融合双层注意力机制的属性网络节点嵌入

属性网络嵌入旨在学习网络中节点的低维表示,具有拓扑和属性相似的节点在嵌入空间彼此接近.注意力机制能有效学习网络中节点与其邻居的相对重要性并基于邻居重要性聚合节点表示.据此,提出一种在属性网络中融合双层注意力机制的节点嵌入算法NETA,可以有效地实现属性网络嵌入.该算法首先从拓扑结构捕获直接邻居,基于属性关系捕获间接邻居...     

基于拓扑结构感知的节点多属性网络映射算法

针对当前节点多属性网络链路映射长度较长、网络请求接受率和收益开销较低的问题,提出基于拓扑结构感知的节点多属性网络映射算法.根据无向图描述节点多属性网络映射问题,采用拓扑结构感知,构建节点多属性网络模型和节点链路映射评测指标,利用回溯算法,计算sumTR值,获得备选网络节点集合.使用子区域作为物理节点映射区域进行资源分配,按照映射优先级排列网络节点依次映射,分析节点多属性,使用最短路径算法,排序跳数最小链路映射,实现节点多属性网络映射.实验结果表明,所提算法能够有效缩短链路映射长度,提高网络请求接受率和收益开销.     

基于节点相似度的无监督属性图嵌入模型

属性图嵌入旨在将属性图中的节点表示为低维向量,并同时保留节点的拓扑信息和属性信息.属性图嵌入已经有一系列相关工作,然而它们大多数提出的是有监督或半监督的算法.在实际应用中,需要标记的节点数量多,导致这些属性图嵌入算法的难度大,且需要消耗巨大的人力物力.针对上述问题以无监督的视角重新分析,提出了一种无监督的属性图嵌入算法...     

基于GIS的煤矿井下电力监控管理系统

按照矿山物联网统一时空模型的要求,开发了基于GIS的煤矿井下电力监控管理系统。该系统建立了各配电点和供电子系统设备的内部结构模型及其相互联系的地理拓扑模型,将井下电力系统CAD图转换为GIS拓扑图,将图形软件和数据库相结合来描述和管理各种电力设备的参数属性及几何拓扑关系;采用多世界空间关联表达,实现了井下配电网络及其资产"一张图"管理。     

结合拓扑势与信任度调整的重叠社区发现算法

现实世界中的复杂系统可建模为复杂网络,探究复杂网络中的社区发现算法对于分析复杂网络的拓扑结构和层次结构具有重要作用。早期研究通常将网络中的节点局限在一个社区中,但随着研究的深入发现社区结构呈现重叠特性。针对现有重叠社区发现算法存在划分社区结构不稳定、忽略节点交互和属性等问题,提出一种基于网络拓扑势与信任度调整的重叠社区发现算法。融合节点的属性和结构特征计算节点的拓扑势,依据节点的拓扑势选取核心节点。从核心节点出发构建初始社区群,计算各个社区间的调整信任度,实现社区的合并与再调整,从而识别重叠社区。在多个人工模拟网络和真实网络数据集上的实验结果表明,与基于贪婪派系扩张、种子扩张等的重叠社区发现算法相比,该算法将扩展模块度最高提升至0.719,能有效识别社区结构及重叠节点,提升重叠社区检测性能。     

基于引力斥力模型的配电网单线图自动生成

单线图是电网研究的基本图形。提出一种基于设备的拓扑连接关系自动生成配电网单线图的算法,将配电网的设备及其连接关系抽象成由点和边组成的图,改进引力-斥力算法使其满足配网的特点。各设备在相互的引力、斥力作用下达到平衡,并对生成的结果进行正交化处理,从而得到配电网单线图。实验结果表明,该方法生成的单线图达到了"尽量少交叉重叠"的效果。     

基于节点区域分离的工程图纸整体识别方法

在工程图纸矢量化处理中着眼于图形的宏观特征,提出了一种整体识别方法,该方法中,引入节点区域的概念,通过节点区域与图段的连接关系确定图形的拓扑结构,并由节点区域分离分割图段,图段的跟踪识别以图段轮廓的方向码序列为引导实现。整体识别算法矢量化速度快,有较强的抗噪声能力。     

