Massive Power Device Condition Monitoring Data Feature Extraction and Clustering Analysis using MapReduce and Graph Model

Effective storage,processing and analyzing of power device condition monitoring data faces enormous challenges.A framework is proposed that can support both MapReduce and Graph for massive monitoring data analysis at the same time based on Aliyun DTplus platform.First,power device condition monitoring data storage based on MaxCompute table and parallel permutation entropy feature extraction based on MaxCompute MapReduce are designed and implemented on DTplus platform.Then,Graph based k-means algorithm is implemented and used for massive condition monitoring data clustering analysis.Finally,performance tests are performed to compare the execution time between serial program and parallel program.Performance is analyzed from CPU cores consumption,memory utilization and parallel granularity.Experimental results show that the designed framework and parallel algorithms can efficiently process massive power device condition monitoring data.

Identify Implicit Communities by Graph Clustering

How to find these communities is an important research work. Recently, community discovery are mainly categorized to HITS algorithm, bipartite cores algorithm and maximum flow/minimum cut framework. In this paper, we proposed a new method to extract communities. The MCL algorithm, which is short for the Markov Cluster Algorithm, a fast and scalable unsupervised cluster algorithm is used to extract communities. By putting mirror deleting procedure behind graph clustering, we decrease comparing cost considerably. After MCL and mirror deletion, we use community member select algorithm to produce the sets of community candidates. The experiment and results show the new method works effectively and properly.

Current Situation and Prospect of Sports Tourism Research Based on CiteSpace Bibliometric Analysis

Based on CNKI database,the paper takes journal literatures with the theme of “sports tourism” as the research objects to draw knowledge map through bibliometrics method and CiteSpace software.Moreover,the paper draws knowledge map and analyses for 1,208 periodical literatures with the theme of “sports tourism” in CNKI from 2002 to 2022.The results show that the sports tourism research from 2002 to 2022 can be divided into three stages:The first is the accelerated development stage,which focuses on the industrialization development of sports tourism;The second is the rapid prosperity stage,which focuses on how to promote economic development,and constantly deepen and enrich the connotation of sports tourism industry;The third is the rising stage of fluctuation,which begins to explore new development opportunities of sports tourism from multiple perspectives.Based on keywords co-occurrence analysis and cluster analysis,the research hotspots and changes of sports tourism in China are obtained.Five key research hotspots and three main directions are extracted to provide reference for the development of sports tourism research hotspots in the future.

A Topological Clustering of Variables

The clustering of objects(individuals or variables)is one of the most used approaches to exploring multivariate data.The two most common unsupervised clustering strategies are hierarchical ascending clustering(HAC)and k-means partitioning used to identify groups of similar objects in a dataset to divide it into homogeneous groups.The proposed topological clustering of variables,called TCV,studies an homogeneous set of variables defined on the same set of individuals,based on the notion of neighborhood graphs,some of these variables are more-or-less correlated or linked according to the type quantitative or qualitative of the variables.This topological data analysis approach can then be useful for dimension reduction and variable selection.It’s a topological hierarchical clustering analysis of a set of variables which can be quantitative,qualitative or a mixture of both.It arranges variables into homogeneous groups according to their correlations or associations studied in a topological context of principal component analysis(PCA)or multiple correspondence analysis(MCA).The proposed TCV is adapted to the type of data considered,its principle is presented and illustrated using simple real datasets with quantitative,qualitative and mixed variables.The results of these illustrative examples are compared to those of other variables clustering approaches.

基于本体和图数据库的流域干旱灾害风险知识图谱构建及应用

针对干旱灾害领域内数据多源异构、难以统一管理与分析的问题,从知识图谱理论出发,首先根据领域知识要素,自顶向下构建干旱灾害风险本体;其次基于全球离散格网系统设计了一种知识抽取方法,并以汉江流域丹江口上游为例,采用该方法从流域时空数据中提取出知识三元组后,利用图数据库进行存储,形成流域干旱灾害风险知识图谱;最后以所建图谱作为空间分析框架,结合游程理论、聚类等方法实现了对流域干旱灾害风险的综合评估。

