结合深度学习的网络邻居结构研究及应用

通过研究网络的拓扑结构可以探索到丰富的知识,特别是网络中节点的邻居可以形成不同的邻居结构,而不同的结构蕴含着不同的意义,进而也有着不同的影响。实际上,邻居结构与节点的交互行为之间是互相影响、互为因果的。对三种最为普遍的邻居结构进行分析,并提出结合深度学习的网络邻居结构影响力模型DNSI(neighbor structure influence based on deep learning)。通过对图片格式的网络数据提取特征,DNSI可以得到三种邻居结构影响力。分别在几个真实世界网络数据集上进行节点属性预测、类别中心度度量和用户行为预测等任务,实验结果表明该模型在绝大多数情况下具有优越性。     

征稿启事

插值（Interpolation)，有时也称为“重置样本”，是在不生成像素的情况下增加图像像素大小的一种方法，在周围像素色彩的基础上用数学公式计算丢失像素的色彩。简单地说，插值是根据中心像素点的颜色参数模拟出周边像素值的方法，是数码相机特有的放大数码照片的软件手段。     

光传送网中邻居自动发现机制分析

本文首先介绍了邻居发现的标准化进程．接着分析了SDH和OTN分层网络中层邻接发现的通用方法、传输机制和发现消息格式及其属性．最后讨论了正确和错误接口连线配置情况下的自动层邻接发现过程。     

适于复杂信息融合系统的近似联合概率数据关联算法

文中在B.Zhou提出的直接概率计算(DC)和近似概率计算(AC)算法基础上提出了一种新的近似多传感器多目标联合概率数据关联算法。近似概率法是以一个目标为中心的近似聚为构造互联事件的起点，并在计算中将DC和AC结合得到的一种全邻的点迹—航迹关联算法，它能有效地提高目标点迹—航迹的关联正确率，在计算时耗上较完全联合概率法快得多，能满足工程中实时性的要求。将其在杂波下目标密集、航迹复杂的数据融合系统中进行实验，对关联正确率，关联耗时等与最近邻法进行了比较，效果较好。     

中国民族乐器的特征值提取和分类

文章处理的是中国民族乐器的识别分类问题.提出了一种基于合适的音频特征值选择方法,该方法在基于MPEG_7标准的声学特征,在特征值的时间特性上进行改造,并加入改进后的特征值.从提取的音频特征值数据集选择K-最近邻算法.特别是对没有加入新特征值和加入新特征值后生成分类器模型的性能进行了比较.实验结果证明新特征值的加入提高了分类器的F1度量值.     

主动推送模式下的情报需求预测模型

针对主动推送模式下的情报需求预测问题,提出了基于案例推理的解决方案。设计了进行情报需求预测案例分析的工作流程,建立了案例属性描述模型;应用最近邻法进行案例的相似度评价,并通过信息增益的计算确定每个属性的权值,获得相似案例(集);提出了方案调整和推理策略。     

基于跨层快速邻居感知的OLSR协议

提出了一种基于跨层快速邻居感知的OLSR协议——FS-OLSR,协议在采用hello消息进行链路感知和邻居探测的基础上,结合链路层反馈的信息对网络层邻居表进行更新,以增强节点的邻居感知能力;并将邻居节点的新鲜度作为MPR计算的依据,以提高拓扑消息中广播邻居节点的新鲜度,使之更加适合于快速移动场景。仿真结果表明,在快速移动场景中,FS-OLSR能够在增加少量路由开销的情况下,显著降低丢包率。     

基于K-shell分解与邻居节点度去噪的链路预测方法

链路预测是研究复杂网络结构和演化机制的重要工具,提高链路预测的精度具有重要价值。针对传统的基于网络拓扑结构相似性算法预测精度偏低的问题,从网络优化去噪的角度进行分析,提出了一种基于K-shell分解与邻居节点度（KSDNN）去噪的链路预测方法。该方法首先从全局的角度通过K-shell分解对复杂网络中所有节点进行重要性排序,然后从局部的角度结合节点邻居节点的度对节点重要性进行综合评判,最后对网络数据进行优化后进行链路预测。通过在四个不同的真实网络进行验证,实验结果表明,所提方法预测精度优于K-shell去噪的方法,且相较于传统算法预测精度平均提升了2%左右。