k-Walk-Regular Digraphs

In this paper, we define a class of strongly connected digraph, called the k-walk- regular digraph, study some properties of it, provide its some algebraic characterization and point out that the 0-walk-regular digraph is the same as the walk-regular digraph discussed by Liu and Lin in 2010 and the D-walk-regular digraph is identical with the weakly distance-regular digraph defined by Comellas et al in 2004.

(K_(1,4);2)图的最小walk(英文)

考虑一种包含无爪图的图类 (K1,4 ;2 ) 图 ,给出了关于walk的几个结果 ,特别是关于过给定点恰好一次的最小coveringwalk .

一种启发式确定聚类数方法

聚类分析是数据挖掘领域中最重要的任务之一,目前许多聚类算法已经被成功应用到图像聚类、文本聚类、信息检索、社交网络等领域.但面对结构复杂,分布不均衡的数据集时,确定数据集的最佳聚类数目显得尤为困难.因此,本文针对结构复杂、分布不均衡的数据集提出了一种启发式最佳聚类数确定的方法.首先,构建随机游走模型对数据集中的点进行重要性排序,通过k-最近邻距离图谱确定重要数据点的个数,由此排除噪声点和不重要的点对类之间以及类内密度变化的影响.其次,通过设计的启发式规则(k-最近邻链间距和k-最近邻链最近邻间距)构建决策图确定最佳聚类数目并识别出聚类代表点.最后,通过最近距离传播算法进行聚类.实验表明该方法可以快速准确地找到最佳聚类个数,同时,本文提出的聚类算法与流行的聚类算法相比取得了比较好的聚类结果.

图聚类的算法及其在社会关系网络中的应用

研究图聚类的算法问题。在基于划分的图聚类中,重点比较点与点之间距离的计算方法及其对聚类结果的影响。由于社会关系网络图中点没有坐标值,所以不能使用欧几里得距离和曼哈坦距离。使用k-medoids聚类算法时,分别采用最短距离和随机漫步距离算法,将DBLP数据集构成的社会关系网络图分类成各个子图,通过实验数据验证两种算法的优劣。实验证明最短距离算法获得聚类效果更为理想,达到了较好的分类效果。

基于互K近邻图的自动图像标注与快速求解算法

图像语义具有模糊性、复杂性、抽象性等特点,在提取图像语义时仅用低层特征进行描述是不够的,需要结合图像相关内容,以便提高图像标注的精确度。为此,提出了基于互K近邻图的图像标注方法,该方法用一个互K近邻图融合了图像的低层特征之间、标注词之间以及图像与标注词间的相互关系。利用互K近邻图实现了根据两个节点间的相互关系来提取语义信息,弥补了基于K近邻图的方法中单方向挖掘节点信息的不足,有效地提高了图像标注的性能。在对互K近邻图结构分析的基础上,结合重启随机游走,提出了一种快速求解算法,该算法在不明显降低图像标注精度下,实现了快速求解。在Corel图像数据集上进行了实验,结果验证了所提方法的有效性。

随机游动模型的历史研究

以三个关键人物皮尔逊、巴夏里埃、肯德尔各自对随机游动模型的发现和使用为主线,首次细致阐述了该模型的发展历程及其应用,这项研究是探讨时间序列分析自回归过程历史发展的重要内容之一.

SLC-S分解炉增加物料进口时气固两相流场的数值模拟(英文)

以SLC-S分解炉为基准模型,新增一个物料进口,分别对两物料进口在不同的相对位置时的气固两相流场进行了数值模拟。对连续相、颗粒相的计算分别采用k-ε双方程湍流模型和离散相模型,对离散相与湍流之间的相互作用采用随机跟踪模型。模拟所得的气流场分布规律与模型实测结果吻合较好,而且所预测的固、气停留时间以及固气停留时间比值与模型实验预测值相一致。对结构进行优化的模拟结果表明:当两物料进口之间的水平投影夹角大于或等于135°时,尤其是在157.5°时,物料在分解炉内的分散状况皆良好,物料停留时间的绝对值和固气停留时间比值皆很高,为适宜的夹角范围。

不同三次风速下分解炉二相流场的数值模拟

为了优化分解炉内的气固二相流流场以提高其性能指标,基于一实际尺寸的SLC-S分解炉,分别对不同三次风速下的气固二相流场进行了数值模拟,其中对连续相、颗粒相的计算分别采用k-ε双方程湍流模型和离散相模型,对离散相与湍流之间的相互作用采用随机跟踪模型。计算所得气流场分布规律与实测值吻合较好,且颗粒相的质量浓度场分布形式与实际情况相一致。模拟结果表明:在所考察的边界条件下,当三次风速≤28 m/s时,分解炉本体压力损失较低,且物料停留时间的绝对值和料气停留时间比值皆相对很高,为适宜的三次风速范围。

基于关联图模型的医学图像Top-k查询方法

找到与病人具有相似纹理特征的医学图像,有助于医生结合历史病历信息对病人作出更为准确的诊断.基于此,大量的研究工作围绕如何提高基于内容的医学图像检索技术的准确性展开.然而,现有的基于内容的医学图像检索技术均是基于查询图像与数据库中图像的逐张匹配过程,面对迅速增长的医学图像数量,查询等待时间过长成为医学图像检索领域的另一主要问题.鉴于用户往往只对前k(Top-k)个检索结果感兴趣,提出了一种基于关联图模型的医学图像Top-k查询方法.首先,提出一种关联图模型,使用该模型可以有效地刻画医学图像之间关联关系的模糊性;继而利用关联图模型,提出一系列关联性度量计算方法,从而使得仅需对图像匹配一次即可更新所有图像与查询图像之间的相似度范围.由此,提出Top-k查询方法以及基于游走的查询优化策略.实验证明提出的方法可以有效地减少图像匹配次数,降低时间复杂度.