基于节点拓扑结构和属性的重叠社区检测算法

近些年来,网络中的重叠社区检测应用越来越广泛,这极大引起了人们的兴趣。通常重叠社区检测只考虑节点的拓扑结构信息,忽略了节点的属性信息,这可能会遗漏数据间的重要结构。本文提出了一种基于节点拓扑结构和属性相似度的局部社区检测算法。首先,计算出节点与社区之间属性相似度。其次,为挖掘内部紧耦合的社区,计算出能够表示耦合性的模块度增量。最后,通过融合多个已检测到局部社区,计算出隶属矩阵从而获取全局重叠社区结构。在三个有真实社区的数据集上的实验结果从内部指标模块度和与真实社区的比较验证了基于节点拓扑结构和属性相似度的重叠社区检测算法比目前基于节点结构的社区检测算法在效率和有效性上有所提升。     

中心辐射层次式拓扑极坐标算法

针对网状、树状网络拓扑反映网络层次、通断状态和单屏展现不足的问题, 研究提出了一种基于极坐标算法绘制中心辐射层次式拓扑图形的实现方式, 实现了拓扑图形的自动分层显示和动态更新, 能够高效清晰地呈现网络设备连接关系, 研究成果已在多个单位得到了实践检验, 为强化网络管理与维护提供了重要手段.     

地下水模拟的可视化设计环境

通过对地下水数值模拟的研究分析，抽象出空间类层次结构，并提出了基于属性关系的宏观拓扑结构和基于同构或异构几何模型关系的微观拓扑结构。可变三角化算法的设计能够生成有效的有限元网格模型，为地下水建模奠定了基础，同时，三维空间拾取技术提供了一个友好的人机图形交互环境。     

基于节点流量及路径评估网络节点重要性的优化算法

如何合理有效地评估通信网络中各节点的重要性,对整个网络的设计至关重要．在以往相关理论研究的基础上,提出了一种基于网络传输流量和网络节点问两两最短距离的新算法一DFC算法（Combinationoftransmissionflowandshoaet path distance）．该算法从每个节点在通信网络中所占的通信流量,及节点失效后两两间最短距离的变化出发,来反映该节点对整个通信网络的重要程度．通过实验仿真,并与目前最通用有效的节点删除法相比,证明该方法具有更高的精确性,是一种有效的方法．     

节点重要程度感知的分布式DTN结构检测机制

间断连接无线网络具有较强的社会属性,感知网络结构能够有效改善网络性能。提出一种节点重要程度感知的网络结构检测机制,节点根据转发消息数量和邻居数量估计自身的重要程度,并以分布式的方式选取社区中心节点,进而依据与中心节点的共同邻居数确定本社区的邻居节点,完成网络结构检测。仿真结果表明,本机制检测准确率相较于HCDA提高大约45%,且所提出的方法扩展性较强,适用于各种混杂网络场景。     

基于无线网络节点相似度的室内定位算法

针对RSSI测距定位技术在室内环境中受到的随机干扰大,干扰变化情况不确定,定位结果误差较大的问题,提出了一种基于无线传感器网络节点相似度的室内定位算法。首先通过无线传感器网络的连通特性确定位于网络盲节点周围的几个信标节点,利用数据拟合的方法确定节点工作电压对RSSI距离测量的影响,然后根据拟合结果对不同工作电压下测得的RSSI值进行修正,利用修正后得到的RSSI值计算得到网络节点之间的相似度值,并利用该相似度值作为距离测量和定位结果的自校正系数,对定位结果进行修正,从而获得精度较高的定位效果。实验结果表明该定位算法具有较高的定位精度。     

基于图编码网络的社交网络节点分类方法

针对如何融合节点自身属性以及网络结构信息实现社交网络节点分类的问题,提出了一种基于图编码网络的社交网络节点分类算法。首先,每个节点向邻域节点传播其携带的信息;其次,每个节点通过神经网络挖掘其与邻域节点之间可能隐含的关系,并且将这些关系进行融合;最后,每个节点根据自身信息以及与邻域节点关系的信息提取更高层次的特征,作为节点的表示,并且根据该表示对节点进行分类。在微博数据集上,与经典的深度随机游走模型、逻辑回归算法有以及最近提出的图卷积网络算法相比,所提算法分类准确率均有大于8%的提升;在DBLP数据集上,与多层感知器相比分类准确率提升4.83%,与图卷积网络相比分类准确率提升0.91%。     