多特征融合及聚类分析的道岔转辙机退化状态识别

针对转辙机退化阶段难以划分的问题,提出一种基于多维特征融合的道岔转辙机退化状态识别方法。首先,提取了S700K转辙机退化功率数据的时域、频域、时频域多域特征;其次,通过核主成分分析(Kernel Principal Components Analysis,KPCA)进行特征融合,获得表征道岔转辙机运行状态的特征向量,构建转辙机退化性能指标;再次,采用K-medoids聚类算法对道岔转辙机性能退化状态进行阶段划分,识别不同的退化状态;最后,选用轮廓系数、分类系数、平均模糊熵对聚类效果进行综合评价,并与模糊C均值聚类(Fuzzy C-Means Clustering,FCM)和古斯塔夫森-凯塞尔(Gustafson Kessel,GK)聚类算法进行比较。研究结果表明,融合特征聚类后的综合评价指标高于单一特征,更能够体现道岔转辙机退化过程中的细节,K-medoids聚类效果明显,模型的准确率达到96.3%,能够对道岔转辙机性能退化阶段进行准确的划分,为铁路现场道岔智能运维提供理论支持。

中国智慧城市建设研究热点及发展趋势分析

智慧城市是提升城市管理成效和改善市民生活质量的重要手段之一。为深入明晰当前我国智慧城市建设研究现状,追溯探讨智慧城市建设的研究热点和发展趋势,运用CiteSpace软件,对2009~2023年间中国知网收录的500篇代表性研究文献进行学科分布、关键词聚类等可视化分析。结果显示:(1)智慧城市建设形成了战略性新兴产业研究、数字化构成、技术创新与战略规划三大类群主题;(2)我国的智慧城市建设领域演进可归纳为积极探索期、战略攻坚期和创新发展期三个阶段。分析结果将为我国智慧城市建设的高速发展提供决策参考依据。

基于图卷积神经网络的滑行时间预测研究

为准确预测滑行时间,提出一种基于机场场面运行态势演变的图卷积神经网络预测方法。首先,根据机场场面航空器时空分布情况,从路段流量、路段密度、路段速度等多角度构建交通态势指标体系;其次,利用主成分分析法对指标进行降维处理并利用K-means算法实现对机场场面路段的态势等级划分,绘制机场场面时空分布热力图;最后,利用图卷积神经网络(GCN)结合门控循环单元(GRU)来获取场面路段特征数据的时空特征,将GRU作为解码器预测输出滑行时间。以深圳宝安国际机场AirTOP仿真数据为例,对所提出的方法进行了分析和验证,并获得了符合预期的预测结果。实验结果表明,该方法在预测滑行时间方面具有有效性。

基于CiteSpace的河洛文化研究态势分析

河洛文化是中华民族的根文化和中国传统文化的源头。研究解读河洛文化,对于建设新时代中华民族精神家园,实现中华民族伟大复兴意义重大。基于SiteSpace科学文献计量知识图谱研究方法,以1984~2023年间中国知网收录的757篇河洛文化论文为研究对象,从“发文时间分布”“关键词共现”“关键词聚类”“关键词突显”4个方面,探究其发展历程与现状。目前,河洛文化研究虽然取得了一系列丰硕成果,但仍有需要深入拓展的学术领域。

基于图嵌入的二进制代码模块划分方法

软件逆向分析作为网络空间安全领域研究的核心支撑技术,在软件漏洞分析、恶意代码行为分析等方面有着广泛应用.二进制代码的模块划分是该领域研究中的关键问题,通过将复杂或者大体量软件合理划分为若干模块,对于帮助分析者快速、准确理解软件结构与功能,提高分析效率起着重要作用.对此,常见方法是将代码中的函数及其调用关系看作复杂网络,通过社区发现算法来进行函数聚类,实现模块划分,该类方法通常只考虑节点之间的连接关系,忽略了节点的属性、节点之间的相似度等信息,且对噪声和异常值比较敏感.为了解决这些问题,提出了一种基于图嵌入的二进制代码模块划分(graph embedding based binary code modularization,GEBCM)方法.该方法首先将软件系统抽象为属性图,然后通过带有注意力机制和排名机制的图嵌入聚类方法对函数节点进行嵌入表示并聚类.通过聚类将二进制文件分组为更具有完整功能的独立部分,揭示了复杂程序结构中分离的模块语义信息.在2个数据集上进行的实验评估,验证了所提出的GEBCM方法的有效性.评估结果表明,相比其他二进制模块化工作,GEBCM的F1值平均提高10.2个百分点.此外,在针对恶意样本的评估实验中,GEBCM能有效地划分出恶意代码的模块,表现出优秀的可扩展性.

