一种局部强化的多标签传播社区发现算法

在社交网络中,社区和圈子均表现为一组内部连接相对紧密的节点,但后者规模较小。圈子是重要的局部社区信息,利用这一特点有助于进行社区发现。然而,现有的大部分基于标签传播的社区发现算法并没有考虑圈子的信息。为此,提出一种基于局部强化的多标签传播(LSMLP)社区发现算法。给出圈子的定义,提出一种基于圈子信息的迭代多标签传播策略,并从每个节点的多个标签中选择归属系数最大的标签作为其从属的临时社区。采用两步优化方法使模度最大化。在真实网络的数据实验结果表明,与已有的社区发现算法相比,LSMLP算法能更高效地发现社区。     

基于同态哈希函数的云数据完整性验证算法

云存储已经成为未来存储发展的一种趋势,但也带来新的安全挑战,如云服务提供商可能出于某种目的篡改数据。为确保云数据的完整性,提出一种基于同态哈希函数的云数据完整性检查算法。该算法在可信第三方的审计下,通过聚合多个RSA签名,对云数据进行完整性验证。为不泄露用户数据信息,采用同态线性认证与随机掩蔽技术,实现隐私保护。分析结果表明,该算法不仅能有效地抵抗服务器的恶意攻击,而且支持数据更新,与现有审计算法相比,该算法在验证过程中能减少计算代价,在批量审计中降低通信量,从而提高验证的效率。     

密集标志点集的拓扑保持变换方法*

为了解决图像变换后拓扑结构不保持的问题,提出了一种密集标志点集情况下的拓扑保持变换方法.该方法首先确定拓扑不保持的局部区域;然后确定拓扑不保持区域的方向角;最后根据该方向角确定并删除密集标志点集中引起拓扑关系不保持的标志点,从而得到拓扑关系保持的变换结果.实验证明该方法能较好地解决密集标志点情况下的拓扑不保持问题,不仅效率高,而且配准效果好.     

M-distinct算法改进：面向动态数据集重发布的隐私保护算法

M-distinct extension算法通过将数据添加、删除、更新三种情况分开处理,在删除情况下引入伪记录的概念,使得攻击者无法得出插入和删除数据之间的联系;另一方面提出事实：数据记录的不同属性在不同的发布用途中其信息权重并不相同,根据事实,引入属性权重的概念,减少算法在分配和划分两个阶段的循环次数,提高算法的效率。     

一次有理插值样条

重心有理插值在整个插值区间上具有足够的光滑性、不存在极点,且具有很高的逼近阶。首先基于给定的权构造的重心有理插值来计算导数的近似值,通过适当选择形状参数,插值函数一阶连续且保单调来构造1/1型有理插值样条,最后分析了误差并给出了数值例子来说明新方法的有效性。     

发电机误上电保护中逻辑电路应用及测试方法

发电机误上电保护是发电机变压器组保护中逻辑判据较为复杂的一种保护类型,在测试过程中有一定的难度。本文通过对发电机误上电保护的调试和检测,总结出实用的逻辑电路并提供相应的测试方法。对有类似微机保护装置的发电厂、变电站、电力职业院校及电力培训中心也有一定借鉴意义。     

超高层钢结构建筑圆管柱的制作技术探讨

随着钢结构的不断发展,钢结构在越来越多的领域得到了广泛的应用,其技术日益成熟.为了不断提高钢结构工程的制作技术,根据青岛开发区国际贸易中心钢结构的特点和设计要求,结合其制作过程中的加工工艺,介绍了超高层钢结构建筑主体——大型圆管柱在制作中的生产工艺和加工流程,重点阐述了圆管柱的制作、组装、焊接等方面的要点,提出了一些加工过程中的建议,对其他相同结构形式的钢结构建筑具有一定的借鉴作用.     

基于保局映射的图像纹理聚类

为了解决图像检索中的聚类问题,提出一种改进的图像纹理聚类算法.在纹理特征提取阶段,采用双树复小波对图像进行分解,然后对每个高频段提取直方图签名作为纹理特征;在聚类阶段,根据数据分布的密度来动态地计算数据点的邻接矩阵,再采用保局映射进行降维,对降维后的数据进行k-means聚类.通过采用直方图签名的方式能有效地表示图像纹理在各个方向上特征信息,同时根据数据密度构建的邻接矩阵,能够和保局映射一起更有效地发掘数据之间的局部相关性.实验表明:相对于传统方法,该算法具有更高的聚类正确性.     

隐私保护的分布式决策树分类算法的研究*

针对分布式决策树构造过程中的隐私保护问题,引入安全多方计算方法设计了可以保护隐私的分布式C4.5决策树分类算法。该算法适用于数据集垂直分布和水平分布两种情况,同时提出了一种新的隐私保护程度的度量方法。实验结果证明设计的隐私保护分布式决策树分类算法不仅很好地保护了原始数据不泄露,同时保持了较高的分类精度。     

无线传感器网络中异常读数检测算法研究*

针对无线传感器网络的离群点检测算法由于没有充分考虑数据的时空关联性和网络的分布特性,导致检测精度低、通信量大和计算复杂度高等局限,提出了基于时空关联的分布计算与过滤的在线离群点检测算法。该算法在各传感器节点上利用传感器读数的时间关联性生成候选离群点,并利用空间关联性对候选离群点进行过滤得到局部离群点,最终将所有传感器节点上的局部离群点集中到sink节点上获得全局离群点。利用时空关联性提高了检测精度,利用分布计算与过滤减少了通信量和计算量,理论分析和实验结果均表明该算法优于现有算法。