基于DeepWalk的局部社区发现算法

局部社区发现可以不依赖网络的整体结构计算出给定节点所在的社区,是社区发现研究中的一个重要问题,尤其在大网络数据分析中具有重要的应用意义.节点嵌入作为一种新的网络表示学习方法,给局部社区发现研究提供了新思路.为此,基于节点嵌入DeepWalk算法提出一种新的两阶段局部社区发现算法.第一阶段应用DeepWalk模型学习网络节点的向量表示,用低维向量表示网络节点;第二阶段通过选择最相似邻居的方法,从给定的起始节点逐渐向外扩展得到目标社区.在4个真实网络数据集上进行了实验,相比基准算法,所提算法取得了更高的准确率,实验结果验证了算法的有效性.

复杂网络社区发现研究进展

近年来,随着现代网络通信和社会媒体等技术的飞速发展,复杂网络成为多学科交叉研究的热点之一,社区发现是复杂网络中的一个重要问题,对其进行研究具有重要的理论意义和应用价值。该问题吸引了多个学科领域的众多学者的关注,并且已有许多社区发现算法被提出。已有的社区发现综述多是侧重某一方向或特定领域展开,基于此,文中在之前工作的基础上,对国内外社区发现工作进行了深入调研,较全面地阐述了复杂网络社区发现的研究现状。首先,针对不同网络结构,给出社区发现的问题定义和主要的评价指标。然后,介绍了不同网络结构中的经典社区发现算法,包括同质网络中的全局社区发现、局部社区发现算法,异质网络中的二分网络、三分网络和多分网络中的社区发现,结合节点内容和连接结构的社区发现算法,以及动态网络中的社区发现和社区演化工作。最后,简要介绍了社区发现的典型应用,包括影响最大化、链路预测和情感分析领域的应用。此外,探讨了当前社区发现研究面临的主要挑战,试图为社区发现研究领域勾画一个较为清晰和全面的轮廓,为初学者提供指引。

一种基于加权共同邻居相似度的局部社区发现算法

传统的社区发现算法能够找出网络中所有的社区,其时间复杂度取决于网络的规模.挖掘大网络中的全局社区结构因为时间复杂度高而难以实现,局部社区发现作为一种不需要知道网络的整体结构,从给定的节点逐步向外扩展,寻找该节点所在社区的方法,在大网络时代具有重要的应用意义.目前这方面的研究已经获得广泛关注,并提出了很多局部社区发现算法.针对已有局部社区发现算法需要人工设置参数、准确率低的问题,提出一种新的局部社区发现算法.首先,提出一种加权邻居节点的共同邻居相似度指标,用于计算网络中两个节点间的相似度;然后,基于该相似度指标,给出一种新的局部社区质量度量指标,在保证社区度量指标不下降的前提下,不断选择与当前局部社区嵌入度最大的节点加入到局部社区,逐步找出给定节点所在的社区;最后,在真实网络和仿真网络数据集上进行了实验.实验结果表明,该算法能有效地挖掘出给定节点所在的局部社区,相比具有代表性的Clauset,LWP,GMAC等局部社区发现算法有更高的准确率.

改进VGG-19:增强判别性的新冠病毒感染图像识别网络

为实现对新冠病毒感染CXR图像进行准确的识别,提出了一种带有判别性的“混合特征信息判别器”结构的改进VGG-19网络模型。针对CXR图像存在噪声点,且难以抽取区分性强的特征信息问题,将具有高强度特征提取能力的VGG-19作为主干网络,采取冗余特征信息丢弃和不明显特征信息增强的方式实现特征选取。在经过数据增广技术的数据集上,首先,通过网络提取出CXR图像的空间特征信息;其次,从特征图上挑选出更容易做出决断的像素点;以此实现更少的模型参数量和更高的准确率。改进VGG-19网络使用迁移学习,在ImageNet-100数据集上预训练,再将训练的最佳权重泛化到COVID-19 Radiography Database数据集上重新训练,实验结果表明:改进VGG-19对新冠病毒感染CXR图像的识别的准确率、精确度和召回率分别达到了97.60%、98.89%、98.51%。与其他新冠病毒感染CXR图像识别算法相比,改进VGG-19能够准确地完成新冠病毒感染肺部图像的分类识别,具备更好的识别性能。

