综合属性指标和引用关系的核心专利识别方法研究

以信息论为理论基础,提出综合属性指标和引用关系的核心专利识别方法,旨在平衡专利的个体特质性和网络整体性。首先,从信息论和复杂网络角度,分析综合属性指标和引用关系开展专利信息分析的必要性和可行性,并分别构建综合属性指标和三种引用关系的核心专利识别模型;其次,构建专利指标体系、计算专利属性价值,并以PageRank和HITs(hyperlink-induced topic search)算法分别测度综合属性价值与直接引证关系、共引关系和耦合关系前后专利的重要性、权威性与枢纽性,识别核心专利;最后,尝试利用基于复杂网络鲁棒性和脆弱性的方法比较综合前后方法的识别效果。实证结果表明,①综合两类方法的识别模型增加了专利信息分析的信息量,兼顾了专利指标分析和专利网络分析方法的优点,实现了识别方法上的优势互补;②不同引用关系反映了专利价值的差异性,三种关系的识别结果均存在集中与离散的特点,少数核心专利同时具备高重要性、高权威性和高枢纽性的特点;③基于复杂网络鲁棒性和脆弱性的评价方法,是对解决专利信息分析中识别结果评价难题的有益探索。

基于HT-STWLS的配电网PMU设计

随着分布式能源和可调负荷大量接入配电网,其随机性和间歇性增加了配电网信号量测的难度,同时配电网存在节点分支类型变化多、通信条件受限等不确定因素,使相量量测单元(PMU)在配电网中应用受到限制。针对配电网节点多分支特点和量测估计高精度要求等问题,提出了基于HT-STWLS的新型配电网同步量测单元,并搭建了实验装置。首先,该装置采用多核分布式结构,通过网络路由模式,能够有效解决节点多分支量测问题,增强节点边缘计算能力;然后,对装置采集信号进行希尔伯特变换(HT)处理后,将数据代入到对称泰勒加权最小二乘(STWLS)过程中进行信号参数估计,获取高精度基波参数值;最后,通过算法验证和实际电网信号的测试,表明所提装置的HT-STWLS算法能够实现配电网信号参数的高精度估计。

基于多核心节点的增量式动态社区发现算法

针对动态社区发现算法通常基于社区结构平稳变化的假设,而难以应对演化过程中可能出现的大量社区消亡或涌现等突发事件的问题,提出了一种基于多核心节点的增量式动态社区发现算法MCNIDCD。首先,将核心节点分为扩散型和内聚型,制定4种增量更新策略。其次,通过局部更新调整节点社区归属,并采用增量模块度方法优化社区结构。最后,实现社区合并。在人工和真实网络上对该算法的性能进行了评估,实验结果表明,在对比目前相关动态社区检测算法时,在人工网络仿真环境中,MCNIDCD算法表现出与社区演化规律的高度契合性;在真实网络实验中,MCNIDCD算法在模块度性能指标上平均提升了28%,并且在稳定性方面具有良好的优势,其优势对于研究动态社区演化过程具有重要的意义。

基于多层次深度模型的社交网络核心谣言传播节点识别

鉴于在线社交网络谣言控制的时效性与及时性,提出一种基于多维特征的两阶段图卷积网络(MSF-GCN)学习模型。该模型试图在尽早的时间实现精准定位核心谣言传播节点,从源头上阻断谣言扩散。通过将MSF-GCN方法与其他基准方法在谣言数据集上进行比对,实验结果验证了MSF-GCN学习模型更加有效。

二分图中高效计算top-n maximalα-biclique的方法研究

针对当二分图中一类节点的数量固定时,如何搜索另一类型节点数量排序为前n的maximalα-biclique的问题,提出了一种基础搜索算法和一种基于共同邻居概念的改进搜索算法。在使用(1,α)-core剪枝方法加快搜索的算法基础上,基于共同邻居搜索算法使用共同邻居的概念对算法进行了改进,该算法只遍历节点的二跳邻居,并利用节点顺序和最小阈值提高搜索效率。实验结果表明,两种算法都可以有效且高效地搜索节点数量排名为前n的maximalα-biclique。与基础搜索算法相比,基于共同邻居搜索算法的搜索效率提升了80%,在实际应用场景中更具优势。

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%.

