基于模体的模块度优化高阶社区检测算法

为提升现有高阶社区检测算法的性能,提出一种基于模体的模块度优化高阶社区检测算法。通过量化网络模体数量为节点间权重,将高阶基于模体的社区检测转化为低阶基于边的加权网络社区检测,并构造为加权模块度优化问题求解。为保证加权模块度优化性能以获得逼近全局最优的高阶社区划分,一方面优化策略采用典型的生物启发式算法;另一方面综合利用网络低阶和高阶拓扑结构信息,通过节点邻域社区修正操作和局部搜索操作,进一步提升社区划分质量并防止算法陷入局部最优。在人工合成和真实世界网络上的实验表明,利用模体高阶结构信息有助于提升复杂网络社区的检测性能,尤其是在社区结构较为模糊的情况下。该算法能够有效实现基于模体的高阶社区检测,与现有基于模体的典型方法相比在精确性和质量性上表现出一定优势,有助于加深对网络高阶结构及功能特性的理解。     

激烈竞争的电子标签技术谁主沉浮(二)

介绍射频识别系统真正的数据载体——电子标签的基本概要,论述射频识别技术的标准及EPC分类。     

对抗·碰撞——故事里的网版印刷技术与半导体技术(六)

半导体技术为微电子工业发展带来巨大成就,其材料和设备的污染程度和高成本投资,却成为与网版印刷技术竞争中的短板。新的电极制作材料实现了网版印刷化,与网版印刷的精细制作能力和制作工艺的优势相配合,实现技术替代具有可能性。     

激烈竞争的电子标签技术 谁主沉浮(五)

比较四大传统印刷技术进行电子标签天线制作的长短,分析数据、过程和结果得出网版印刷技术的优胜之处。     

对抗·碰撞——故事里的网版印刷技术与半导体技术(九)

半导体制作技术、电泳制作技术和网版印刷技术并存的过程,是三者之间新的对抗与碰撞。全网版印刷的二极型CNT-FED的结构与全新网版印刷工艺,是对印刷CNT发射体技术的改进与创新。     

基于零模型的社区检测基准网络构造及应用

社区检测对于探索挖掘复杂网络的结构特性具有重要意义,社区检测算法性能对于检测结果具有重要影响。目前用于衡量社区检测算法性能的基准测试网络较为单一,主要包括人工合成网络和真实世界网络。由于真实世界网络中通常缺乏已知社区结构信息,人工合成网络成为衡量算法性能的主要途径,但普遍存在网络微观特性不可调且与真实世界网络差异较大、对检测算法区分度不高、无法更改局部网络结构等问题。为提升人工合成网络性能,该文提出基于零模型的基准测试网络构造方法,首先设计了能够保持中尺度特性的零模型,提升网络微观特性调整灵活度,使其更逼近真实世界网络结构特性;其次设计了能够调整社区结构强弱的零模型,提升网络社区检测的评价准确性;最后设计了能够调整局部拓扑结构的零模型,有效衡量局部社区结构特性变化对于整体网络结构及检测算法性能的重要性。实验结果表明,基于零模型的构造方法能够有效提升基准测试网络的多样性和灵活性,更加逼近真实世界网络特性,因此更能满足对于社区检测算法性能的评价需求,对于提升复杂网络社区检测性能具有重要意义。     

湖南地区居住建筑节能现状及措施

分析当前湖南地区的建筑能耗状况，强调建筑节能的重要意义，针对湖南的气候特点，论述了建筑整体设计、围护结构即墙体、门窗、屋顶等的建筑节能设计问题。     

高维多目标动态停车场选择及路径诱导研究

现有停车诱导系统中采用的停车场选择及路径诱导方法多局限于提供用户出行前多目标最优的停车场选择方案及路径诱导方案,无法实现用户行进过程中动态的多目标停车场及路径优化选择,此外由于现有多目标优化算法性能受限,无法快速获得真正高维多目标最优的决策方案.针对上述问题,提出一种综合用户出行前静态的和行进中动态的高维多目标停车场选择及路径诱导模型,并设计了高维多目标优化算法KS-MODE保证模型的高效求解.实验结果表明,KS-MODE在4～15目标优化问题上的收敛性能相比较于现有多种算法具有明显优势,基于KS-MODE的模型求解能够在城市交通网中实现出行前及行进中的五目标最优的动态停车场选择及路径诱导,证明了高维多目标优化算法是求解停车场选择及路径诱导的有效方法,能够提高现有停车诱导系统的诱导精度及智能化程度.     

基于动态学习策略的群集蜘蛛优化算法

为了提高群集蜘蛛优化(SSO) 算法的性能, 提出一种基于动态学习策略的群集蜘蛛优化(DSSO) 算法. 该算法通过群体协作过程中学习因子的动态选择, 平衡算法的搜索能力和勘探能力; 采用随机交叉策略和云模型改进协作过程个体更新方式, 在维持种群多样性的同时尽量提高收敛速度. 基于标准测试函数的仿真实验表明, DSSO 算法可有效避免早熟收敛, 在收敛速度和收敛精度上较标准SSO 算法和其余4 种较具代表性的优化算法均有显著提高.