基于三元组结构的有向网链路预测方法

当前链路预测的研究主要集中在无向网络,然而现实世界中存在大量的有向网络,忽略链路的方向会缺失一些重要信息甚至使预测失去意义,而直接将无向网络的预测方法应用于有向网络又存在预测精度降低的问题。为此,提出了一个基于三元组的有向网络链路预测算法,该算法针对有向网络和无向网络三元组结构的不同,应用势理论对三元组进行筛选,通过统计分析不同三元组闭合的可能性,以网络整体三元组闭合指数作为权重计算节点间的相似性。在9个真实数据集上的实验表明,所提方法比基准方法的预测精度提高了4.3%。     

连铸结晶器在线热像图绘制的方法

为实现结晶器过程可视化和辅助漏钢预报技术,提出一种等值线区域填充法快速高效绘制直观的结晶器在线热像图的方法.该方法通过离散数据网格化、等值线生成和等值多边形填充绘制云图.其中,等值线生成采用网格序列法和单元剖分法结合,避免了已往的等值线追踪和二义性问题,高效准确,实现简单.将该方法与扫描母元法相比,前者绘制云图速度快,保证了精度和质量,优于后者,且算法复杂度的分析也证明了前者时间效率较高.实际应用结果表明,该方法绘制的结晶器在线热像图能很好地反映正常和非正常情况下结晶器内部温度场的特征,可满足实际生产要求.      

基于四阶模体的有向网络链路预测方法

网络模体是出现频次较高的子图模式,代表了复杂系统中的重要功能单元或者某种特定的组织结构,揭示了复杂网络的内在机理.一些学者已经基于三阶模体进行了链接预测的相关研究,但是多数学者通常忽略四阶模体在相似性计算中的作用.为此,提出一种基于四阶模体的有向网络链路预测方法.面对众多的四阶子图,提出限定条件简化情况,使用Z-score方法进一步衡量四阶子图的重要程度.从199个子图中选出2个显著模体用于相似性计算.局部信息被用来进一步提高预测效果.在9个真实数据集上的实验表明,该方法与基准方法相比,预测效果更好.     

融合节点描述属性信息的网络表示学习算法

为融合节点描述信息提升网络表示学习质量，针对社会网络中节点描述属性信息存在的语义信息分散和不完备性问题，提出一种融合节点描述属性的网络表示（NPA-NRL）学习算法。首先，对属性信息进行独热编码，并引入随机扰动的数据集增强策略解决属性信息不完备问题；然后，将属性编码和结构编码拼接作为深度神经网络输入，实现两方面信息的相互补充制约；最后，设计了基于网络同质性的属性相似性度量函数和基于SkipGram模型的结构相似性度量函数，通过联合训练实现融合语义信息挖掘。在GPLUS、OKLAHOMA和UNC三个真实网络数据集上的实验结果表明，和经典的DeepWalk、TADW（Text-Associated DeepWalk）、UPP-SNE（User Profile Preserving Social Network Embedding）和SNE（Social Network Embedding）算法相比，NPA-NRL算法的链路预测AUC（Area Under Curve of ROC）值平均提升2.75%，节点分类F1值平均提升7.10%。     

连铸过程控制系统的开发与应用

连铸过程控制系统对连铸生产全过程进行管理及过程优化,论述了一种基于组件技术、高可靠性的连铸过程系统的设计与实现,通过中间组件的应用提高了系统的可重用性,并介绍了主要功能及模型。结果表明,该系统在多个工业应用中得到了满意的验证结果。