通路时延可控的时序驱动多级划分算法

提出一种可以控制荚键通路时延的时序驱动多级划分算法．首先通过聚类保护降低关键通路被分割的几牢,减小后续操作对最小割目标的影响;然后使用划分保护控制通路被分割的次数,将关键通路时延限定在指定时钟周期之内．该算法只对最底层网表进行一次时序分析,克服了现有基于通路的时序驱动多级划分算法无法完全控制关键通路时延,需要对所有层次的网表进行时序分析的缺点．实验结果表明,该算法可得到较小的超边割值和通路时延值．     

基于节点从属度的加权网络重叠社区划分算法

针对传统社区划分算法忽略现实世界网络特征导致社区划分准确率低的问题,提出了一种基于节点从属度的加权网络重叠社区划分算法。该算法提出加权网络模型,通过模型得到了能刻画出真实网络结构的加权网络;通过网络拓扑结构定义了核心社区,核心社区对社区划分的准确性有着重要作用。该算法计算节点与核心社区间的从属度,并与从属度阈值进行比较进行核心社区扩展,根据扩展模块度优化思想,通过不断地调整从属度阈值直到获得最优的社区结构,完成重叠社区划分。在人工网络数据集和真实世界网络数据集上与已有算法进行实验对比,实验结果验证了所提算法能够准确、有效地检测出重叠社区。     

邮件社区划分和小世界网络

讨论了邮件社区的划分和邮件社区的性质,提出一种基于社区中心动态调整的邮件社区划分算法ACCD.算法采用基于邮箱通信行为特征的余弦相似度评估邮箱之间的相似性,并通过社区中心动态调整的方法进行邮件社区的划分.在实际数据集上的实验表明,在较长一段时间内,一个较大的局域网内部的邮件网络呈现显著的小世界网络特征,同时也表明了邮件社区划分算法的合理性.     

基于节点综合相似度的多标签传播社区划分算法

为了解决现有的多标签传播社区划分算法采用的随机顺序策略导致形成的社区划分结果不稳定和社区质量不够高的问题,提出了一种基于节点综合相似度的多标签传播社区划分算法MLPA-NCS。以节点潜在影响力的降序作为节点选择顺序,解决社区结果划分不稳定问题。根据节点的主题相似度和链接相关度计算出节点综合相似度,并以节点综合相似度降序作为更新节点标签时对邻近节点遍历的顺序,提高所划分社区的质量。采用真实数据集和人工网络数据,对多个算法进行对比实验,结果表明算法有效可行,社区划分结果更稳定,社区质量也更高。     

基于博弈论的物联网语义社区演化模型

针对物联网环境下的语义社区演化问题,提出了一种基于博弈论的语义社区动态演化模型。首先给出物联网语义社区(Internet of Things Semantic Community,ITSC)的定义和特征;然后提出了一种基于动态博弈论的物联网语义社区演化模型,给出了物联网语义社区预处理算法(SCPA)、博弈节点选择算法(GNSA)、基于博弈的语义社区演化算法(GTEA)及算法的性能分析。通过实际网络社区数据的仿真实验表明,演化模型能够真实地反映物联网语义社区的演化规律。     

基于时序关联智慧城市边缘数据异常检测算法

针对智慧城市边缘感知数据类型多、数据维度大和存在数据异常等问题,提出基于时序的边缘检测异常数据算法。对解决该问题的基于边缘计算的智慧城市物联网、大数据分析框架进行设计,同时设计边缘服务增强现实框架;对智慧城市边缘检测异常数据问题进行定义,设计检测流程和时序关联计算算法,提出基于时序关联的智慧城市边缘检测异常数据算法。对设计的算法,利用感知设备采集数据,进行大量实验与仿真对比分析,实验结果表明,该算法在解决时序关联多维数据异常检测的准确率和召回率方面,具有一定的优越性。     

有向网络重叠社区的快速划分算法

随着社会的发展,数据量越来越大,网络规模也在迅速增长。作为一种研究网络结构的有效方法,社区划分对于深刻认识超大规模网络有重要的意义。在分析研究有向网络的非重叠社区划分算法和无向网络的重叠社区划分算法的基础上,提出了一种有向网络重叠社区划分的快速算法。算法根据节点的有向权值和归属度进行社区划分,并分析了有向权值和归属度对划分结果的影响,在此基础上得到了一组最优的有向权值和归属度参数。使用2个实际网络和1个人工构建网络对算法的性能进行了测试并与已有算法进行了对比。实验结果表明,所提出的算法能够有效地划分出有向网络中的重叠社区。     

