移动通信网中基于用户社会化关系挖掘的协同过滤算法

该文面对移动通信网中个性化服务推荐问题,结合社会化网络分析方法提出一种基于移动用户社会化关系挖掘的协同过滤算法。利用移动通信网中所形成社会化网络,预测潜在的社会化网络关系,并按关系紧密程度找到相似用户;然后结合基于用户评分相似度计算发现的最近邻用户,找到最相似的用户集合,进行移动用户偏好预测和推荐,有效地缓解数据稀疏性。仿真数据集和公开数据集实验表明了该算法在预测移动用户偏好和提高推荐精确度方面的可行性和有效性。     

基于移动用户上下文相似度的协同过滤推荐算法

该文面向移动通信网络领域的个性化服务推荐问题,通过将移动用户上下文信息引入协同过滤推荐过程,提出一种基于移动用户上下文相似度的改进协同过滤推荐算法。该算法首先计算基于移动用户的上下文相似度,以构造目标用户当前上下文的相似上下文集合,然后采用上下文预过滤推荐方法对移动用户-移动服务-上下文3维模型进行降维得到移动用户-移动服务2维模型,最后结合传统2维协同过滤算法进行偏好预测和推荐。仿真数据集和公开数据集实验表明,该算法能够用于移动网络服务环境下的用户偏好预测,并且与传统协同过滤相比具有更高的推荐精确度。     

多层α-核散列聚类的异常数据社团发现算法

异常数据社团发现是解决异常数据挖掘中大规模未授权行为分析的重要方法,文中基于多层α-核心集对散列数据进行高斯核相似聚类,对大规模散列的网络入侵数据进行凝聚社团化处理,将难以聚类重叠的数据进行多层核簇类分析,并利用多层α-核心集处理与孤立点检测。通过实验证明,该方法对大数量具有明显散列特点的网络入侵攻击的检测具有较好的预期效果,在准确率与算法执行效率方面具有明显优势。     

基于二次独立集的数据融合调度算法简

针对无线传感器网络数据融合中服务质量与加权公平性保证问题,提出了一种基于二次独立集的数据融合调度算法MISS。该算法采用时分复用思想,通过2次构造最大独立集实现对加权数据的无冲突调度。首先构建以最大独立集为基础的树型结构,并根据能量消耗预测进行调整形成最终的数据融合平衡树;然后通过优化调度对象集合,利用近似最大加权独立集为允许通信的链路分配传输时隙。实验结果表明,该算法能够在降低融合时延、加权公平性保证以及延长网络生命周期等方面实现性能平衡。     

无线传感器网络中基于移动代理的自适应数据融合路由算法

该文提出在无线传感器网络中基于移动代理的自适应数据融合路由(AFMR)算法,解决移动代理如何以能量有效的方式融合、收集相关性数据的问题。该算法综合考虑了移动代理在路由过程中传输能量和融合能量的消耗,并根据数据融合算法的能量开销和节能增益,对移动代理迁移到各节点时是否执行数据融合操作进行自适应调整,以达到在各种不同的应用场景中优化移动代理能量开销的目的。通过仿真验证了在无线传感器网络的各种相关性数据收集的应用环境中,AFMR算法在节省能量方面比现有TSP和FMR的移动代理路由算法更加有效。     

WiMAX网络的自适应切换算法

宽带无线通信由于载频的不断提高使得覆盖网络的半径越来越小,切换将变的更加频繁。针对不同移动用户,提出了一种基于移动速度的自适应切换算法,在切换过程中目标基站通过自适应的调整切换的延时时间来提高切换质量,降低了切换的掉话率。仿真表明,该策略可以有效降低切换掉话率,得到了一个比较完善的切换机制,可广泛用于将来宽带无线通信融合网络的切换中。     

一种基于评论的多特征融合深度协同推荐算法

在基于评论的推荐算法中,文本特征通常会在训练中发生损失,导致最后的特征交互不足,影响推荐效果。为了获取包含更多信息的文本特征,得到更准确的预测值,文章提出一种基于评论的多特征融合深度协同推荐算法。该算法首先对评论文本进行预处理,然后通过由卷积文本网络和双向GRU网络构成的C&G模块进行多特征提取,同时引入注意力机制,最后在融合层进行融合预测。在Amazon Digital Music数据集上的实验结果表明,该算法的准确度较高,推荐效果较好。     