超声引导下针吸活检在乳腺癌内乳淋巴结诊断中的应用

目的探讨超声引导下针吸活检(FNA)在乳腺癌内乳淋巴结(IMN)诊断中的应用价值。方法选取疑似IMN的乳腺癌患者160例为研究对象,均在超声引导下行IMN穿刺活检,88例采用空芯针活检(CNB,CNB组),72例采用FNA(FNA组)。对照病理诊断结果,分析比较FNA与CNB对IMN的诊断效能。结果FNA组的IMN最大直径、IMN最大厚径均小于CNB组,差异有统计学意义(P<0.05);2组穿刺诊断的IMN分型比较,差异无统计学意义(P>0.05)。2组穿刺标本不满意率、IMN阳性率比较,差异均无统计学意义(P>0.05)。一致性检验结果显示,CNB组和FNA组与病理诊断的一致性良好(Kappa>0.70);与CNB组比较,FNA组一致性更高(Kappa=0.890)。CNB组与FNA组诊断IMN的敏感度、特异度、阳性预测值比较,差异均无统计学意义(P>0.05);CNB组阴性预测值低于FNA组,假阴性率高于FNA组,差异均有统计学意义(P<0.05)。CNB组8例(9.09%)发生穿刺并发症,包括轻症或无症状气胸6例、穿刺肌间出血2例,症状均较轻微,FNA组未发生穿刺并发症。结论超声引导下FNA对乳腺癌IMN的定性诊断的效能较高,且FNA的穿刺风险小,并发症少,更适合解剖位置特殊的IMN穿刺活检。

基于社区极大类发现的大数据并行聚类算法

为了能在大数据中准确快速地寻找到网络结构,该文提出一种基于社区极大类的大数据聚类算法。对于初始节点不确定和适应度函数计算所带来的时间消耗,引入局部关键节点和对适应度公式进行改进来减少时间消耗。对于初始社区的形成,引入了极大团的概念并通过分析极大团的特性,得出社区的核心类别是由极大团构成,同时提出通过极大团的发现来得到局部核心类别的方法并提出了极大团发现算法的并行策略,然后提出整个算法的并行策略并在真实数据集上实验。实验结果证明该文提出的算法是可行和有效的,适用于大规模数据的网络结构发现。

基于龙芯多核处理器的云计算节点机

提出了一种基于龙芯多核处理器的高效能云计算节点机的软硬件设计和实现方法,并研制成功相应原型系统。实验和测试表明,本系统单节点取得了每秒0.256×1012次浮点运算能力(Tflops),单一机柜可容纳42个1U节点机箱,672颗CPU,2 688个CPU核(672×4)的性能,总体具有基于龙芯多核处理器、高密度、高性能功耗比等优点,为基于龙芯多核处理器的云计算系统奠定了坚实基础。

一种基于节点相异度的社团层次划分算法

当前层次划分社团算法难以选取合适的初始节点,导致社团结构划分结果较差。为此,提出一种基于节点相异度的层次社团划分算法。给出度和接近度的评估标准,根据评估标准筛选网络的初始核心节点。为克服相异性指数在度量社团内节点相似度时的不足,引入节点的相异度评价准则,计算初始核心节点间的相似度,得到具有较高相似度的初始节点集。采用全局优化模块度的策略,从而实现对复杂网络的社团划分。应用于标准数据集的实验结果表明,与GN算法、FN算法相比,该算法划分效果更好,时间复杂度更低。

WSN中负载平衡的LEACH通信协议研究

LEACH协议是无线传感器网络中被广泛应用的聚类协议,但它存在负载不均衡的缺陷。通过分析LEACH协议聚类中节点的能耗情况,建立节点的能耗模型,找出了聚类之间以及节点之间负载不均衡的原因。基于原有协议,提出了一种新的LB-LEACH通信协议。使用OMNET++进行仿真实验,实验结果表明,新协议能够使聚类间的负载更加均衡,减少节点的过早死亡,延长整个网络的寿命。

基于多节点多核的样本级并行仿真技术研究

针对蒙特卡罗仿真的特点,开展了基于多节点多核环境的样本级并行仿真技术研究,设计实现了基于客户端/服务器架构的系统原型,给出了并行仿真实验流程。案例简析表明,该技术能够很好的利用局域网环境下普通PC计算节点以及集群计算服务器各计算刀片上多核处理器的计算能力,大为减少多样本闭环仿真运行时间,提高装备论证效率。

