无线传感器网络中基于网络嵌入的弱贪婪路由协议

贪婪路由可以划分为强贪婪和弱贪婪2种路由方式。为了解决目前研究工作中弱贪婪路由协议需要地理位置信息,而强贪婪路由协议需要设计满足贪婪属性的网络嵌入图的问题;同时为了降低操作复杂性,减少能量消耗,提出了一种轻量级的基于树的网络嵌入图(TNEG)构建方法。在基于树的网络嵌入图上,设计了具有局部单调性的贪婪函数,并提出了2个路由规则,然后设计了弱贪婪路由协议TGR和基于双树嵌入的路由协议biTGR。模拟实验表明所提路由协议在路径长度和网络负载等性能上具有明显的优势。     

一种基于图嵌入模型的关联感知真值发现

为解决多源数据间广泛存在的冲突问题,真值发现成为一个热门的研究课题。现有的真值发现算法通常基于这一原则：如果一个信息源总是提供真实的信息,那么就会更加可信;如果一条信息由可信的信息源支持,那么就更有可能是真实的。现有的真值发现算法虽然在大部分场景下取得了较好的效果,但大多忽略了实体属性之间的关系。在本文中,提出了一种新的模型,该模型采用图嵌入方式在真值发现的同时捕捉了实体属性间的关系。通过构建4种异构网络,包括源-源、源-属性值、实体属性-实体属性、实体属性-实体属性值网络,以对数据之间的关系建模。接着将这些网络嵌入到低维空间中,使得可靠的来源和可靠的属性值彼此接近,实体属性之间的关系反映在属性值上,从而进行真值发现推理。在2个真实数据集上的实验,表明本文的算法优于现有的真值发现算法。     

基于数据中心光网络的节能虚拟网络嵌入算法

针对数据中心光网络(DCONs)的能耗节省问题,文章提出了一种基于匹配网络资源的节能嵌入(3E-MNR)算法.该算法采用协调的虚拟网络嵌入,提出了嵌入匹配网络资源的概念,在虚拟嵌入的同时考虑节点和链路的资源约束,根据链路距离选择合适的调制格式,放置再生器和光收发器(OTP),选择能耗最低的网络资源完成嵌入.实验结果表明...     

一种基于孪生神经网络的深度异构网络嵌入算法

针对现有异构网络嵌入方法导致的捕获关系冗余和模糊的问题,提出了一种基于孪生神经网络的深度异构网络嵌入模型。首先,基于面向关系的深度嵌入(Relation-Oriented Deep Embedding,RODE)框架构建了异构网络嵌入模型,以区分同型节点和异型节点之间的关系;其次,将同型节点与异类节点之间的相似性近似到低维空间,通过构建多任务的孪生神经网络来实现节点之间结构和语义关系的深度嵌入;最后,选取四个数据集执行典型网络挖掘任务,并与其他六种算法进行实验对比分析。实验结果表明,保持相同类型节点之间的相似性有助于提高节点分类效率,且损失函数在提高异构网络嵌入质量方面具有良好的优越性;RODE模型能够有效提高稀疏网络的嵌入质量,且具有良好的稳定性和鲁棒性。     

基于概率布尔网络的基因调控网络研究及应用

几乎所有的生命活动都受基因调控网络的影响,对基因调控网络的研究可以让人们从基因层面认识人类的生命活动。癌症在我国的发病率和死亡率日益上升,严重威胁了人类健康。文章在基因调控网络的基础上,以癌症的研究为例,在原有的布尔网络的基础上,通过引入更适合生物体内复杂环境的概率布尔网络,对癌症网络进行分析和预测,减少由于布尔网络的确定性产生的错误规则。     

网络社区发现优化：基于随机游走的边权预处理方法

在网络日趋复杂化、巨大化的背景下,仅依靠网络拓扑特征难以提高现有社区发现算法的精确度和性能。该文提出一种优化网络社区发现的边权预处理方法,基于马尔可夫随机游走理论建模社区结构对复杂网络行为的影响,根据多重随机游走对网络连接的遍历情况,重新衡量网络边权。预处理后的边权作为网络拓扑的有效补充信息,能够将网络社区结构去模糊化,从而改善现有算法的社区发现性能。对于一些典型的计算机生成网络和真实网络,经实验验证：该预处理方法能够有效提升现有部分社区发现算法的准确性和效率。     

基于复杂网络的时延基因调控网络构建

 借鉴复杂网络的分析思想和方法,采用规范化Laplace矩阵和K均值聚类法对基因调控网络进行多社团划分,同时给出每个社团内部和社团之间基因的相互作用情况.另外,为反映基因之间真实的相互作用过程和提高建模精度,在社团划分之前,采用时间序列谱分析法对基因表达时延进行精确估计.酵母细胞周期基因调控关系分析的实验结果表明,本文所提方法能更准确地反映基因之间的相互作用过程和提供基因调控模型的细节.     

基于嵌入矩阵的二值图像隐藏方法

描述了一种基于嵌入矩阵的二值图像信息隐藏方法,该方法将图像交叉分块后,计算各子块的可修改分值,根据可修改分值的大小选取子块的中心像素作为数据嵌入的位置;数据嵌入时,使用基于嵌入矩阵的信息隐藏方法,在嵌入同等数据量的同时,可有效地减少对原图像数据的修改.     

