Research on Node Classification Based on Joint Weighted Node Vectors

Node of network has lots of information, such as topology, text and label information. Therefore, node classification is an open issue. Recently, one vector of node is directly connected at the end of another vector. However, this method actually obtains the performance by extending dimensions and considering that the text and structural information are one-to-one, which is obviously unreasonable. Regarding this issue, a method by weighting vectors is proposed in this paper. Three methods, negative logarithm, modulus and sigmoid function are used to weight-trained vectors, then recombine the weighted vectors and put them into the SVM classifier for evaluation output. By comparing three different weighting methods, the results showed that using negative logarithm weighting achieved better results than the other two using modulus and sigmoid function weighting, and was superior to directly concatenating vectors in the same dimension.

基于多查询的社交网络关键节点挖掘算法

关键节点挖掘是复杂网络领域的研究重点和热点。针对社交网络中关键嫌疑人挖掘问题,提出基于多查询的社交网络关键节点挖掘算法。该算法将已知嫌疑人作为查询节点,提取其所在的局部拓扑结构,并计算局部拓扑结构中非查询节点的关键程度,从中选择关键程度较高的节点进行推荐。针对现有方法中关键节点计算复杂度高、已知查询节点信息难以有效利用的问题,提出一个两阶段的基于多查询的社交网络关键节点挖掘算法,整合多查询节点的局部拓扑信息和全局节点聚合特征信息,将计算范围从全局缩减到局部,进而对相关节点的关键程度进行量化。具体而言,利用带重启策略的随机游走算法获得多个查询节点的局部拓扑结构;为了得到节点的嵌入向量,基于graphsage模型构建一种无监督的图神经网络模型,该模型结合节点的自身特征和邻居聚合特征来生成嵌入向量,从而为算法框架的相似度计算提供信息输入。基于与查询节点特征的相似性,衡量局部拓扑中节点的关键程度。实验结果显示,所提算法在时间效率和结果有效性方面均优于传统关键节点挖掘算法。

基于改进麻雀搜索算法的无线传感器网络定位研究

针对距离矢量跳(DV-Hop)算法在无线传感器网络中存在的定位误差大的问题,提出了一种基于改进麻雀搜索的无线传感器网络定位算法。首先,针对传统DV-Hop算法,修正了节点平均跳距和节点最小跳数。其次,引入Sine混沌映射、自适应惯性权重和双样本学习策略提高算法的搜索能力;最后,利用MATLAB构建仿真模型进行性能对比实验。实验结果表明:与其他节点定位算法相比,所提算法可有效提高对未知节点的定位精度和收敛速度。

基于NURBS曲面的小麦叶片三维重建

针对小麦叶片三维可视化不易实现的问题,通过NURBS曲面算法对小麦叶片进行三维重建。实测小麦叶片长度、叶片宽度、茎叶夹角、叶鞘长度、叶鞘直径等具体数据,通过主脉控制点算法计算叶片和叶鞘的主脉控制点信息,根据叶片宽度、叶鞘直径等信息计算出全部控制点信息,在visual studio中使用OpenGL构建小麦叶片三维模型。本研究算法得出的小麦叶片模型与真实小麦叶片有较高的相似度,较好地体现了叶片的弯曲度,真实地反映了作物叶片的形态信息。基于NURBS曲面的三维重建控制灵活、使用方便、计算简单,在作物的三维建模方面有较好的应用和参考价值。

基于重要值排序和自适应阈值的Douglas-Peucker算法

矢量数据压缩长久以来一直是地理信息系统(GIS)领域的关注焦点,旨在缩减数据规模以满足应用性能方面的需求,同时减少数据传输、系统处理时长以及储存成本,从而提高系统性能和运行开销。虽然在该问题上已取得了一些研究成果,但由于技术进步和新需求的涌现,对矢量数据压缩的压缩率和精度都提出了更高的要求,同时如何确定最优的阈值也成为了一个亟待解决的问题。因此,本文从矢量数据中不同节点对整个矢量图形产生变化的重要性以及如何确定最佳阈值出发,设计了结合重要值排序和自适应阈值的Douglas-Peucker算法。通过对上海市民政部门内部矢量数据集的实验表明,改进算法在压缩率相同情况下,数据压缩效果整体优于Douglas-Peucker算法及其改进算法。