基于Bayes序贯估计的无线传感器网络数据融合算法

移动代理被认为是无线传感器网络中解决数据融合的有效方法,但代理访问节点的次序以及总数对算法有较大影响,为此该文提出一种基于Bayes序贯估计的移动代理数据融合算法.该算法通过构造特定数据结构的报文,在多跳环境中由Bayes序贯估计调整梯度向量,据此动态决定移动代理的访问路径,使移动代理有选择地在传感器节点之间移动,且在节点处由移动代理对数据进行融合,将多余的感知数据剔除,而不是把原始数据传输到Sink节点。理论分析和模拟实验表明,该算法有较小的能量消耗和传输延时。     

基于社区的机会网络路由算法研究综述

在机会网络中,随着大量具备短距离通信接口的移动设备(如带有Wi-Fi/蓝牙接口的智能手机、PDA和车载无线设备等)的出现,使得网络中的节点表现出的某些特性与人的社会行为特征很相似,于是研究人员提出了基于社区的机会网络的概念。文章首先介绍社区的概念、基本应用;然后着重对该网络研究所提出的主要路由算法进行分析和分类阐述;最后给出基于社区的机会网络路由算法的下一步研究方向。     

基于WLSE-KF的传感器融合定位算法研究

多传感器融合在定位中的应用越来越广泛。在利用这些传感器进行定位的过程中,需要对其采集的数据进行融合。射频识别融合定位一般采用最小二乘法,然而,它可能使定位误差较大。文中提出了将最小二乘和卡尔曼滤波相结合的算法。该算法先利用加权最小二乘估计获得移动用户的初步位置,再利用扩展卡尔曼滤波进一步使定位精度得到提高。仿真结果表明该算法相比多种传统定位算法,误差减少,定位精度明显提高。     

基于微博媒体的社区发现技术研究

微博社交网络是由节点构成的,每个节点代表一个微博用户。节点与节点间存在着关系,因此连接紧密的节点形成了社区。如何从微博社交网络中挖掘出社区,已成为Web2．0的团体挖掘研究热点。详细介绍了传统的网络团体挖掘算法,并提出了一种新的社区发现的算法,称为基于用户兴趣的社区发现算法。该算法不论在计算效率还是社区发现效果上比传统算法都具有明显的提升,取得了不错的实验效果。     

基于多维特征分析的社交网络意见领袖挖掘

在社交网络中进行意见领袖的挖掘对信息传播与演化的深度分析、舆情监控和引导具有重要意义,本文综合结构特征、行为特征和用户的情感特征对意见领袖节点挖掘问题进行研究.本文首先对微博真实文本数据进行话题识别得到主题社区,在主题社区中基于用户节点之间的关注关系构建交互网络拓扑.然后分别从结构、行为和情感三个维度对用户的影响力进行度量.最后,分析用户在主题社区中的影响力分布与传播规律,提出意见领袖识别算法MFP(Multi-Feature PageRank).实验表明,该算法可有效地挖掘潜在的意见领袖节点,能够获得较高的支持率.     

短句语义向量计算方法

提出了一种基于人工神经网络的短文语义向量放缩算法,结合社交节点自身信息和短文语义,给出社交网络短文语义计算方法和突发话题发现算法。通过文本数值化实现语义距离的计算、比较、节点的分类及社区发现等。通过自行开发的微博采集工具Argus采集的大量新浪微博内容对所提模型和算法进行了验证,最后对未来工作进行了展望。     

Finding Best Matching Community for Common Nodes in Mobile Social Networks

The increase of mobile data users has created traffic congestion in current cellular networks. Due to this, mobile network providers have been facing difficulty in delivering the best services for customers. Since, detecting community in mobile social network is a valuable technique to leverage the downlink traffic congestion by enhancing local communications within the community, it attracts the attention of many researchers. Therefore, developing an algorithm, which detects community, plays a key role in mobile social network. In this paper, first, we proposed external density metrics to detect mobile social network. External density is defined as the ratio of outgoing links to total links of the community. Second, method to find the best group for common node is proposed. Therefore, an external density algorithm, makes a fair partition by grouping common nodes to a community with relatively higher external density. As a result, the overall modularity value of the network has increased. Third, the proposed algorithm is evaluated. Hence, the evaluation results confirm that our proposed approach has demonstrated good performance improvements than traditional methods.