一种新型光交换技术:光码标签突发包交换

一种新型光交换技术 -光码标签突发包交换技术。该技术是光突发包交换与光码标签交换的结合体 ,具有两者的共同优点 ,是一种性能优良的光交换技术。本文首先介绍了该技术的原理 ,然后给出了网络节点功能结构的设计 。

GMPLS-based OBS光传输网络体系结构

提出一种采用GMPLS协议作为控制面的光突发交换(OBS)网络体系结构,给出了网络结构、节点功能模型、控制包格式和新增控制信令交换接口的建议。提出的网络结构是在OBS的突发控制包用通用标签代替地址,并使用GMPLS协议栈完成路由和信令功能,实现流量工程和生存性研究。

基于核心节点的复杂网络社区划分算法

针对全局社区发现方法计算复杂度过高,而局部社区发现方法社区发现质量偏低的不足,提出了一种快速有效的社区划分算法。算法预先探测网络中属于不同社区的核心节点,利用基于相似性传递的节点相似性度量方法度量核心节点与网络中其他节点之间的相似性,根据相似性度量结果对网络进行社区结构划分。在采自人人网的数据和公共的网络数据上进行了实验,并与经典算法进行比较,实验结果表明了该算法的可行性和有效性。

以图频繁集为基础的核心节点发现

结合基于图的关联规则挖掘和双向搜索的策略,产生最大频繁项集,从而提出基于图的最大频繁项集(graph based maximum frequen tset,GBMFS)生成算法。运用此算法,结合社会网络的动态特征,发现社会网络中所存在的团伙的核心成员。最后,在实际系统中对相关的算法进行了验证。

一种评价通信网节点重要性的新方法——节点孤立法

提出了一种评价通信网节点重要性的新方法——节点孤立法,并提出了节点核度积的概念,认为通信网中最重要的节点是孤立后所对应的节点核度积最大的节点。该方法考虑了网络的连接状况,并且动态地考虑了网络中所有节点相互通信的最短路径总长度的增加值。该方法是基于全网性能对节点重要性进行评价,通过比较节点的核度积,判断通信网中任意两个节点的相对重要性,而且使用了一种模2的矩阵运算方法,可以快速得到节点通信的最短路径。理论分析和仿真实验结果表明,该方法的计算复杂度和对节点重要性评价的准确性优于其它算法。

科研合作网络的重要作者发现

近年来,使用复杂网络理论对文献的科研合作网进行分析得到了广泛的研究.文章对DBLP数据库中1998年至2007年的作者合作数据构造科研合作网络,并且通过复杂网络的基本统计度量,如度、聚集系数等对网络的总体面貌进行了宏观上的描述.在微观层面,文章提出了高效的重要作者发现算法,能够从作者的合作数量以及合作范围对重要作者进行排名.通过分析科研合作数据作者的影响力,从而为科研人才评价提供参考.

一种基于核心节点跳转的局部社区发现算法

针对现有算法受给定节点位置的限制而影响社区发现的稳定性和准确性问题,提出一种基于核心节点跳转的局部社区发现算法,避免从给定节点直接聚类,而是先搜寻给定节点附近的核心节点,并围绕核心节点向外扩张,根据节点适应度聚类邻接节点以构建核心节点子团;并根据子团相似度进行合并,从而得到给定节点所属的局部社区结构.在计算机生成网络和真实网络上的实验和分析证明,该算法能够有效地提升局部社区发现稳定性,并改善局部社区划分的准确性.

基于介中心性及K-shell的脑网络核心节点评价方法

在对基于核磁共振成像技术重构得到的人脑结构网络的研究中,核心节点的识别是对全脑网络特性展开研究的基础,具有重要意义。给出了一种基于K-shell和介中心性的核心节点评价方法,首先使用以节点局部重要性为标准的度中心性、邻近中心性和介中心性三个中心性评价方法分别对人脑结构网络中的节点重要性展开评估和分析;接着利用以节点全局地位为标准的K-shell分解法对人脑结构网络的核心节点展开分析。实验结果显示,由于同时兼顾了脑网络节点的整体特性和局部特性,该方法能够更全面和准确地识别核心脑区节点。