基于Louvain算法的作者合著网络社区划分研究

对作者合著网络进行社区划分有助于挖掘科研人员的合作和交流模式.采用Louvain算法将C-DBLP作者发文合作关系公开数据集进行了社区划分,并采用模块度对划分结果进行评估.结果 表明,Louvain算法能够快速高效地处理具有数千个节点的网络,与LED算法和GN算法相比,能更有效地进行社区划分.研究结果揭示了各个学科不同...     

基于复杂网络社团聚类的故障模式识别方法研究

复杂网络是近年兴起的一种新的理论,已迅速渗透到从自然科学到工程科学等多个领域。本文从复杂网络社团结构的本质特性出发,将故障样本抽象为网络节点,样本与样本之间的联系抽象为边,建立故障数据网络模型。利用复杂网络节点关联度的概念选取社团初始聚类中心,利用欧氏距离函数实现网络社团初始划分,设计社团区分准则函数,并引入模块性合并指标变化进行同类社团合并,最终实现准确的社团聚类与故障诊断。滚动轴承故障诊断实例验证了方法的有效性。     

面向众包平台的偏好和结构相似度融合式设计团队发现

在复杂产品的众包设计项目中，往往需要设计人员组成团队，不断交互与协作地完成相关任务。为了解决在组建团队时成员偏好不一的问题，提出一种基于成员偏好相似度和结构相似度相结合的团队发现算法S＿Louvain，考虑了团队成员之间的偏好并改进了模块度指标。计算节点的偏好属性相似度和拓扑结构相似度，结合用户给定的节点及其邻居节点，综合考虑其偏好与结构相似性，扩展得到目标团队的候选节点集。以候选节点集为核心，挖掘设计团队的兴趣偏好来计算改进的模块度，并更新优化团队划分。在公开数据集和众包工程实例数据集上的实验结果表明，团队划分的模块度指标得到提高，验证了所提算法的可行性和实用性。     

基于改进谱聚类算法的复杂产品模块发现方法研究

模块化复杂产品具有耦合性、多层次和重叠性等复杂特征。针对现有模块发现方法不能识别产品架构中的重叠结构,本文在对谱聚类算法进行改进的基础上,提出一种新的复杂产品模块发现方法。该方法能实现复杂产品模块化组织的可视化,发现共享零部件,有助于协同设计和任务间的信息交互。以轮式装载机的工作装置为实例,验证了该方法的可行性。     

异源在线网络话题早发现及演化特征研究

从海量新闻标题、微博等短文本异源数据及早、准确地发现舆情话题及其演化规律,以期为政府和企业监管舆情态势提供参考。以大规模异源在线社会网络数据为研究源,以文本关键词共现为建模依据点构建时变话题网络模型,将异源在线网络话题早发现及演化追踪问题转变为时变话题网络的动态社团发现与社团演化规律研究问题。进一步,提出以Louvain算法为迭代核心且以模块度增益和网络局部增量为算法量化对象的时变网络动态Louvain社团发现方法,通过与静态Louvain社团发现算法在大量计算机仿真和真实异源社会媒体数据下实验对比分析,证明所建话题网络和动态Louvain社团算法可在较少时空代价下快速、有效地实现对异源在线社会网络隐匿话题的早发现和演化规律追踪。     

基于神经网络规则抽取的产品服务配置规则获取

针对由混合配置前件导致的大量耦合的、相互关联的复杂规则,提出了LC神经网络和RULEX算法联合实施下基于历史数据的个性化产品服务配置规则获取方法,包括基于LC的规则构造和知识发现,基于RULEX的规则抽取,网络模块的划分与提炼,以及配置规则适应度评价。最终通过楼宇控制产品服务说明了该方法具有较好的网络训练效率和规则复杂度。     

机电产品模块划分与综合评价集成设计方法

目的 为了满足机电产品日益多样化、个性化的市场需求,提高产品模块划分的稳定性与模块化方案评价的可靠性,提出产品模块划分与评价集成方法。方法 对产品的功能结构进行分析,构建产品的量化信息模型,合理分配各量化指标的权重,构建描述组件间关系的综合矩阵。采用基于原子理论的聚类算法进行模块划分,通过改变模块粒度,稳定地得出产品模块划分的多个可行方案。通过考虑产品的模块化程度和基于信息熵的模块复杂度,构建模块化方案的综合评价模型,以确定最优的模块划分结果。结论 采用模块划分与综合评价集成设计方法对某小型雕刻机进行模块化设计,并通过对比原子聚类算法与其他模块划分方法所得的模块化结果,验证了所提出设计方法的可行性和高效性。     