基于FTP协议的客户端自动更新程序的设计与实现

为了能够及时更新客户端软件,保证用户使用最新版本的客户端软件,在深入研究FTP网络编程技术的基础上,给出了一种基于FTP协议的客户端自动更新程序的设计方案,并在C++ Builder开发环境下完成了软件的开发和测试。测试结果表明,该方案有效地解决了客户端程序自动更新问题,取得了良好的应用效果。

基于SQL的Apriori改进算法

Apriori算法是一种最有影响的挖掘关联规则的算法,由于其算法仅用支持度、可信度来衡量关联规则,容易生成一些错误规则,所以,引入了提升度这一概念,提出一种基于SQL的Apriori改进算法。

面向Python语言的社区发现软件开发工具包的设计

目前,社区发现算法的实现研究相对较少,还没有成熟的社区发现软件开发包。针对该问题,提出了一种面向Python语言的社区发现软件开发工具包(CDSDK)的设计方案:采用NetworkX存储网络结构,开发了加载图文件、社区评价等功能,解决了社区发现程序实现问题。该软件开发包已经成功应用于多个社区发现算法的研究,取得了良好的效果。

实例教学法在C语言循环结构教学中的应用

针对我校合作办学学生对C语言循环的学习情况,在深入研究循环教学基础上,结合多年教学实践,在循环结构程序设计教学实践中摸索出了一套以实例为授课重点的实例教学法,通过由浅入深、层层深入地分析讲解典型例题,很好地完成了循环结构教学工作.教学实践表明,该方法有效激发了学生的学习兴趣和动力,调动了学生参与学习的积极性,取得了良好的教学效果.

几种经典的最短路径算法比较分析

最短路径问题是图论和复杂网络中的经典问题之一,在现实生活中具有广泛的应用.基于此,对最短路径问题进行了系统分析,阐述了几种经典的最短路径算法:Dijkstra算法、Floyd算法、Bellman-Ford算法和SPFA算法,并对这几种最短路径算法的时间复杂度和算法适用情况进行了全面的对比分析.

度中心性节点局部扩展的社区发现算法

针对传统社区发现方法在存在度中心节点的社会网络中表现不佳的问题,提出一种面向度中心性网络的局部社区发现算法。首先,基于最大度k个节点和重叠度阈值形成网络中多个分散的初始社区,然后采用局部社区发现方法,计算每个初始社区的邻居节点的局部模块度增量,每次选取增量最大的节点归入相应社区,以此方法逐步扩展初始社区,直至所有节点划入到社区中。然后,在两个真实网络数据集上与GN和FN算法进行了比较,实验结果表明,该文给出的算法能够揭示出网络中存在的以某个节点为中心的社区结构,相比传统算法,具有更高的准确度。

以能力培养为导向的程序设计课程教学实践探析

针对程序设计课程教学中存在着学生对程序设计思想理解不到位、运用程序设计解决问题能力不强的问题,开展了一系列教学改革,并从教学目标、教学内容、教学方法、实践教学、考核方法等五个方面对程序设计课程进行了探索和研究。

一种改进的Eclat算法

提出一种改进的Eclat算法。该算法在垂直数据表示方式上执行广度优先搜索和交叉计数。新算法充分利用了垂直数据表示和交叉计数的高效优势,以及Apriori算法的剪枝策略,减少了计数的候选项集的数量。实验结果表明,改进的Eclat算法的运行速度较Eclat算法有了明显的提高。

一种基于中心极大团扩展的社区挖掘算法

社区挖掘是复杂网络分析中的一项重要工作,目前已提出多种社区挖掘算法,但多数算法是通过节点间的连接关系来发现内聚的社区结构。结合真实网络中的节点具有不同的行为和影响力,在充分考虑网络中节点的连接关系的基础上,提出一种基于中心极大团扩展的社区挖掘两阶段算法。第一阶段发现初始社区:首先找到网络中所有的内聚子团,然后找出k个分散、内聚且有影响力的中心极大团作为初始社区;第二阶段形成最终社区划分:对初始社区外节点,充分考虑不同邻居节点对其潜在的影响力,采用局部模块度扩展的方法将节点扩展到与其连接紧密的社区内。实验结果表明,该方法能够快速揭示出网络中的社区结构,相比FN算法,具有较高的准确度和模块度,相比GN算法,不需要预先知道社区个数。

