更高阶的相似度矩阵表示；最后，在四个真实的数据集上进行大量的实验。实验结果表明，与原始链路预测算法相比，大部分利用LP-HOPA优化后的链路预测算法准确率提升了4%到50%。此外，LP-HOPA算法能够将基于低阶网络局部结构信息的链路预测算法转换为基于节点高阶特征的链路预测算法，在一定程度上肯定了基于高阶近似链路预测算法的有效性和可行性。     

非线性系统高阶迭代学习算法

结合迭代学习控制算法中的开环和闭环方案，本文针对更一般的非线性系统，讨论高阶算法的广泛适用性。理论和仿真结果表明了高阶算法在输出跟踪和干扰抑制方面的有效性。     

高阶Hopfield神经网求解合取范式可满足性问题

本文提出用高阶Ｈｏｐｆｉｅｌｄ神经网络求解ＳＡＴ问题，给出了连续及离散高阶神经网络模型与相应的离散快速求解算法，证明了网络的稳定性，并用实验证明了该方法的可行性，且将该算法与Ｌｏｃａｌ Ｓｅａｒｃｈ算法进行了比较。     

多注意力机制融合低高阶特征的神经推荐算法

针对因子分解机仅提取低阶组合特征的局限性，提出了一种基于多注意力机制融合低阶和高阶组合特征的深度神经推荐算法（deep neural recommendation method,DeepNRM）。分别运用因子分解机和多层前馈神经网络从稀疏及稠密特征中提取低阶和高阶组合特征；采用注意力网络和多头自注意力机制从低阶和高阶组合特征中自动选取关键特征；将低、高阶组合特征根据重要性进行融合共同进行推荐。算法模型在MovieLens和Criteo公共数据集上进行了实验验证，消融和对比实验结果表明，提出的算法模型与基准模型相比在AUC指标上分别有1.964个百分点和0.773个百分点的提升。     

主动队列管理RED算法改进与实验仿真研究

分析了RED及其改进算法的原理和局限性，提出了一种非线性高阶RED拥塞控制机制。该算法利用一个高阶分组丢弃函数，在下限阈值附近以较低的概率标记丢弃分组，在上限阈值附近迅速提高分组的标记丢弃概率。并对网络仿真器NS2进行扩展，通过系列仿真实验验证了改进算法有效提高了网络性能。     

高阶各向异性扩散小波收缩图像降噪算法

证明一种高阶各向异性扩散与小波收缩的等价性,并根据等价性利用高阶各向异性扩散与小波收缩的优势,提出高阶各向异性扩散小波收缩降噪算法。该算法在低频部分采用经典的非线性扩散方法进行扩散,在高频部分采用高阶各向异性扩散方法进行小波收缩。实验结果表明,高阶各向异性扩散小波收缩算法的计算复杂性介于高阶各向异性扩散与小波收缩算法之间,降噪能力高于这2种方法。     

一种基于高阶统计量的不变量图像识别算法

提出了一种基于高阶统计量的图像识别算法。利用投影将图像数据变换到一维空间，降低了计算的复杂度。通过计算投影数据的高阶统计量，构造出具有比例和平移不变性的图像特征。为得到旋转不变性，提出了一种基于循环相关的算法，从而得到该图像真正具有不变性的特征。还提出了一种改进的整体平均算法，使得该不变量计算速度大为提高。通过仿真对比，指出算法是有效的。     

高阶旋转体时域有限差分法

旋转体时域有限差分法(BOR FDTD)是模拟电磁波与旋转对称目标体相互作用的一种高效算法,但目前的BOR FDTD对时间和空间的差分精度均只有二阶.通过把电磁场各分量作泰勒展开,并结合麦克斯韦方程,提出了BOR FDTD的三种高阶算法.相对于目前的BOR FDTD,三种高阶算法均不增加存储量.通过模拟简谐波与介质球的相互作用并和理论值作比较,证实了高阶算法在提高计算精度方面的有效性.此外还分析了三种高阶算法的优、缺点,给出了关于高阶算法应用的建议.     

一种高效的图像插值算法

介绍了一种基于像素点的颜色绝对误差的图像插值算法。该算法将高阶算法与低阶算法相结合,以接近低阶算法的运算开销,获得了高阶算法的插值质量。     

基于图注意力的异构图社交推荐网络

针对现有社交推荐算法忽视了用户潜在关联和项目之间的协作关系，提出了一个新的算法模型GATHGN(GAT based heterogeneous graph neural network),在该模型框架中对用户关联和项目关系统一建模。首先，挖掘用户显式社交关系、潜在关联关系和用户—项目关联关系，从而提取用户社交高阶特征和潜在兴趣高阶特征；而后，基于图注意力机制聚合上述两种高阶特征，逐层更新用户融合特征；最后，依据更新的用户融合特征与项目特征计算最终的推荐结果。在Yelp数据集和Flickr数据集上的实验结果表明，GATHGN的命中率与归一化折损累计增益较基线算法有显著提升。