面向动态交通流多步预测的时空图模型

为更好表征交通路网中节点之间的动态隐式关系,提出一种基于时空数据嵌入的动态图卷积交通流预测模型。基于路网中节点之间的共现关系,利用深度游走算法将时空数据映射到嵌入空间中学习节点的向量表示;引入时隙嵌入特征与二维空间嵌入特征共同构建三维嵌入邻接张量,用于捕获时空依赖关系;在图卷积网络中添加自适应更新机制,利用循环组件演化图卷积网络的参数,以捕获图序列的动态性。将所提模型应用于基于真实交通数据集的交通流预测,结果验证了其有效性和提取路网隐式关系的准确性。

swLLVM:面向神威新一代超级计算机的优化编译器

异构众核架构具有超高的能效比,已成为超级计算机体系结构的重要发展方向.然而,异构系统的复杂性给应用开发和优化提出了更高要求,其在发展过程中面临好用性和可编程性等众多技术挑战.我国自主研制的神威新一代超级计算机采用了国产申威异构众核处理器SW26010Pro.为了发挥新一代众核处理器的性能优势,支撑新兴科学计算应用的开发和优化,设计并实现面向SW26010Pro平台的优化编译器swLLVM.该编译器支持Athread和SDAA双模态异构编程模型,提供多级存储层次描述及向量操作扩展,并且针对SW26010Pro架构特点实现控制流向量化、基于代价的节点合并以及针对多级存储层次的编译优化.测试结果表明,所设计并实现的编译优化效果显著,其中,控制流向量化和节点合并优化的平均加速比分别为1.23和1.11,而访存相关优化最高可获得2.49倍的性能提升.最后,使用SPEC CPU2006标准测试集从多个维度对swLLVM进行了综合评估,相较于SWGCC的相同优化级别,swLLVM整型课题性能平均下降0.12%,浮点型课题性能平均提升9.04%,整体性能平均提升5.25%,编译速度平均提升79.1%,代码尺寸平均减少1.15%.

碎片化地形矢量数据比例尺评估方法

针对目前人工判定碎片化地形矢量数据比例尺效率低下、可靠性不高的问题,本文提出一种基于自然法则的地形矢量数据比例尺评估方法,实现地形矢量数据比例尺判定的自动化。该方法基于不同比例尺地形矢量数据节点密度指数随比例尺变化的特征,利用自然法则原理和统计学知识确定不同比例尺、不同类型要素节点密度指数区间的理论值;对于待鉴定地形矢量数据,将其节点密度指数与已知比例尺的地形矢量数据节点密度指数区间进行比对,如果落在该比例尺节点密度指数区间内,则推断为该比例尺数据,进而实现比例尺的自动判定;最后利用等高线和水系两种地形要素验证了该评估方法的可行性。试验结果表明,基于本文方法的1∶100万、1∶25万和1∶5万地形矢量数据比例尺自动判定正确率分别达到了93.97%、94.04%和92.47%,地形矢量数据比例尺判定总体正确率达到93.21%,极大提高了比例尺判定的精度与效率,为地理信息安全评估提供了技术支撑。

基于DT‒SVM优化算法的人体姿态特征提取与识别研究

为确定人体运动行为在空间环境中的表现情况,实现对姿态特征的准确定义,针对基于DT‒SVM优化算法的人体姿态特征提取与识别方法展开研究.利用DT‒SVM优化算法,推荐必要的姿态特征节点,确定人体运动行为所处空间平面.实施对姿态特征的梯度化处理,根据获取到的轮廓节点,计算夹角向量的具体数值,从而求解姿态特征提取与识别的数学表达式,完成基于DT‒SVM优化算法的人体姿态特征提取与识别方法的设计.实验结果表明,上述方法的应用,可同时在X轴、Y轴、Z轴三个方向上,控制人体运动行为,使其偏向角数值均不超过12°,符合精准定义人体姿态特征的实际应用需求.

面向矢量地图数据的时空对象生成工作流技术

针对目前存在的由矢量地图数据生成时空对象的方法通用性、灵活性、可复用性不足等问题,本研究提出一种面向矢量地图数据生成时空对象的工作流技术框架。首先,将由矢量地图数据生成时空对象的流程划分为文件解析层、时空对象构建层和数据持久层三个层次;在文件解析层进行矢量地图数据的多要素解析以获取原始属性信息,在时空对象构建层将各几何要素进一步封装为时空对象,在数据持久层将时空对象及其关联的映射集进行批量入库,各层之间基于工作流引擎变量进行功能连接和信息传递;其次,在Camunda工作流引擎外部任务模式下实现了上述框架,在三个层次设计了五个功能节点和六个引擎变量,可分别针对不同任务需求进行功能节点的模块化拼接;最后,以重庆市大德镇6852份农田矢量数据和某出租车3306条轨迹数据为例,分别测试了各节点的独立功能、多节点拼接和全功能的时空对象批量生成任务。结果表明,研究成果可以在进行少量人工干预的情况下,实现从矢量地图数据生成时空对象的各项自定义任务,提高了时空对象生成的灵活性和复用性。