基于密集连接卷积神经网络的链路预测模型

现有的基于网络表示学习的链路预测算法主要通过捕获网络节点的邻域拓扑信息构造特征向量来进行链路预测，该类算法通常只注重从网络节点的单一邻域拓扑结构中学习信息，而对多个网络节点在链路结构上的相似性方面研究不足。针对此问题，提出一种基于密集连接卷积神经网络（DenseNet）的链路预测模型（DenseNet-LP）。首先，利用基于网络表示学习算法node2vec生成节点表示向量，并利用该表示向量将网络节点的结构信息映射为三维特征数据；然后，利用密集连接卷积神经网络来捕捉链路结构的特征，并建立二分类模型实现链路预测。在四个公开的数据集上的实验结果表明，相较于网络表示学习算法，所提模型链路预测结果的ROC曲线下方面积（AUC）值最大提高了18个百分点。     

面向复杂网络的节点相似性度量

在复杂网络中,度量节点之间的相似性是一项基础且具有挑战性的工作。基于邻域节点的相似性度量仅考虑了节点的邻域信息。基于路径的相似性度量考虑了节点之间的路径信息,使得多数节点与大度节点相似。为了更准确地度量节点之间的相似性且避免多数节点与大度节点相似,定义了每个节点的距离分布,并在此基础上采用相对熵和距离分布提出了一种节点相似性度量方法(DDRE)。DDRE方法通过节点之间的最短路径生成每个节点的距离分布,根据距离分布计算节点之间的相对熵,进而得到节点之间的相似性。6个真实网络数据集的对比实验结果表明,DDRE方法在对称性以及SIR模型中影响其他节点的能力这两方面表现较好。     

面向属性网络的重叠社区发现算法

针对现实世界的网络节点中包含大量属性信息并且社区之间呈现出重叠特性的问题,提出了一种面向属性网络的重叠社区发现算法。融合网络的拓扑结构和节点属性定义了节点的密集度和间隔度,分别用于描述社区内部连接紧密和外部连接松散的特点。基于密度峰值聚类的思想搜索局部密度中心作为社区中心,在此基础上给出了非中心节点关于各个社区的隶属度的迭代计算方法,实现了重叠社区的划分。在真实数据集上进行了仿真实验,实验结果表明所提算法相对于LINK、COPRA和DPSCD能获得更好的社区划分结果。     

基于多层节点相似度的社区发现方法

社区发现是复杂网络研究中的一项重要研究内容,基于节点相似度的凝聚方法是一种典型的社区发现方法。针对现有节点相似度计算方法中存在的不足,提出一种基于多层节点的节点相似度计算方法,该方法既可以有效地计算节点之间的相似度,又可以解决节点相似度相同时的节点合并选择问题。进一步基于这种改进的节点相似度计算方法和团体之间的连接紧密度度量准则构建社区发现模型,并在真实世界的网络上进行社区发现实验。与GN算法、Fast Newman算法和改进的标签传播算法的实验结果相比,该模型可以更加准确地找到各个社区的成员。     

基于几何邻居的半监督节点分类

目前基于网络结构的节点分类方法只注重局部网络连接关系。为了能获取更广泛的网络信息,提出一种基于邻居节点结构信息的半监督节点分类算法CBGN。首先,在网络中加入惩罚因子来改进随机游走策略以获取节点的不定长游走序列,这些节点序列被当做句子输入到word2vec模型中,从而将网络结构的潜在信息转换成向量作为节点的特征表示;其次,改进支持向量机算法,结合梯度下降法和坐标下降法来优化参数空间,以对未标记节点进行更准确的分类;最后,在四个标准数据集上与目前较先进的几种方法进行了对比实验。结果表明,CBGN算法提高了分类精度,相比之前已有的方法具有更好的分类效果。     

矿山信息物理融合系统多节点智联策略

针对当前矿山信息物理融合系统(CPS)的通信节点无法与基于不同无线通信协议的感知节点实现智能连接的问题,在通信节点上集成多种通信模块构成多模态通信节点,提出了一种基于渐进式神经网络的矿山CPS多节点智联策略。采用渐进式神经网络控制多模态通信节点准确切换工作模态,实现异构无线通信网络自主建立;利用异步优势动作评价算法对渐进式神经网络进行深度训练,提高渐进式神经网络的收敛速度和训练精度。实验结果表明,该策略实现了多模态通信节点与多类感知节点之间的准确、可靠通信。