有向在线社交网络的拓扑结构分析

文中介绍了有向网络聚类系数和K-shell熵的概念,并实证分析了Epinions和You Tube两个有向在线社交网络。研究了其有向聚类系数、K-shell以及K-shell与K-shell熵的相关性。发现Epinions和You Tube均是小世界无标度网络,两个网络的出K-shell与出K-shell熵之间均呈现为负相关特性,而入K-shell和入K-shell熵之间均呈现出正相关特性。文中的工作对人类行为动力学特性的研究具有一定的参考价值。     

基于结构相似度的轨迹聚类算法

针对目前轨迹数据聚类直接以整条轨迹数据作为基本单元,导致聚类效果降低的问题,提出了基于结构相似度的轨迹聚类算法。算法引入轨迹结构的概念,并给出结构相似度计算函数来分析轨迹内外部特征。首先根据转角将轨迹划分成若干轨迹段,然后通过计算轨迹段的结构相似度来判断轨迹的匹配程度,进而完成轨迹聚类。真实数据的实验结果表明:该算法较其他同类算法分析轨迹更全面、效率更高;可以通过不同参数灵活调整特征的敏感度,聚类结果更具有实际意义。     

基于聚类的社交网络安全机制研究

为了有效地防范社交网络环境中用户数据隐私泄露的风险,提出一种基于聚类的社交网络保护机制。首先将全同态加密技术引入社交共享数据中,保护社交过程中数据的隐私安全;其次,在保证用户信息和数据安全的前提下构建社交网络结构图,将经过同态加密处理的用户信息和数据按照节点相似度进行聚类,并对聚类后的社交网络结构进行分类和区分;最后对聚类后的超节点进行匿名化处理和分析,结果表明该社交网络模型可以降低信息损失度,同时保证了用户数据的隐私安全,验证了数据可用性。     

基于聚类的动态社交网络隐私保护方法

由于社交网络图结构的动态变化特性,需要采用有效的动态隐私保护方法。针对现有动态数据发布隐私保护方法中存在的攻击者背景知识单一、对图结构动态变化适应性较低等问题,提出基于聚类的动态图发布隐私保护方法。分析表明,该方法能抵御多种背景知识攻击,同时对社交网络图结构动态变化具有较好的适应性。     

基于相似度的词聚类算法

基于类的统计语言模型是解决统计模型数据稀疏问题的重要方法.传统的统计方法基于贪婪原则,常以语料的似然函数或困惑度(perplexity)作为评价标准.传统的聚类方法的主要缺点是聚类速度慢,初值对结果影响大,易陷入局部最优.本文提出了词相似度定义、词集合相似度定义,一种自下而上的分层聚类算法.这种方法不但能改善聚类效果,而且可根据不同的模型选择不同的相似度定义,从而提高聚类的使用效果.     

二度人脉聚类算法设计

针对整个复杂CLASS全属性聚类的聚类算法在聚类算法中有较为复杂的实现要求,试图对社交软件中较为复杂的CLASS-USER进行整体聚类计算,难度在于将其复杂属性体系整合成高维度变量进行降维处理。通过多次连续的数据整理,特别使用了二维模糊矩阵与排序算法实现快速降维,将高达13维的高维度变量进行降维处理,最终形成一维变量,最后使用常见的K-means聚类算法对该一维变量进行聚类分析。     

基于分层聚类的并行数据预处理算法

分层聚类技术在图像处理、入侵检测和生物信息学等方面有着极为重要的应用,是数据挖掘领域的研究热点之一。针对目前并行分层聚类算法处理大数据集时速度较慢的特点,提出一种并行数据预处理算法,该算法可使原始输入数据的规模最多减少为原来的1/10,从而可减少总的并行分层聚类时间。在测试数据集上的实验结果表明使用本算法进行预处理后,能显著减少分层聚类的运行时间。     

基于人工免疫网络的动态聚类算法

聚类分析的两个基本任务是分析数据集中簇的数量以及这些簇的位置.大多数的聚类方法通常只关注后一个问题.为了在聚类数不确定的情况下实现聚类分析,本文提出了一种新的结合人工免疫网络和遗传算法的动态聚类算法—DCBIG.新算法主要包含两个阶段:先使用人工免疫网络算法获得聚类可行解,然后使用遗传算法依据聚类可行解实现动态聚类.本文对获得聚类可行解的条件和概率进行了分析.仿真实验结果表明与现有方法相比,新方法具有更高的收敛概率和收敛速度.     

基于MapReduce的改进k-means文本聚类算法

针对传统k-means文本聚类算法在处理大规模文本数据时扩展性不足的问题,提出了基于MapReduce编程模型的并行k-means文本聚类算法。通过删除离群点和采用高效的初始质心选择策略提高k-means聚类效果,并设计基于MapReduce框架的大规模文本并行聚类模型提高算法的可扩展性。实验证明,该算法在大规模文本聚类中具有良好的聚类效果和可扩展性。     

基于最小生成树的并行分层聚类算法

分层聚类技术在图像处理、入侵检测和生物信息学等方面有着极为重要的应用,是数据挖掘领域的研究热点之一.针对目前基于SIMD模型的并行分层聚类算法存在的无法解决存储冲突问题,提出一种基于最小生成树无存取冲突的并行分层聚类算法.算法使用O(p)个并行处理单元,在O(n2/p)的时间内对n个输入数据点进行聚类,与现有文献结论进行的性能对比分析表明,本算法明显改进了现有文献的研究结果,是一种无存储冲突的并行分层聚类算法.     