基于机器学习算法的胃癌淋巴结转移预测模型研究

目的基于4种机器学习(ML)算法构建胃癌淋巴结转移的预测模型并验证。方法回顾性收集531例胃癌根治术患者的临床资料,按3∶1比例将患者随机分为训练集399例和测试集132例。通过单因素分析筛选胃癌淋巴结转移的特征选择变量,分别建立逻辑回归、随机森林、K-邻近算法、支持向量机算法模型并进行变量重要性排序。将所有ML算法模型在测试集中进行验证,绘制受试者工作特征(ROC)曲线,基于曲线下面积(AUC)、灵敏度、特异度、准确度确定最优ML算法模型。基于最优ML算法模型的变量重要性排序构建列线图模型,通过ROC曲线、校准曲线、决策曲线评价列线图模型的区分能力、校准能力和临床适用性。结果4种ML算法模型比较结果显示,随机森林模型为最优算法模型,其在训练集中的准确度、灵敏度、特异度分别为72.7%、69.9%、75.0%,AUC为0.803,其在测试集中的准确度、灵敏度、特异度分别为64.4%、66.7%、62.5%,AUC为0.751。基于随机森林算法模型的变量构建列线图模型,ROC曲线显示列线图模型在训练集、测试集中的AUC分别为0.721、0.776,校准曲线和决策曲线显示列线图模型在训练集与测试集中均有较好的校准能力和临床适用性。结论随机森林模型是4种ML算法模型中的最优算法模型,基于随机森林模型构建的列线图模型能够较准确地预测胃癌淋巴结转移风险,从而更好地指导临床诊断和治疗决策。

激光通信网络空间恶意节点识别方法

为了增强网络传输数据的安全性和稳定性,提出了一种激光通信网络空间恶意节点识别方法。在解析节点通信方式的基础上,明确节点平均包转发延时、转发率和丢包率的属性矢量。然后利用函数极值计算节点隶属度,提取恶意节点入侵特征。结合历史恶意入侵数据,运用二维熵识别不同类别的恶意节点,筛选出恶意节点的差异特征并获得恶意节点识别结构。利用识别分数获得恶意节点空间特征向量,对所有差异特征的二维熵做最优解处理,明确识别临界值,进而实现对恶意节点的识别。实验表明,上述方法能够精准识别出恶意节点,保障了激光通信网络空间运行和用户隐私信息的安全。

基于贝叶斯网格的变压器故障诊断方法优化研究

变压器内部运行状态参数存在复合性,导致直接进行故障诊断时,对具体故障位置的诊断结果存在较大误差,为此提出基于贝叶斯网格的变压器故障诊断方法优化研究。以变压器节点导纳矩阵为基础,构建以电力系统变压器串联部分漏磁导纳阵为核心的模型,将构成复杂的变压器转换为由若干个节点导纳矩阵构成的模型。在诊断阶段,引入贝叶斯网格,根据感知区域内随机均匀散布在贝叶斯网格内的稀疏位置矢量,确定具体的故障位置。测试结果表明,所设计诊断方法对具体故障位置的诊断结果误差不仅表现出了较高的稳定性,而且具体误差均处于较低水平。

基于AODV协议的电力通信网络拥塞安全控制研究

电力通信网络传输阶段的路由缺乏对链路节点状态的分析,导致传输数据的投递率较低,因此提出基于无线自组网按需平面距离矢量路由(Ad hoc On-Demand Distance Vector Routing,AODV)协议的电力通信网络拥塞安全控制研究。通过构建AODV协议节点筛选机制,从位置维度初次筛选出满足通信传输范围的节点,从速度维度二次筛选出性能满足传输需求的节点,从方向维度确定与电力通信传输方向一致的节点集合。以负载均衡为目标函数,建立AODV协议的响应链路。经过实际测试,与对照组相比,发包速率并未对文章设计方法的投递率造成显著影响,具体的投递率始终在95%以上,在稳定性和有效性方面具有显著优势。

基于LSSVM的电-气区域综合能源系统短期可靠性评估

电-气区域综合能源系统电、气相互影响,一方面使得模型驱动的单一能源系统可靠性评估方法不再适用;另一方面由于天然气的引入,导致其短期可靠性评估计算开销大。为综合解决这两个问题,提出用机理模型结果训练最小二乘支持向量机(LSSVM),由LSSVM在线评估短期可靠性的方法。首先,建立元件可靠性模型,提出基于系统等效节点模型的故障后果分析方法。在此基础上,构建基于蒙特卡洛模拟的模型驱动短期可靠性评估方法,获得训练样本。然后,构建LSSVM回归模型,通过离线训练,得到系统状态与短期可靠性指标间映射的LSSVM模型,实现系统短期可靠性实时评估。最后,电-气区域综合能源算例系统测试验证了所提方法的准确性和快速性。