一种基于高阶函数摘要的依赖簇检测方法

依赖簇是相互依赖的程序组件的最大集合,依赖簇中任意一点产生变动都会引起其他组件的连锁反应.在实际生产环境中,依赖簇检测对于软件理解、测试、维护具有非常重要的意义.传统的依赖簇检测方法基于系统依赖图(System Dependence Graph,SDG)实现过程间依赖关系的计算.但是SDG的构建过程比较复杂,时间空间的占用比较大.为提高依赖簇检测的效率并减少空间占用,本文提出了一种有效的轻量级依赖簇检测方法.该方法通过构建每个过程高阶函数形式的函数摘要,将形参和全局变量的数据依赖作为摘要参数,并用函数摘要的参数初始化过程内依赖信息.通过在调用点处对高阶函数形式的摘要进行实例化,即可将调用过程的依赖关系通过摘要参数进行传递,从而获取过程间的依赖信息.为了进一步提升检测效率,我们还提出了基于自适应计算的依赖簇检测优化策略,该策略可以减少因函数的递归调用产生的相关冗余计算.本文选取了不同规模不同领域的工程项目和基准测试集进行相关对比实验,结果表明:基于高阶函数的依赖簇检测方法相比系统依赖图的检测方法,能够提升2.689倍的分析效率并减少35.7%的空间占用;基于自适应计算的依赖簇检测优化策略在高阶函数方法的基础上能够减少56.7%的冗余计算,提升23.9%的分析效率.

基于CiteSpace的腹膜透析症状群研究的可视化分析

目的:了解腹膜透析症状群研究领域的研究趋势、前沿、热点动态,为研究者全面把握该领域的研究态势提供借鉴及参考。方法:以Web of Science数据库核心合集为数据来源,以2013—2023年发表的腹膜透析症状群相关领域的文献为主要分析对象,使用CiteSpace 6.2.R1软件进行文献可视化分析。结果:共纳入571篇相关文献,发文量基本呈逐年上升趋势;发文量最多的国家是美国;研究热点主要集中在慢性肾病、死亡率、代谢综合征、心血管疾病、风险等相关方面;研究前沿主要围绕代谢综合征、不宁腿综合征等方面逐步发展变化。结论:我国未来在腹膜透析症状群研究领域方面应加强与国外学者的合作与交流,关注研究前沿及动态、深入探讨研究热点,提高我国该领域的研究水平。

基于WOS和CNKI数据库的汽车设计中外研究对比

文章为了使中华文化更加深入地融入到未来汽车设计中,基于WOS和CNKI数据库,利用Citespace软件将中外汽车设计的发展历程、发展热点和发展趋势进行对比。比较了关键词、作者、科研机构、共现时区视图等因素对于汽车设计领域的影响,文章总结了国内外汽车设计理念,并提出了对中国汽车设计的几点建议。

基于知识图谱的我国城市公共服务设施公平性研究热点分析

公平公正地配置公共服务设施是城市规划的核心,我国从20世纪末期逐步开展针对公共服务设施公平性的相关研究,目前已形成较为丰富的研究成果。文章结合CiteSpace知识图谱分析和文本分析的方法,对近20年相关文献进行聚类分析和文献综合分析,从研究视角、研究内容、研究方法等方面探讨我国城市公共服务设施公平性研究的发展演变与热点问题。城市公共服务设施公平性研究从“物”的视角转向人本主义视角,基于多源数据、综合城市居民群体的社会经济特征与需求的社会公平研究成为未来的重点问题。

基于Graph模型的海量用电数据并行聚类分析

随着智能电网建设的不断深入,在配用电环节收集的监测数据越来越多,逐渐构成智能电网用户侧大数据。传统数据分析模式已经无法满足性能需求,迫切需要新的存储和数据分析模式来应对。提出基于阿里云大数据分析平台MaxCompute的海量用电数据聚类分析方法,该方法充分考虑用电数据的特点,设计基于多级分区表的用电数据存储模式,采用三相电压、三相电流、三相功率因数等建立多维数据特征,应用MaxCompute Graph框架设计实现高效的海量用电数据的聚类划分算法。实验结果表明,所设计的存储模式可有效提升用电数据的检索效率;通过对不同用电类型的用户进行聚类划分,聚类准确率达到88%,验证了聚类划分的有效性和高性能。