基于自适应按需加权的传感器网络分簇算法

基于LEACH算法的不确定特性将会导致某些节点过快耗尽电池能量而缩短系统寿命,提出了一种基于自适应按需加权的分簇算法.通过设定权值,将节点的节点度,与邻节点的平均距离以及节点的剩余能量考虑在内,从而保证综合性能最好的节点成为簇头.仿真结果表明,改进后的算法在网络寿命、负载平衡程度以及节点充当簇头的公平性指数上均比LEACH算法有了很大提高,有利于提高WSN的能量利用率.     

传感网分簇算法研究及其进展

作为网络拓扑控制的有效方式之一,分簇算法可显著降低无线传感器网络的能量消耗,提高网络吞吐率。文章基于无线传感器网络分簇的架构,对目前主流的分簇算法进行归纳分类。针对无线传感器网络分簇算法设计中存在的难点,文章给出了解决难点的部分成果,并对进一步的研究进行了展望。     

基于位置感知的无线传感器网络聚类算法

针对以能量有效的方式收集传感器网络空间相关性数据的问题,本文提出了一种新的基于位置感知的无线传感器网络聚类算法。算法根据用户查询误差门限和基于位置信息的节点感知数据相异度矩阵,进行无监督数据挖掘,将监测区域划分成信息等价域。每个等价域选取城内当前剩余能量最大的节点作为簇头,网络通过移动代理收集簇头感知信息,从而减少了传输数据量,有效节省了网络能量。     

基于BWAS的无线传感器网络静态分簇路由算法

为提高路径搜索效率,避免动态分簇较多的能量消耗,提出了基于最优-最差蚂蚁系统(BWAS)的无线传感器网络静态分簇路由算法.BWAS是对蚁群算法的改进,在路径搜寻过程中评价出最优最差蚂蚁,引入奖惩机制,加快了路径搜索速度.通过无线传感器网络静态分簇、簇内动态选举簇头,在簇头节点间运用BWAS算法搜寻从簇头节点到汇聚节点的多跳最优路径,能减少路径寻优能量消耗,实现均衡能量管理,延长网络寿命,且具有较强的鲁棒性.通过与基于BWAS的动态分簇和基于蚁群算法的动态分簇路由的仿真实验相比较,证实了本算法的有效性.     

传感器网络中一种分布式数据汇聚层次路由算法

由于传感器网络具有能量约束,低速率冗余数据和多对一传输等特点,传统的端到端集中式路由算法一般不适合传感器网络.提出了一种分布式数据汇聚层次路由算法,该算法利用能量核的思想汇聚数据和减少传输到目的节点的信息.模拟结果表明:比较传统的端到端集中式路由算法,该算法可以显著减少能量消耗;与一般的数据汇聚算法相比,该算法在保证能量消耗少的条件下,具有复杂度低和可扩展性好的特点.     

Connectivity Based k-Hop Clustering in Wireless Networks

In this paper we describe several new clustering algorithms for nodes in a mobile ad hoc network. The main contribution is to generalize the cluster definition and formation algorithm so that a cluster contains all nodes that are at distance at most k hops from the clusterhead. We also describe algorithms for modifying cluster structure in the presence of topological changes. We also proposed an unified framework for most existing and new clustering algorithm where a properly defined weight at each node is the only difference in otherwise the same algorithm. This paper studied node connectivity and node ID as two particular weights, for k=1 and k=2. Finally, we propose a framework for generating random unit graphs with obstacles.     

一种传感器网络跨层能量优先成簇算法

文中提出CLEEC跨层能量优先成簇算法,基于节点剩余能量来选举簇头节点,使网络能量均匀消耗,延长网络的生存时间.模拟实验结果显示,与现有的典型成簇方案相比,新的成簇算法在传感器网络下提供了更长的网络生存时间和更大的网络吞吐量.     

基于蚁群算法的文本分类和聚类

为了研究并提高文本的分类和聚类算法的性能,笔者根据蚁群算法在TSP问题中的应用方法,将其改进引用到文本的分聚类中。在文本聚类中,改变蚂蚁的信息素释放机制,道路节点的聚合方式,最终将相似文本进行聚合。在文本的分类中,将所需要的分类信息装入蚂蚁,蚂蚁根据系统外部所希望的方式将文本分类。实验结果证明,这种新的算法可以使文本分类和聚类的准确度提高,蚁群算法在文本分类聚类中的应用是可行的。     

事件驱动的带执行器无线传感器网络分簇算法研究

带有执行器的无线传感器网络是指在传统无线传感器网络中加入执行节点,形成传感器节点、执行节点和基站共同构成的三层监控网络。根据执行器在能量、计算能力和感知能力方面的优势,提出建立应用于事件调度的双环分簇算法。算法将执行器连接成双环结构,提升网络在线扩展能力的同时,也为无线传感器网络满足事件驱动构建基础。仿真实验证明,此算法能够有效降低网络能耗,随着节点数目的增加和监控领域的扩大,表现更加凸出。