基于图划分的全基因组并行拼接算法

提出了一种基于图划分的全基因组并行拼接算法．该算法巧妙地将数据划分问题转化成图划分的问题,解决了传统数据划分算法中存在的节点负载不平衡的问题．同时,算法在建立关系图时有效地利用了WGS测序中所提供reads之间的长度信息和配对信息,使reads关系图能更准确地反映出数据之间的关系特性,从而提高了数据划分的准确性．实验结果表明,该算法可以准确地划分各种模拟数据、真实数据的数据集,相对于传统数据划分算法划分质量有了明显改善．     

基于信任度的并行化社区发现算法

现有的社交网络快速划分社区算法存在质量低、不能充分利用节点链接信息的问题,而效果较好的划分算法也存在时间复杂度高、无法应用于大规模社交网络的问题。为此,提出一种基于MapReduce的社区发现算法。利用PGP算法内信任者推荐模型迭代计算用户之间的信任强度,通过社区传播的方式聚合节点。在经典数据集上和大规模新浪微博数据集上进行实验,结果表明,该算法能有效度量用户间的信任度,得到准确的社区发现结果。     

时序数据相似性挖掘算法研究

时序数据相似性挖掘是数据挖掘中的重要研究内容．本文针对时序数据进行相似性挖 掘方法的研究，通过对时序数据进行离散傅立叶变换（DFT）将其从时域空间变换到频域空 间，将时序数据映射为多维空间的点，提出一种基于距离的时序数据相似性挖掘算法，并对 某钢铁企业电力负荷时序数据进行仿真实验，实验结果表明了算法的有效性．     

Blind synchronization scheme using the conjugate characters of the OFDM BPSK-modulated symbol

Previously, Beek?s scheme for timing and frequency offset estimation in the OFDM system employs cyclic prefix (CP) has been proposed under the assumption of independent identified distributed (i.i.d.) OFDM symbols. Actually, the real data in the OFDM modulated symbol, transferred by the inverse fast Fourier transform (IFFT), has the characters of complex symmetry. With these characters, more information in the whole OFDM symbol could be used for the timing and frequency offset estimation. In this paper, two conjugate symmetry characters of the OFDM BPSK-modulated symbol are used to achieve blind timing estimation algorithm in the OFDM systems. One is symbol-based symmetry and the other is CP-based symmetry. With these two conjugate characters applied to the proposed algorithm, the timing of the OFDM BPSK-modulated symbol could be derived. Under an AWGN channel, based on the performance of lose symbol timing rate and estimator mean square error, the proposed algorithm is with a tremendous improvement compared with Beek?s estimation method. Under a multipath fading channel, the results show that performance including lose symbol timing rate and estimator MSE with the proposed algorithm is better than those algorithms with Beek?s estimation method. In practical OFDM applied system, the OFDM BPSK-modulated symbol could be used to replace the preamble or training sequences in the standard to obtain an accurate timing and frequency offset estimation and to avoid the data rate decreasing with the proposed algorithm.     

CPM信号的定时-相位联合估计算法

针对CPM信号同步问题,在判决数据辅助的基础上提出一种联合定时-相位估计算法。该算法用Laurent分解表示CPM信号,由定时-相位联合似然函数得到定时误差检测器和相位误差检测器,找出瞬时梯度,迭代求解恢复出定时和相位信息。通过分析二进制部分响应CPM中的常见形式PCM/FM信号,提出一种联合定时-相位估计的实现方案。在加性高斯白噪声信道上的仿真结果表明,该算法适用于二进制部分响应CPM信号,定时和相位估计性能都逼近理想曲线。     

OFDM航空数据链联合同步新算法

指出航空正交频分复用(OFDM,orthogonal frequency division multiplexing)数据链同步的必要性,在分析前人OFDM同步算法优缺点基础上提出一种新的联合同步算法,该算法设计了新的训练符号结构,通过定时同步判决函数实现定时同步,通过小数和整数频偏估计实现频率同步,并针对具体应用给出本算法与其他主要算法的仿真对比结果,证明此算法定时同步错误概率更低,低信噪比时仍能正确同步,频率同步均方误差更小,性能更优.     

Study on the algorithm for smart community sensor network routing with adaptive optimization via cluster head election

To reduce the uneven energy consumption for the data transmission and extend network life of intelligent community sensor network, an adaptive routing optimized algorithm for intelligent community sensor networks with cluster head election is proposed. In this algorithm, a three-dimensional clustering method adapted to the structure of intelligent community sensor network is proposed. The three-dimensional clustering method uses the cluster head election mechanism based on minimizing the total transmission loss to optimize the energy of the intelligent community sensor network. Second, an adaptive ant colony propagation method is proposed to solve the problem of intercluster data propagation after clustering. With the best path finding algorithm of ant colony algorithm, energy balance routing with lower energy loss and lower packet error rate is proposed. Finally, the simulation results show that the algorithm has better performance in reducing energy consumption and delay, improving transmission efficiency and node survival time.     

