排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
2.
复杂网络在现实场景中无处不在,高效的复杂网络分析技术具有广泛的应用价值,比如社区检测、链路预测等.然而直接对大规模的复杂网络邻接矩阵进行分析需要较高的时间、空间复杂度,网络表征学习是一种解决此问题的有效方法.该类方法将高维稀疏的网络信息转化为低维稠密的实值向量,可以作为机器学习算法的输入,便于后续应用的高效计算.传统的网络表征学习方法将实体对象嵌入到低维欧氏向量空间中,但复杂网络是一类具有近似树状层次结构、幂率度分布、强聚类特性的网络,该结构更适合用具有负曲率的双曲空间来描述.本文将针对复杂网络的双曲空间表征学习方法进行系统性的介绍和总结. 相似文献
3.
4.
5.
随着智能通信设备的普及和通信基站定位精度的提升,利用通信基站记录的用户行为数据监测和预测人群密度成为可能。由于人群异常聚集事件具有突发性,利用时间序列分析方法和概率模型进行预测的效果较差。针对该问题,提出一种基于群体行为分析的预测方法。通过分析聚集人群的上网行为和基站间的人群移动行为特征,得到两者之间的相关性,结合基站的人群密度时间序列信息,利用扩张因果卷积神经网络和逻辑回归模型得出预测结果。运营商提供的手机用户上网记录数据集上的实验结果表明,该预测方法的精确率为0.93,召回率为0.97,显著优于ARIMA算法、LSTM算法和XGBoost算法,证明了引入用户群体的上网行为和移动特征能够有效提升人群异常聚集预测的准确性。 相似文献
6.
三维地形下传感器节点经随机部署后,由于地形起伏的特点,会导致覆盖盲区的产生.为了能够有效检测覆盖盲区,本文提出了一种基于三维地形修正的无线传感器网络覆盖盲区检测方法,通过建立单位球感知模型,随机部署传感器节点,对节点进行Delaunay三角剖分.计算出三角形的外接圆,根据边界检测算法求出覆盖盲区边界,并且剔除假边界节点,得出改善后的边界.计算传感器节点的坡度和坡向信息,根据地形修正原理计算出传感器节点的实际探测半径,最终得出覆盖盲区的最小边界.仿真实验结果验证了该检测方法可有效检测三维地形下的覆盖盲区,对于起伏较大的地形也有一定的适应性. 相似文献
7.
能量限制是制约无线传感器网络发展的主要瓶颈之一,可充电无线传感器网络的出现对其发展起了巨大的作用.提出了一种基于RFID标签的无线传感器网络合作式无线充电和数据收集策略,根据通信方式的不同,具体提出了TBR和TDC两种方案,通过将网络中的节点进行分簇,并在单个簇内部署簇内移动读取器进行路径移动,对簇内的各个节点进行充电和数据收集;在簇间部署簇间移动读取器收集簇内读取器内的数据,并将数据传输给汇聚节点进行数据处理,通过分簇完成对节点充电和数据收集任务的分层处理.通过仿真验证,其结果表明合作式充电策略可应用在大型区域内部署的网络,并且保证所需的移动读取器数量最少,数据传输至汇聚节点的时延最短,TBR方案与TDC方案有效. 相似文献
1