基于交叠社团相似性的生物网络关键节点识别

生物网络是研究生物特性的一个重要工具,目前已经有许多方法用于研究生物网络,关键节点分析是其中最常用的方法之一。关键节点分析通常是根据一定的规则为网络中的各节点分配一个函数值,并由此来确定网络中各节点的重要程度,目前已经发表了一些方法。然而,这些方法在单独使用的情况下,获得的关键节点的生物学意义一般较低,存在一定的缺陷。本文从节点对社团贡献的角度建立关键节点识别方法,首先提取网络中富含生物学功能意义的社团,然后依据交叠社团的相似性为各节点分配贡献值,最后通过两个生物网络实例论证了方法的有效性。     

基于改进的BSMOTE和时序特征的风机故障采样算法

针对风机数据集的不平衡问题,提出了一种BSMOTE-Sequence采样算法,在合成新样本时综合考虑空间和时间特征,并对新样本进行清洗,从而有效减少噪声点的生成.首先,根据每个少数类样本的近邻样本的类别比例,将少数类样本划分为安全类样本、边界类样本和噪声类样本.然后,对每个边界类样本都遴选出空间距离、时间跨度最接近的少...     

DTA重叠峰的高斯函数解析法

用高斯函数法模拟和解析ＤＴＡ重叠峰，演绎了子峰起始反应温度和峰面积求解方法，提出了手工处理实时谱的三点法，编制微机分峰模式图网络指导子峰峰顶坐标的确定，获得令人满意的高斯三参数法微机分峰效果。     

一种改进的图像超分辨率模型与数字图像分辨率的研究

论文从Harris等人提出的图像超分辨率理论出发,分析了传统图像超分辨率理论的不妥之处,并在此基础之上对成像模型进行了改进。以改进模型为依据,指出数字图像频谱的混迭是影响数字图像分辨率的主要因素之一,并且这种混迭是不可避免的,也是不可能被完全消除的。在数字图像超分辨率重建中,奈奎斯特抽样定理已经不能适用了,此种重建过程应该是减小混迭的过程,根据重建精度的要求,相应的来减小混迭。在图像混迭的基础之上,提出了一种数字图像分辨率的概念,由此概念出发,可以为数字图像超分辨率重建提供新的途径和评价方法。     

Detecting Overlapping Community Structures in Networks

Community structure has been recognized as an important statistical feature of networked systems over the past decade. A lot of work has been done to discover isolated communities from a network, and the focus was on developing of algorithms with high quality and good performance. However, there is less work done on the discovery of overlapping community structure, even though it could better capture the nature of network in some real-world applications. For example, people are always provided with varying characteristics and interests, and are able to join very different communities in their social network. In this context, we present a novel overlapping community structures detecting algorithm which first finds the seed sets by the spectral partition and then extends them with a special random walks technique. At every expansion step, the modularity function Q is chosen to measure the expansion structures. The function has become one of the popular standards in community detecting and is defined in Newman and Girvan (Phys. Rev. 69:026113, 2004). We also give a theoretic analysis to the whole expansion process and prove that our algorithm gets the best community structures greedily. Extensive experiments are conducted in real-world networks with various sizes. The results show that overlapping is important to find the complete community structures and our method outperforms the C-means in quality.     

基于节点综合相似度的多标签传播社区划分算法

为了解决现有的多标签传播社区划分算法采用的随机顺序策略导致形成的社区划分结果不稳定和社区质量不够高的问题,提出了一种基于节点综合相似度的多标签传播社区划分算法MLPA-NCS。以节点潜在影响力的降序作为节点选择顺序,解决社区结果划分不稳定问题。根据节点的主题相似度和链接相关度计算出节点综合相似度,并以节点综合相似度降序作为更新节点标签时对邻近节点遍历的顺序,提高所划分社区的质量。采用真实数据集和人工网络数据,对多个算法进行对比实验,结果表明算法有效可行,社区划分结果更稳定,社区质量也更高。     

基于边图的线性流重叠社区发现算法

重叠网络的社区发现是复杂网络研究中的重要问题。为了提高网络中重叠社区发现的时间效率，提出一种基于边图的线性流重叠社区发现算法LBSA。算法首先对于边图网络中的边进行随机的依次处理，完成节点的初步社区划分，再将其中重叠小社区合并到相似度最大的其他大社区中得到最终的社区。通过以上步骤，算法能够以接近线性的时间复杂度得到网络的重叠结构。从最终的实验结果来看，与其他算法相比，该算法能够在更短的时间有质量地发现网络中的重叠社区。     

地理社交网络中重叠种子的广告博弈决策机制

作为社交影响最大化问题的重要应用之一,社交广告(或社交营销)已成为一个热门行业.其目标就是寻找k个最具影响力的种子节点,使产品公司利用成员间推介的“级联”效应推销产品.然而,由于所用数据集的限制,大多数现有影响力最大化问题的研究成果只能用于分析用户在虚拟世界中的行为,忽略了位置信息所起的作用.在信息传播过程中,用户间的距离也会对传播概率造成影响.因此,对地理社交网络中的位置敏感的影响力最大化(location-aware influence maximization, LAIM)问题进行了定义,并提出一种贪婪框架下考虑位置的影响力最大化算法,该算法将营销位置信息引入现有影响力最大化(influence maximization, IM)问题定义中,解决了传统IM中由于缺少位置信息所导致的传播范围与实际需求不符问题.此外,鉴于同一领域不可避免的竞争会引发种子重叠现象,从而导致种子个体不能实现预期传播范围,立足重叠种子角度,旨在对公司选择进行决策博弈并找到纳什均衡点,从而降低了种子集合的重叠率与影响力损失.实验结果验证了贪婪框架下考虑位置的影响力最大化算法和重叠种子下决策博弈策略的有效性.     

一种改进的基于分水岭算法的粘连分割研究

在细胞图像制作过程中,由于设备或人为原因,经常会出现细胞粘连程度分布不均匀的情况,从而影响分割的效果,给后续的统计分析造成了一定的困难。提出自适应距离变换,结合分水岭分割的处理方法,把细胞的粘连程度信息引入到距离变换函数中,根据细胞粘连程度的不同,自适应地变换距离函数的参数,从而有效地防止欠分割和过分割。实验证明,这种改进的方法能成功地分离不同粘连程度的粘连细胞,并具有良好的稳定性。     

复杂网络中社区发现方法的研究

研究复杂网络中社区发现方法对分析复杂网络的拓扑结构和层次结构、理解社区的形成过程、预测复杂网络的变化趋势、挖掘复杂网络蕴含的规律特征具有十分重要的意义。同时,复杂网络社区发现方法在众多实际领域还有广泛的应用前景。综述了复杂网络社区发现方法的研究现状,将社区发现方法分为无重叠社区发现、重叠社区发现、演化发展社区发现三个方面,并分析比较了算法时间复杂度和准确度。试图为社区发现方法的研究工作提供有益的帮助和参考。