网络社团分割算法分析

社团分割是复杂网络研究的一个热点,全面总结近年来提出的各种社团分割算法,详细分析其在实际应用中的优缺点,并指出虽然目前一些算法被证明是有效的,但是没有一种算法指出到底将网络分解为多少社团合理,因此需要对社团分割算法进一步研究。     

基于共同邻居的链路预测新指标

提出一个新的链路预测相似性指标——局部社团结构指标(Local Community Structure,LCS).在已知网络局部信息的前提下,LCS指标刻画了网络中任意两个节点的共同邻居节点与这两个节点的聚集关系.在基于真实网络的实验中,我们计算并比较了CN、AA、RA和LCS四个指标在7个不同真实网络中的AUC评价指标,发现在簇系数较大的真实网络中LCS指标的预测结果好于其他三个指标.     

基于模块度和均衡度的复杂产品架构评价方法

产品的制造和装配效率与产品模块划分方案有关。为了进一步提高复杂产品的制造和装配效率,提出了一种新的产品模块划分和架构评价方法。首先,利用复杂产品已有的模块划分方案,建立产品各模块中零件间的相关度矩阵,将各相关度矩阵（子矩阵）组合到一起并添加模块间的相关度值,得到整个产品零件间的相关度矩阵;其次,基于信息熵理论,提出成本均衡度和复杂度均衡度的概念,并结合模块度、最小描述长度,通过熵权法算得各评价指标的权重,得到综合评价指标并对不同的模块划分方案进行评价;最后,以盾构螺旋输送机模块划分为例来验证所提出方法的合理性和可行性。通过盾构螺旋输送机已有的模块划分方案建立其零件间的相关度矩阵,利用层次聚类得到其不同的模块划分方案,并对其综合评价指标进行比较,从中选择一种最优的模块划分方案来表达盾构螺旋输送机的产品架构组成。基于模块度和均衡度的产品架构评价方法可以对复杂产品的架构进行有效、合理的评价,为提高复杂产品的制造和装配效率提供理论依据。     

An integrated module partition approach for complex products and systems based on weighted complex networks

The modularisation strategy can dramatically shorten the lead time and reduce the cost of complex products and systems (CoPS) development. Module partition is the basis of the modularisation. Because of the high technical content and multi-dimensional complexity of CoPS, the existing module partition approach cannot identify the module of CoPS effectively and efficiently. The complex network is introduced to visually represent the CoPS as their topological structures are very similar. The weights of the edges in the weighted complex network (WCN) are brought to illustrate the correlation strengths among components. An integrated approach is proposed in this article by modelling the CoPS module partition problem as the community detection problem of WCN. Firstly, the CoPS component-WCN is constructed and transformed to a multi-graph. Secondly, the modified GN algorithm is adopted to establish the community detection, namely module partition of CoPS. Finally, a module partition case example of a large tonnage crawler crane expounds that the proposed approach is effective and systematic to solve the CoPS module partition problem.     

基于胞元式 RBF 神经网络的高保真分色模型研究

采用胞元式RBF神经网络模型对七色印刷输出系统构建了分色模型。首先,借鉴颜色空间分区理论将7个主色在整个颜色空间中划分为了6个颜色区域,在每个分区中选取了CIE L*a*b*明度值L上等间隔均匀采样的网点面积率,用于设计建模所需的训练样本,然后对每个分区划分胞元,并且为每个小胞元建立了基于RBF神经网络的分色模型。对于任意给定的要复制的目标色,利用提出的胞元搜索算法确定其所在的胞元位置后,使用相应的神经网络模型进行分色预测。实验结果表明,该分色算法能够达到较高的分色精度,可以满足高质量彩色复制的要求。     

A neural network graph partitioning procedure for grid‐based domain decomposition

This paper describes a neural network graph partitioning algorithm which partitions unstructured finite element/volume meshes as a precursor to a parallel domain decomposition solution method. The algorithm works by first constructing a coarse graph approximation using an automatic graph coarsening method. The coarse graph is partitioned and the results are interpolated onto the original graph to initialize an optimization of the graph partition problem. In practice, a hierarchy of (usually more than two) graphs are used to help obtain the final graph partition. A mean field theorem neural network is used to perform all partition optimization. The partitioning method is applied to graphs derived from unstructured finite element meshes and in this context it can be viewed as a multi‐grid partitioning method. Copyright © 1999 John Wiley & Sons, Ltd.     