     

容迟网络中基于节点间亲密度的分组路由方法

借鉴MANET中通过分簇来减少冗余副本和社交网络中有关挖掘社交圈的思想,通过分析节点的移动规律,定义了基于节点间亲密度的拓扑结构,并将该亲密度在拓扑图中量化为可以比较的边的权值,依据边的权值大小进行拓扑裁剪,挖掘出相互亲密度较高的节点分组,并且针对源节点和目的节点所在的分组对spray and wait路由方法进行改进,来决定本身的报文副本的分配情况,进而提出了基于节点间亲密度的分组路由方法(PBI)。实验结果表明,该路由方法能够明显地提高投递成功率并且减小网络时延。     

基于FCM的复杂网络重叠社团结构发现算法

复杂网络中的社团结构发现是对网络数据集进行数据挖掘的普遍性问题.针对网络中大量存在的重叠社团现象,提出了基于FCM的发现重叠社团结构算法,并进一步在NG模块度的基础上,给出了评价重叠社团结构的模块度函数.算法首先将网络的节点映射成欧氏空间的节点,再以此做模糊聚类得到各重叠社团结构,根据模块度函数选择最佳重叠社团结构.最后,在经典网络上的实验结果表明,算法能够得到满意度高的重叠社团结构,而且时间复杂度较低.     

基于上下文相似度和社会网络的移动服务推荐方法

针对传统的基于协同过滤的移动服务推荐方法存在的数据稀疏性和用户冷启动问题,提出一种基于上下文相似度和社会网络的移动服务推荐方法(Context-similarity and Social-network based Mobile Service Recommendation,CSMSR).该方法将基于用户的上下文相似度引入个性化服务推荐过程,并挖掘由移动用户虚拟交互构成的社会关系网络,按照信任度选取信任用户;然后结合基于用户评分相似度计算发现的近邻,分别从相似用户和信任用户中选择相应的邻居用户,对目标用户进行偏好预测和推荐.实验表明,与已有的服务推荐方法TNCF、SRMTC及CF-DNC相比,CSMSR方法有效地缓解数据稀疏性并提高推荐准确率,有利于发现用户感兴趣的服务,提升用户个性化服务体验.     

一种面向移动Ad Hoc网络DSR协议的改进泛洪算法

在移动自组织网络中,基于移动节点地理位置辅助信息,提出了一种新的泛洪算法——位置辅助泛洪改进算法（ILFA）,ILFA通过节点位置信息重传广播分组并有效控制网络流量。此外,将ILFA应用于经典MANET源路由（dynamic source routing,DSR）协议中,通过限定请求区域和期望区域等限制路由发现的有效范围,进而通过设置提名广播重传邻居列表限定路由请求分组重传范围,有效减小DSR路由寻路分组的传播次数。仿真结果证明,和传统泛洪方案相比,ILFA能够有效减小DSR路由协议的路由开销并提升MANET吞吐量。     

Research on the scalability of parallel community detection algorithms

The social network often contains a large amount of information about users and groups,such as topic evolution mode,group aggregation effect,the law of information dissemination and so on.The mining of these information has become an important task for social network analysis.As one characteristic of the social network,the group aggregation effect is characterized by the community structure of the social network.The discovery of community structure has become the basis and key point of other social network analysis tasks.With the rapid growth of the number of online social network users,the traditional community detection methods have been difficult to be used,which contributes to the development of parallel community detection technology.The current mainstream parallel community detection methods,including Louvain algorithm and label propagation algorithm,were tested in the large-scale data sets,and corresponding advantages and disadvantages were pointed out so as to provide useful information for later applications.