基于改进麻雀搜索算法的B样条曲线拟合方法

航空发动机叶片气动性能设计的改进要求叶片加工系统采用高精度、高效率的加工工艺,基于传统建模方法的叶片加工系统已难以满足当前的加工需求。提出一种基于改进麻雀搜索算法(SSA)的拟合方法,旨在利用最少控制点高效地达到曲线拟合的目标精度,进而提升传统建模方法的精度和效率,建立适用于数字孪生生产环境的高精度、高实时性的三维叶片模型,提高航空发动机叶片的加工合格率。启发式优化算法在B样条曲线拟合中存在收敛慢的问题,而SSA不断跃向最优解的特性使其能快速收敛。基于此,改进SSA的位置更新函数并给出内节点向量更新范围的概念,通过自动迭代内节点向量配置,利用最小二乘法计算最优控制点,依据局部和全局误差计算适应度值并参与下次迭代,多次迭代后得到符合目标精度的拟合曲线。此外,为提高SSA搜索最少控制点的效率,设计一种二分搜索方法。采用某型叶片截面数据进行拟合验证,结果表明,与传统定义节点向量方法和经典优化算法相比,该方法具有较高的拟合精度和收敛效率,在20和80个控制点下分别取得了1e-3 mm和1e-5 mm左右的拟合精度,在5e-3 mm目标精度下,收敛效率较粒子群优化算法、标准SSA分别提升了14.5%~97.8%和35.8%~70.1%,搜索最少控制点的效率较传统方法提升了34.7%~49.6%。

基于改进鲸鱼算法的B样条曲线拟合

为改进鲸鱼算法的B样条曲线拟合在自动配置节点向量时收敛速度慢、局部搜索能力弱等缺点,采用Sobol序列来初始化种群,采用二次插值法来优化气泡网的捕捉策略。最后,通过3个测试函数仿真与另外2种算法的实验数据对比,验证了改进算法具有更好的全局收敛性和较快的收敛速度。

舰船装备电子电路故障区域节点跟踪定位方法

为提升故障区域节点跟踪定位效果,为舰船安全航行提供保障,研究舰船装备电子电路故障区域节点跟踪定位方法。通过最小二乘支持向量机,延拓处理不同状态下舰船装备电子电路的原始数据;利用经验模态分解算法,在延拓处理后的数据内,提取不同状态下电子电路故障特征;通过在马氏距离内引入权值,得到改进马氏距离算法;采用改进马氏距离算法,计算提取故障特征与已知故障集间的马氏距离,依据马氏距离完成故障区域节点跟踪定位。实验证明:该方法可有效提取不同状态下,舰船装备电子电路故障特征;该方法可有效跟踪定位电子电路故障区域节点,且跟踪定位精度较高。

基于融合嵌入向量的多目标优化社区发现

社区发现是复杂网络分析的一个主流研究方向,能够发掘隐藏在复杂网络中的社区结构.多目标进化计算算法具有同时优化多个目标以及自动找出最优解的优势,被广泛应用于社区发现.但是,现有进化计算社区发现方法存在搜索能力不高与社区划分精度不高等问题.文中提出一种基于嵌入向量的多目标优化进化计算方法.首先,设计基于融合系数编解码方案,利用节点融合系数结合结构、属性嵌入向量通过加权计算得到融合嵌入向量,使得算法能够不受网络结构限制,以提升算法的搜索能力,从而提高社区划分的质量.其次,设计一种后处理节点修正策略,通过优化模块度与社区内属性相似度来避免解陷入局部最优,提高社区发现的精度.在真实和人工网络数据集上的实验验证了所提算法的有效性.

基于支持向量机的肝外胆管癌术前淋巴结状态预测模型构建

目的开发一种预测肝外胆管癌淋巴结状态的机器学习模型。方法纳入101例接受根治性手术切除的肝外胆管癌病例,采用MaZda软件对多序列MRI图像病灶进行勾画,并且提取影像特征。利用最大-最小算法对影像特征进行归一化,并通过合成少数过采样算法进行分类数据平衡,生成新样本。采用Spearman相关性分析与最大相关最小冗余特征选择法进一步筛选影像特征,最终得到20个最具代表的特征。从新样本数据中任意选择80%样本作为训练集,剩余20%作为测试集,建立支持向量机(support vectormachine,SVM)预测模型,并利用受试者工作特征曲线(ROC)评价模型性能。结果预测模型训练集的AUC为0.98,准确率为89.2%,灵敏度为92.9%,特异性为89.4%。测试集的AUC为0.83,准确率为82.2%,灵敏度为82.1%,特异性为80.9%。结论基于MRI影像的SVM预测模型具有良好的预测性能,可为临床医生提供对肝外胆管癌患者个性化的术前预测,辅助评估手术价值并做出适当的临床决策。