面向社交网络信息源定位的观察点部署方法

准确地定位社交网络上的信息扩散源点,对于网络信息扩散控制具有重要的现实意义.现有的一种可行方法是通过在网络中观察点搜集的过程信息对扩散源进行定位,定位准确率与观察点的选择紧密相关.针对网络中的信息扩散源定位问题,提出了一种网络观察点优化部署方法.考虑单信息源的信息扩散过程,首先分析了特定信息源定位准确率与观察点部署位置之间的关系,以此为基础,发现了与任意信息源定位准确率相关的关键因素.提出基于r覆盖率的观察点部署策略,以观察点集合的r覆盖率作为目标函数,实现了r覆盖率优先观察点选取算法.在模型网络与实际网络上进行了实验,验证了该方法的有效性.提出的观察点部署策略对于网络谣言、计算机病毒的控制具有重要意义.

基于观察点的信息源定位方法的准确率分析

观察点部署位置与定位准确率之间关系的研究,对基于观察点的信息源定位方法具有重要的意义.从单信息源的信息定位过程入手,首先对理论传播延迟与实际传播延迟进行分析,可知:对于一个指定信息源,观察点间最短路径的差值越大,该点的理论传播延迟与实际传播延迟的相似度就越高.进而分析网络中观察点部署位置与指定信息源定位准确率的关系,得出结论:随着信息源到观察点的距离差之和增加,对该信息源的定位准确率增大.在模型网络上进行仿真实验,实验结果验证了分析结论的准确性.

基于拓扑扩展的在线社交网络恶意信息源定位算法

随着在线社交网络的飞速发展,社交媒体成为网络用户参与的主要平台。恶意信息常常隐藏于在线社交网络的海量数据中,加之拓扑结构的局部性、恶意信息的伪装性,定位和溯源恶意信息面临着很大困难。一方面,仅仅通过人工标注的方式难以实现全局监控,即使借助语义分析、信息搜索等方式也只能在识别热点后获取当前网络中的信息"碎片";另外,信息在演变过程中的变异,使得一条传播链条会中断分裂为多条,不加以识别和区分会增加信息源头数目,大大增加溯源定位的算法复杂度。另一方面,恶意信息常采用伪装手法,如提供虚假的要素、制造热点吸引用户、水军炒作干扰视线等,使得信息拓扑和网络关系拓扑并不一致。原有的定位算法依赖于当前感染节点的分布和当前拓扑,感染状态从单一化向随机化的变化,使得统计推断框架更复杂,需要改进非观测节点的状态推断方法。在线社交网络的信息传播过程中,信息的传播关系常常附加在信息本身中,可以根据当前网络节点的状态挖掘隐藏信息。结合当前网络节点的状态,提出关系拓扑和信息拓扑的概念,并设计基于信息拓扑的候选源点扩展算法。在此基础上,文中提出基于Jordan中心的恶意信息溯源算法。在模型网络和实际网络上的实验表明,相对于对比算法,所提算法能够有效识别出恶意信息源。

基于抗差因子图的AUV多源信息融合定位方法

面向AUV搭载的传感器信息频率不一致与有效性易动态改变的情况,因子图算法相较于扩展Kalman滤波算法表现出更好的稳定性、灵活性与扩展性。本文首先比较了FGO与EKF算法分别应用于AUV多传感器信息融合定位的性能,再针对复杂水下环境中,传感器的异常观测值影响FGO算法定位精度的问题,提出了一种基于抗差因子图的AUV多源信息融合定位方法,利用动态协方差缩放策略对粗差因子进行降权处理,在海测数据的基础上模拟观测粗差进行算法验证。分别采用普通FGO算法、基于DCS的抗差FGO算法对受到粗差干扰后的数据进行解算。统计结果表明,相较于不进行抗差处理,该算法降低了14.6%的平面位置误差,对异常观测具有良好的稳健性能。