一种支持尺度优化的重叠和非重叠社区质量评价方法

复杂网络社区发现具有重要的研究和应用价值.科学合理的社区评价可促使发现隐含的真实社区结构.复杂关联关系使得具有聚团性质的社区可能是非重叠结构,也可能是重叠结构.虽然当前学者们提出许多专门针对非重叠社区、重叠社区的评价方法,但是,在无法预知真实社区拓扑的情况下,采用不同标准对可能出现的多种结果进行评估不具有可比性.所以,急需能同时评价重叠与非重叠社区的统一评价模型,科学合理的评价模型可以辅助发现合适的社区边界及社区尺度,发现隐含的真实聚团子结构.本文从社区聚集度和社区重叠度两个视角出发,提出了一种适用于重叠与非重叠社区的评价模型,不仅能评价出微结构差异引发的社区聚团属性的变化,而且该评价能在一定程度上制衡社区内部聚团性和社区重叠性,从而辅助发现合适尺度、合适边界的重叠或非重叠社区的作用.通过理论分析和各种数据实验证实了本文所提评价模型的合理性和可用性.

基于信任社交圈的好友推荐算法

为体现出在线社交网络中好友推荐时的用户倾向性,并且更真实反映现实生活中人与人之间的关系强度,将用户间的好友关系强度定义为信任度引入到相邻边拓扑信息相似性计算中,并结合用户兴趣模型导出用户社交圈,提出一种好友推荐算法。针对用户社交圈中未考虑好友间信任度的情况,将信任度融入到社交圈重叠程度计算中为用户发现其潜在的好友提供建议。实验结果表明,与基于社交圈相似性和公共朋友相似性的好友推荐算法相比,该算法具有更高的好友推荐准确率。

基于K-means聚类算法的图像分割方法比较及改进

为了探讨K-means算法应用于图像分割时在不同颜色空间中的聚类效果,选用了不同分辨率的多对图像进行研究,分析了基于RGB和YUV颜色空间的分割结果,并提出一种新的混合模型,即在YUV聚类距离公式中引入图像的二维信息熵的差量,同时利用YUV颜色空间中的Y分量作为其灰度进行计算,实验结果表明,基于YUV颜色空间聚类的改进模型分割效果比单纯使用YUV颜色空间进行聚类更佳。

解决高度分割的车载自组网络连通性问题的路侧单元最优化调度方案

车载自组网络VANET是一种拥有高度动态拓扑结构的移动自组网络。为了解决其频繁的网络分割问题,最新研究提出使用一种特殊的称为路侧单元RSU的基础设施部署于道路两侧来提高VANET连通性。本文主要研究RSU调度中的节能降耗问题:给定一组路侧单元,我们的目标是寻找指定时段内打开或关闭RSU的最优调度,以确保RSU系统所消耗的总能量最小化,同时维持VANET系统网络连通性。我们将这一问题分解为两个子问题,即网络瞬像调度问题和网络瞬像选取问题。网络瞬像调度问题用于决定某时刻VANET网络瞬像中所需的连通状态RSU的最小值,而网络瞬像选取问题则用于决定系统需要在哪些时刻更新网络瞬像。通过对这两个子问题的研究,我们最终给出关于RSU调度问题的完全解,并通过理论分析与实验结果证明本文的算法可以在保持VANET连通性的同时明显地节能降耗。