基于知识图谱的智慧水利研究进展

基于2000—2021年中国知识基础设施工程(CNKI)和Web of Science核心数据库(WOS)中以智慧水利为主题的相关研究文献,采用VOSviewer、CiteSpace等软件构建智慧水利研究领域文献量时序分布、发文机构和研究热点演变的各类知识图谱,分析了当前智慧水利研究进展。结果表明:智慧水利文献量均逐年递增,但CNKI数据库文献量与WOS数据库相比存在明显差距;智慧水利领域已形成核心研究机构,对其前沿发展做出了重要贡献;CNKI数据库中智慧水利研究侧重以流域为单位构建数字流域与智慧水利框架,WOS数据库则侧重从地理地球视角出发开展研究,两者均以物联网、深度学习等为基础搭建智慧水利平台。

Presentation of the Module ＂GRAPHS＂ for Analyzing Geobotanical Data

This paper describes the program module ＂GRAPHS＂ which was developed for data processing in geobotany and ecology fields. The ＂GRAPHS＂ has a simple interface and is integrated into the Microsoft Excel. This allows users to use all features of Microsoft Excel for storage and preparation data for analysis. Calculation of the most common similarity indexes （Jaccarda. Sorenson, Ohai etc.） and their visualization by using different algorithms of the graph theory or hierarchical cluster analysis allows simplifying and accelerating the process of data analysis in ecology or geobotany and makes it clearer. Also, three ordination methods--PCA （principal components analysis）, CA （correspondence analysis）. NMS （nonmetric multidimensional scaling）-were implemented in the module. The module can be used for vegetation classification, and be used to allocate diagnostic species or to search environmental factors most strongly impact on vegetation. Algorithms of data analysis which were implemented in the module ＂GRAPHS＂ have universal nature so they can be applied in many other fields of science.

A Proposal for a Benchmark Generator of Weakly Connected Directed Graphs

The previous studies on detection of communities on complex networks were focused on nondirected graphs, such as Neural Networks, social networks, social interrelations, the contagion of diseases, and bibliographies. However, there are also other problems whose modeling entails obtaining a weakly connected directed graph such as the student access to the university, the public transport networks, or trophic chains. Those cases deserve particularized study with an analysis and the resolution adjusted to them. Additionally, this is a challenge, since the existing algorithms in most of the cases were originally designed for non-directed graphs or symmetrical and regular graphs. Our proposal is a Benchmark Generator of Weakly Connected Directed Graphs whose properties can be defined by the end-users according to their necessities. The source code of the generators described in this article is available in GitHub under the GNU license.

近10年科研档案研究的特征分布与热点

以近10年间在知网、万方、维普等期刊数据库收录发表的421篇核心期刊论文和硕博学位论文为数据源,使用NoteExpress和CiteSpace等工具,从文献的年度分布、期刊分布、发文机构、核心作者、关键词聚类分析等方面进行定量分析:近10年来科研档案研究以实践为主,理论性不强,其发表高质量论文数量呈下降趋势,尚未形成核心学者群和研究机构以及较稳定的研究热点。建议应加强政策保障和基金资助,鼓励不同领域研究学者开展合作研究,关注科研档案领域的新兴形态与发展趋势。

《新世纪图书馆》近20年刊文研究主题的发展与演变

在《新世纪图书馆》更名20年之际,论文利用CiteSpace可视化分析软件、人工主题标引和文献研究法对其2003年1月至2023年1月的4292篇文献进行综合分析,探究近20年整体的主题分布情况,呈现研究重点的动态演化趋势。研究发现,《新图》对于图书馆领域的热点把控能力较强且主题鲜明,近20年其文献主题以图书馆事业发展、图书馆服务为主,以学科建设、技术方法为辅,同时,较为关注我国传统文化的传承与发展。结合近期国家政策和图书馆学情报学发展形势,建议《新图》给予公共文化云、文旅融合等主题更多注意。