基于粗神经网络的企业财务危机预警方法

分析了评价财务危机的指标体系和财务危机等级的划分,论述了粗神经网络的结构和基本原理,叙述了基于粗神经网络的财务危机预警方法,并给出了一个基于粗神经网络的财务危机的预警实例。实验结果表明,该方法应用于财务危机预警中是有效的,为财务危机预警提供了一条新的研究思路和方法。     

A Novel Collective User Web Behavior Simulation Method

A collective user web behavior simulation is an import means for generating a large-scale user network behavior in a network testbed or cyber range. Existing studies almost focus on individual web behavior analysis and prediction, which cannot simulate human dynamics that widely exist in large-scale users’ behaviors. To address these issues, we propose a novel collective user web behavior simulation method, in which an algorithm for constructing a connected virtual social network is proposed, and then a collective user web behavior simulation algorithm is designed on the virtual social network. In the simulation method, a new epidemic information dissemination algorithm based on the SIR model is proposed to drive the user web behavior with Breadth—First Search algorithm on the connected virtual social network. We specially build an experiment environment with 12 servers by using Docker container technology and then perform a wide range of experiments with different user scales to evaluate the method. The experimental results demonstrate that not only the degrees of the social network but also the time intervals of the collective users’ web behavior can be well fitted to a power-law distribution and show that our simulation method can well simulate a collective user web behavior.

     

基于模糊DSM的产品服务系统流程模块化设计

产品服务系统(Product-service System,PSS)是制造企业为满足顾客价值需求,提供的产品和服务集成的解决方案,主要分为三种类型。面向结果的PSS是一种典型类型,其本质上可以看作是一个特殊的服务。为了对其进行有效配置,需要研究基于流程的模块化开发方法。设计结构矩阵(Design Structure Matrix,DSM)是对流程进行模块划分的常用工具,然而传统的DSM是一个二元布尔矩阵,只能反映元素之间是否存在依赖关系。模糊设计结构矩阵(Fuzzy Design Structure Matrix,FDSM)可以对元素之间的依赖关系进行定量表示。权重有向图用来表示流程活动间的依赖关系,并映射到FDSM中,然后用传递闭包法获得模糊等价矩阵。在选取适当的阈值后,根据得出的截矩阵对相应的流程活动进行聚类实现模块划分。最后,以空调温度服务的模块化设计为例,验证了所提方法的有效性。     

基于粗糙集和神经网络的联合模式识别系统

提出了一种划分属性离散区间的新方法．针对这种划分，提出一种约简和去噪的方法．随后，建立了粗糙集和LVQ神经网络的联合模式识别系统．最后，比较了用该系统和仅用神经网络进行识别的效果，证明了该方法的有效性．     

Boundary defect recognition using neural networks

This research presents schemes for automated visual inspection for boundary defects and classification using neural networks. An efficient method for representing circular boundaries is proposed utilizing a curvature and circular fitting algorithm. For classification, two types of neural network modelling schemes are established. First, a multi-layer perceptron is discussed for defect classification problems. Second, a Hopfield network is modelled to be used for continuous-type variables by a minimizing energy function. Extensive tests are conducted on the casting parts, then the results of neural networks are compared with those of traditional pattern classifiers.     

基于深度学习的图像分类算法框架研究

目的 提高图像分类精度是实现自动化生产的基础,提出一种更加准确的图像分类方法,使自动化包装和生产更加高效.方法 基于ResNeSt特征图组的思想,通过引入通道域和空间域注意力机制,并将自适应卷积核思想和Gem池化引入空间域注意力模块,从而使网络在空间域注意力机制中能够对不同图片使用不同的感受野使其关注更重要的部分,提出一种具有通道域和空间域注意力机制,且具有很好移植性的图像分类网络模型结构.结果 文中方法提高了图像分类准确度,在ImageNet数据集上,top-1准确度为81.39％.结论 文中提出的ResNeSkt算法框架优于目前的主流图像分类方法,同时网络整体结构具有很好的移植性,可以作为图像检测、语义分割等其他图像研究领域的主干网络.