一种基于SQL语句的ID3改进算法

ID3算法沿用的是机器学习算法,与数据库集成性差。提出一种基于SQL语句的ID3改进算法。通过SQL语句直接对保存在数据库中的数据表进行分组查询,计算测试属性的条件熵,并给出深度优先和广度优先生成子树的递归算法。实验证明,改进的ID3算法充分利用了SQL的高效性和C++语言的灵活性,降低了算法实现难度,高效实现大量数据的分类。

基于变精度粗糙集模型的流感诊断仿真系统

研究流感诊断仿真系统,因流感还缺乏概念准确的描述,为了降低流感诊断的复杂度,提高诊断决策的准确性,在深入研究变精度粗糙集模型的基础上,提出了一种基于STL的变精度粗糙集模型,并将模型应用于流感诊断仿真系统中。通过在流感决策表上直接建立变精度粗糙集模型,获取了流感诊断决策,建立流感诊断知识库提供了先验知识。在流感诊断仿真实验中,根据流感诊断决策规则进行了多次测试,测试结果表明仿真系统所获取的决策规则具有很高的正确率,达到了预期结果,可用于流感诊断。

面向不同网络结构和应用任务的网络表示学习研究进展

随着大型社会媒体网络的蓬勃发展,产生了各种复杂数据类型的网络大数据。传统的谱方法、概率生成模型等网络表示学习技术不能满足大网络数据时代的需求,近年来,网络表示学习成为了复杂网络分析的一个新的研究热点。基于此,在对网络表示学习深入研究的基础上,结合国内外最新研究工作,全面探讨了网络表示学习的若干问题。文章介绍了网络表示学习的研究背景和相关定义;按照网络结构分类,分别介绍了同构网络和异质网络表示学习经典算法,并进行对比分析;探讨网络表示学习的应用任务和未来研究前景。

C++类与对象教学实践

C++程序设计是计算机科学与技术专业的一门必修课程,具有很强的抽象性和实践性。由于这门课程涉及的类的概念比较抽象,在多年的教学实践中效果一直不太好。因此,在C++课程的教学中,从教学准备、教学内容和教学方法上进行政革,一是复习C程序设计中的重要知识点,完成教学准备;二是精心设计C++中类的教学内容;三是改变传统、常规教学方法,引入兴趣教学法、思想教学法、任务驱动式教学法和实例教学法。教学实践证明,教学质量有了很大提高,教学效果是显著的。

一种基于最大度节点扩展的社区发现算法

针对星状社会网络,提出一种基于最大度节点扩展的社区发现算法.首先,计算网络中所有节点的度,选取节点的度大于等于阈值p的k个节点,以这k个节点为中心,与其各自的邻居节点形成k个分散的初始社区,删除重叠度高于给定阈值q的小社区.然后,对出现在这些初始社区中的重叠节点,提出一种近邻方法,通过计算这些节点到所在社区的距离,将其划分到距离最近的社区.对于k个初始社区外的节点,采用同样方法,将其划入到相应距离最近的社区.在真实网络数据集上进行了实验,实验结果表明,该方法能有效地处理初始社区内外边缘部分的不确定节点的划分问题,揭示出网络中存在的社区结构.相比经典的GN算法,该算法能得到更准确的划分结果,也具有更高的性能.

基于C++STL的粗糙集算法实现

通过定义对象的strClassValue,得出一个定理,两个对象在同一个类中当且仅当其strClassValue相同。基于此,巧妙地设计了粗糙集中的分类算法,并对支持子集等算法进行了研究与设计。用这种方法编程实现粗糙集算法难度低、效率高、易于工程实现。

基于模糊等价关系的粗糙集方法

在对研究信息系统中知识不完全、不确定问题的两种重要理论粗糙集和模糊集进行比较分析的基础上,结合模糊集和粗糙集各自的优点,针对信息系统中数据量庞大且属性值大多是连续的、很多数据对象具有相同或相似性质的情况,提出一种基于模糊等价关系的粗糙集方法,实现了粗糙集理论与模糊集理论的有机结合;并通过一个应用实例,证明了此方法的有效性.