基于辅助数据的OFDM时间同步算法

为了实现OFDM(Orthogonal Frequency Division Multiplexing,正交频分复用)系统在任意载波频偏下的高精度同步,本文提出了一种基于辅助数据的系统定时偏移估计方法.首先,在高斯白噪声信道下,基于不具有特殊结构的辅助数据,推导了最大似然准则下的最佳同步算法;然后针对最大似然法复杂度过高的问题,设计了计算复杂度降低的次优方法;最后,采用蒙特卡罗仿真,在频率选择性瑞利衰落信道下,对得到的新算法进行了评估.实验结果表明,新方法的定时性能显著优于传统算法.     

基于形式概念分析的博客社区发现

针对拖网算法存在的发现Web社区数量过多、社区间页面重复率较高以及严格的社区定义形成孤立社区等问题,提出一种基于形式概念分析(FCA)的博客社区发现算法。根据博客网络之间的链接关系构造概念格,通过格的代数消解对原始概念格进行等价划分,度量每个划分中概念间外延和内涵的结构相似性进而合并社区核心形成社区。实验结果表明：测试数据集中社区核心的网络密度大于40%的占全部的83.420%,合并社区的网络直径为3,且社区内容丰富程度得到提高。所提算法可以有效地运用于博客、微博等社交网络的社区发现,具有显著的应用价值和现实意义。     

一种基于节点嵌入表示学习的社区搜索算法

针对已有社区搜索算法采用高维稀疏向量表示节点时间复杂度高的问题,提出一种基于节点嵌入表示学习的社区搜索算法CSNERL.节点嵌入技术能够直接从网络结构中学习节点的低维实值向量表示,为社区搜索提供了新思路.首先,针对已有节点嵌入算法存在较高概率在最亲近邻居间来回游走的问题,提出基于最亲近邻居但不立即回访随机游走的节点嵌入模型NECRWNR,采用NECRWNR模型学习节点的特征向量表示;然后,采用社区内所有节点的向量均值作为社区的向量表示,通过选择与当前社区距离最近的节点加入社区的方法实现一种新的社区搜索算法.在真实网络和模拟网络数据集上分别与相关的社区搜索算法进行实验对比,结果表明所提出社区搜索算法CSNERL具有更高的准确性.     

基于边聚集系数的社区结构发现算法*

将超图模型以及基于此的聚类算法应用到社区结构发现的领域。对于简单图的社区结构发现,引入边聚集系数的概念,提出了基于边聚集系数的社区发现算法。将安然邮件数据集作为测试数据集,通过算法对比分析,证明该算法在时间复杂度上可以提高一个数量级。     

面向DBWorld数据挖掘的学术社区发现算法*

针对传统社区发现算法多数是基于单一关系的同构学术社会网络,而包含多种关系的异构学术网络社区发现算法还不多的情况,提出一种基于FCM(Fuzzy c-means)和结构洞的学术社区发现算法—HAFCD算法。从构建基于DBWorld邮件数据的异构学术网络出发,通过分析异构网络中的多种关联关系和节点内容的相似性,提出改进的语义路径模型,计算评审人间的相似度。基于此,该算法根据结构洞越少,网络闭合性越高这一事实,将结构洞理论融入FCM算法,进行异构学术社区发现。通过与现有的谱聚类和路径选择聚类算法进行实验比较表明,本算法具有较好的计算效果。     

多指数连续相位调制信号非数据辅助的前馈符号定时恢复算法

针对多指数连续相位调制(Multi-h CPM)信号的符号定时恢复困难且算法复杂的问题,提出了一种多指数(Multi-h) CPM信号的非数据辅助的前馈符号定时恢复算法。该算法基于Multi-h CPM信号的调制指数同步偏差和符号定时偏差的联合似然函数,通过平均可能的调制指数同步偏差所对应的期望函数将其联合似然简化,得到符号定时偏差似然函数以及符号定时偏差估计值,并给出了其定时偏差估计算法的修正的Cramer-Rao限(MCRB)以及其符号定时恢复的实现方案。仿真结果表明,该算法适用于全响应和部分响应的Multi-h CPM信号,符号定时恢复性能良好且对残留载波频偏和调制指数同步偏差不敏感。