基于加权超图随机游走的文献关键词提取算法

针对科技文献类标题短文本关键词提取时,已有自然语言处理算法难以建模文献时间与权威性且短文本词语较少建模往往存在高维稀疏问题,本文提出了一个综合实时性以及权威性的关键词提取算法为研究者进行相关推荐.该方法将文献标题视为超边,将标题中不同词项视为超点来构建超图,并对超图中的超边与超点同时加权,进而设计一种基于加权超图随机游走的关键词提取算法对文献标题的词项进行提取.该模型通过对文献来源,发表年份以及被引次数建模来对超边进行加权,根据节点之间的关联度以及每对节点在特定标题中的共现距离对超点加权.最后,通过超图上的随机游走计算出节点的重要性进而确立可推荐的关键词.实验表明,与三种基准短文本关键词提取算法相比,本文算法在精确率和召回率方面均有所提高.     

基于高阶相似性的属性网络表示学习

现有的网络表示学习方法缺少对网络中隐含的深层次信息进行挖掘和利用。对网络中的潜在信息做进一步挖掘,提出了潜在的模式结构相似性,定义了网络结构间的相似度分数,用以衡量各个结构之间的相似性,使节点可以跨越不相干的顶点,获取全局结构上的高阶相似性。利用深度学习,融合多个信息源共同参与训练,弥补随机游走带来的不足,使得多个信息源信息之间紧密结合、互相补充,以达到最优的效果。实验选取Lap、DeepWalk、TADW、SDNE、CANE作为对比方法,将3个真实世界网络作为数据集来验证模型的有效性,进行节点分类和链路重构的实验。在节点分类中针对不同数据集和训练比例,性能平均提升1.7个百分点;链路重构实验中,仅需一半维度便实现了更好的性能,最后讨论了不同网络深度下模型的性能提升,通过增加模型的深度,节点分类的平均性能增加了1.1个百分点。     

基于加权内容-结构网络和随机游走的社团划分算法

针对传统模块优化社团划分算法仅能利用网络的结构信息,而无法利用同样丰富的内容信息,导致划分精度较低的问题,提出一种结合内容属性并通过给连边加权来全面优化网络拓扑结构的社团划分算法CCSRW（Classification with Content-Structure and Random Walk）.设计利用随机游走理论计算结构节点与内容节点间的相似性关系矩阵,并将结构节点映射到内容属性空间上,最终把社团划分问题转化为多维无监督聚类问题.通过在真实数据集上进行的全面实验分析,展示了相比于传统社团划分算法,本文的算法能更准确的描述网络结构,显著提高划分性能,并有效解决小社团不敏感问题,更适用于大规模复杂信息网络的社团划分.     

基于LSB算法的图像数字嵌入技术软件系统设计

文章以嵌入技术为出发点,以LSB算法为技术节点,进行图像信息加密传输的系统构建。在嵌入技术中,将重要数据写入各类载体,确保信息传输安全。经系统运行验证:认为LSB技术构建多彩图像信息加密传输系统,具有程序实现的可行性。     

基于动态图嵌入的车联网拓扑控制

针对由车联网的高度动态性和复杂性导致网络拓扑难以合理、稳定构建的问题,提出了关于车联网的范围标签图嵌入方法。首先,根据路侧单元分割车辆网络,利用驾驶员辅助系统获取实时车辆信息;其次,使用傅里叶变换、模糊推理对车辆信息预处理,获得车辆低维特征向量,再对新加入网络的车辆节点进行冷启动处理;最后,以所提动态图嵌入方法在区域内进行拓扑控制,充分利用车辆的特征信息构建车联网,实现网络的动态更新。实验结果表明,所提图嵌入方法建立的网络拓扑相对于传统网络及对比图嵌入方法,具有更好的动态性、连通性以及稳健性。     

基于网络蜘蛛的搜索引擎自动发现

自动发现Web上大量的搜索引擎对于构造大规模元搜索引擎是有益的,提出一种用优化爬行规则的网络蜘蛛自动发现搜索引擎并提取其元信息的方法:通过优化爬行规则的网络蜘蛛爬取页面;利用专门的识别规则从爬取到的页面中识别搜索界面,并提取其相关的元信息。试验结果表明该方法简单有效,自动发现的查准率和查全率分别达到97%和91%。     

一种基于嵌入技术的异构信息网络的快速聚类算法

异构信息网络聚类分析是当前的热点研究问题之一。利用异构信息网络的稀疏性,该文提出一种基于嵌入技术的星型模式的异构信息网络的快速聚类算法。首先从相容的角度将异构信息网络转化为若干个相容的二部图,使用随机映射和一种线性时间求解程序快速计算出每个二部图的近似通勤距离嵌入,每个嵌入都存在一个子集指示目标数据集;然后,使用这些指示子集构建一个通用的聚类模型;最后,将所有指示子集的类设置标号,通过计算指示同一目标对象的指示数据与标号相同类的中心点的加权距离总和,同时划分所有的指示子集,从而快速获得通用模型的极小值。通过理论分析及实验验证,该文算法聚类速度快,聚类准确率高。     

基于平稳小波分析的社会网络异常检测研究

社会网络分析是对社会关系结构及其属性加以分析的一套规范和方法。这篇文章旨在研究社会网络的异常检测问题。以社会网络分析技术为基础,在Matlab数据分析环境中利用Wavelab小波分析工具包中的平稳小波对社会网络的异常情况进行动态检测。首先归纳了平均通信量这一社会网络数据特征,搜集一组需要的真实数据,然后对数据进行平稳小波分解,并且运用梯度加权方法对分解结果进行了相应的处理,最终得到了较为理想的实验结果。     

基于基因表达式编程的移动通信网络性能指标预测

移动通信网络性能指标的准确预测对移动通信行业有着极其重要的意义。将基因表达式编程(GEP)技术引入移动通信网络性能指标分析领域,提出了基于GEP的网络性能指标预测模型GEP-WirelessAP。对某市电信公司的全年AP利用率记录进行了时间序列分析试验,并进行了预测检验和结果分析。实验结果表明,GEP-WirelessAP模型有效地避免了传统预测方法的盲目性,从而使预测效果更加客观、有效。