社交网络关键黑客节点识别方法北大核心CSCD

计算机网络安全形势严峻,对实施网络攻击的黑客以及黑客所在组织的研究越来越重要。社交网络有不受时间空间限制的特点,因此成为黑客交流的主要平台,也是网络安全研究人员获取信息的重要渠道。为了对社交网络中的黑客进行分析,文章提出一种基于社区发现的社交网络关键黑客节点识别方法。首先,文章通过图卷积网络以无监督方式实现网络的社区划分;然后,利用用户之间的交互行为和主题相似度,通过改进的Page Rank算法实现社区内黑客节点的影响力度量;最后,通过独立级联模型评估关键黑客节点对网络传播效率的作用。在Twitter数据集上的实验表明,该方法能有效识别社交网络中的关键黑客用户。     

一种新的H∞固定阶控制器综合方法

提出了只通过一个Ｒｉｃｃａｔｉ方程求解Ｈ∞固定阶控制器的方法，在获得系统与控制器的增广系统后，得到了一个和控制器参数有关的假想控制输入，在其特定形式下得到一个全信息控制问题，由于增广系统是奇异的，根据范数约束得到的Ｒｉｃｃａｔｉ方程是和一个常数有关的，从而较为简单的处理奇异问题，因为假想输入的是扰动和状态变量的反馈形式，故可参数化控制器，最后的结果表明如果参数阵满足某些条件，则固定阶控制器是存在的     

二维勘探新观点

通过实例分析了传统二维勘探的不足之处,改进型二维勘探方法可以很好的解决这些问题.     

高坝洲电厂“无人值班（少人值守）”模式下的事故预防机制

简要介绍了高坝洲水电厂无人值班(少人值守)的运行模式及面临的一些问题,就保证机组正常运行、建立和完善设备事故的预防机制进行了分析和总结。     

Open shop复杂调度网络模型及特征分析

给出open shop 复杂调度网络模型,即通过将open shop复杂调度对象描述成复杂网络,并将相关的复杂调度问题描述成对应复杂网络上的节点遍历问题,从而将复杂调度问题纳入复杂网络理论体系进行研究.分析几个复杂调度网络场景的一些基本结构特征,发现复杂调度网络具有小世界、模块化等很多现实复杂网络共同具有的特点.前者说明调度对象事件之间具有较强的局部和全局耦合;后者能够为分块解决复杂调度问题提供理论基础.复杂调度网络中的平均度值和平均聚类系数与调度目标即网络平均遍历时间具有较强的关联,网络平均度值和网络平均遍历时间基本满足对数关系,这为后续设计基于复杂网络特征的调度规则提供启发式信息.给出网络可折叠度的概念,发现复杂调度网络本质上具有较大的网络可折叠度,可以通过折叠复杂调度网络来降低它的复杂度,从而提高后续的分析和算法执行效率.     

叠前时间偏移技术初探

随着计算机技术的发展,叠前深度偏移技术才逐步发展和应用起来,基于波动方程积分解的克希霍夫积分法叠前深度偏移技术,在20世纪90年代以前就有研究,随着多年来持续不断地改进和完善,目前已经成为一种高效实用的叠前深度偏移方法,它具有高角度成像、无频散、占用资源少和实现效率高的特点,能适应不均匀的空间采样和起伏地表,比较适合复杂构造的成像,是当前实际生产中使用的主要叠前深度偏移方法.     

基于最小二乘支持向量机的动力配煤着火特性预测模型

将最小二乘支持向量机建模方法引入到动力配煤着火特性的分析建模中,针对配煤指标中计算困难的着火温度指标建立了最小二乘支持向量机模型,一方面克服了神经网络算法的过拟合、泛化能力弱等缺点;另一方面提高了求解过程的计算速度。采用微粒群算法(PSO)对模型参数进行优化,模型留一验证得到预测均方误差为8.60,相关系数为0.93,对65个样本进行预测分析,得到较高的预测精度。因此采用最小二乘支持向量机方法可以实现较精确的配煤着火温度预测。     

基于SVM的精确数-区间数回归模型建模方法

分析了现有的精确数输入和区间数输出回归算法存在的问题，提出了基于支持向量机的区间数回归建模算法,该算法把支持向量机从精确数回归分析方法推广到区间数回归分析建模方法，在小样本训练集下回归模型具有良好的泛化性能，有效地避免了现有算法中回归模型的下界可能大于上界的问题．以连续退火生产过程中冷却段出口带钢温度预测为例，通过仿真说明了该算法的有效性．     

基于壳向量的线性支持向量机快速增量学习算法

提出了一种新的基于壳向量的增量式支持向量机快速学习算法.在增量学习的过程中，利用训练样本集中的几何信息，在样本中选取一部分最有可能成为支持向量的样本--壳向量，它是支持向量集的一个规模较小的扩展集，将其作为新的训练样本集，再进行支持向量训练.这在很大程度上减少了求取支持向量过程中的二次优化运算时间，使增量学习的训练速度大为提高.与单纯使用支持向量代表样本数据集合进行增量学习的传统算法相比，使用该算法使分类精度得到了提高.针对肝功能检测标准数据集（BUPA）的实验验证了该算法的有效性.