社交网络重叠社团检测初探

大数据环境下社交网络的社团结构研究对解决很多现实问题有着重要的意义。社团通常被看作是有相对紧密的内部连接和比较稀疏的外部连接的子图,重叠是社团结构的一个重要特征。论文基于G(n,p)模型,提出了一种生成包含重叠社团的合成网络的方法,然后基于k-均值和随机游走设计了一种重叠社团的检测算法,并在合成网络上初步验证了该方法的可行性。

大规模动态图中概率游走约束的节点相似Top-k查询方法

大规模动态图节点相似Top-k查询方法对大规模图查询效率较低,且当图发生动态变化时难以对查询结果进行自适应更新,导致查询结果准确度不高。利用大规模动态图概率路径游走约束条件,提出一种节点相似Top-k查询方法。通过引入PageRank概率游走机制实现将基大图生成多个小规模单向图,并利用单边弱化因子对PageRank进行概率游走约束,避免单向图反复选取少数边的情况。采用Monte Carlo模拟法进行单向图集上的相似度累积计算,以Top-k取值为衡量准则递增游走步数,避免次优相似度叠加问题。结合图的动态性特点,依据局部自适应原则提出基大图触发更新策略与单向图集联动更新策略,在保证查询准确度的同时最大限度地降低更新维护代价。实验结果表明,与FR、KM、SimRank、P-SimRank等方法相比,该方法可有效提高查询效率、查询准确度与更新效率。

基于K-way谱聚类的背景离群点检测

为提高现有背景离群点检测算法背景子图划分的准确性,提出一种基于K-way谱聚类的背景离群点检测算法。构造图模型,对其进行K-way划分,使得到的背景子图具有解释性意义,从划分后的背景子图中获得离群点。实验结果表明,该算法的H指标提高50%,VI指标降低70%,其精确度有较大提高,且没有对图的结构进行改变,不会丢失重要信息。

考虑乘客出行体验的需求响应式公交规划

作为传统公交车的有力补充,需求响应式公交的出现为人们提供了解决问题的新思路,它能够即时采集乘客出行需求信息,确定走行路线,提供个性化定制服务。但自需求响应式公交运营以来,步行距离长、候车时间久等问题也日益凸显,极大地影响了乘客的出行体验。文章充分考虑乘客的步行距离及等待时间成本,基于DBSCAN算法、K-means算法,就需求响应式公交合乘站点布设问题进行研究,采用启发式插入算法对建立的软时间窗、多车队模型进行求解。可以实现对具有时间窗空间分散点的聚类及路径规划,对优化需求响应式公交的乘客出行体验,提高车辆上座率具有重要意义。

基于图像处理的插秧机器人软件系统设计

图像处理是人工智能的一个很大的领域,农业机器人上的图像处理应用也已经越来越广泛,而以计算机为基础的控制软件更是农业机器人的大脑。介绍了一套基于图像处理技术为的插秧机器人控制软件系统,实现了自动插秧、自动判别优劣种苗和自动反馈实时信息等。针对插秧机器人对于种苗判断速度的要求,提出了基于K-means算法的种苗优劣判断机制,该算法力求对绿色敏感,可以快速得到种苗像素分布。整套软件集通信、控制及图像处理为一体,实现了农业自动化。

基于K-means聚类与改进随机游走算法的冠脉光学相干断层图像斑块分割

光学相干断层成像技术(OCT)现已发展成为国内外较热门的冠状动脉内影像技术,其中冠脉OCT图像的斑块区域分割对易损斑块的识别和研究有着重大意义。本文提出了一种基于K-means聚类与改进随机游走的新算法,实现了对冠脉钙化、纤维化斑块和脂质池的半自动化分割。本文主要创新点为改进了随机游走算法的权函数,将图像中像素间的边与种子点之间的距离加入到了权函数定义中,增加了弱边界的权值,防止了过分割现象的发生。本文基于以上方法对9名冠状动脉粥样硬化患者的OCT图像进行了斑块区域分割。通过对比医生手动分割结果,证明了本文方法具有良好的精度和鲁棒性,以期本文方法可对冠心病的临床诊断起到一定的辅助作用。

基于致病基因网络模块性预测风险致病基因

相关疾病基因的发现和预测有助于认识疾病发生机理及该疾病的诊断与防治,是人类基因组研究的重要目标。临床表现重叠的疾病经常由同一功能模块中的一个或多个基因变异引起,且导致疾病表型相似的基因间经常发生直接或间接相互作用,也就是致病基因具有网络模块性。鉴于此,基于k近邻思想扩展异构网络游走RWRH算法中的初始游走概率向量,作者提出一种改进的异构网络随机游走KRWRH算法,在基因-表型异构网络中深层次挖掘潜在风险致病基因。KRWRH算法通过扩展种子集合构建起始概率向量,种子集合包含已知致病基因及其k近邻基因;然后在异构网络中随机游走,通过迭代形成稳态概率向量,从而获得候选致病基因。通过对孟德尔遗传在线数据库中的18种遗传疾病进行仿真验证,说明KRWRH算法可有效预测潜在风险致病基因。