基于稠密子图的社区发现算法

基于密度的图聚类算法在社区发现中得到了广泛应用,然而由于其通过搜索网络中局部稠密子图来识别社区,使得大量结点因不能构成稠密子图而未被聚类。针对此问题,给出了一种基于稠密子图的软聚类算法(community detection based dense subgraphs,BDSG)。首先给出一种中心社区发现方法;进而定义了一种结点的社区归属度,并给出中心社区扩展策略;最终得到聚类结果。通过与CPM(clique percolation method)、k-dense算法在空手道俱乐部、海豚社交网络、大学生足球网络、电子邮件网络和合作网络等数据进行比较,表明BDSG算法在模块性指标与时间效率方面体现了良好性能,同时中心社区扩展策略能在一定程度上提高CPM、k-dense等基于密度算法的聚类有效性。

多指标加权关键边评估模型及应用

针对高校网络舆情边评估研究较少、评估指标单一、评估因素特定等问题,提出多指标加权关键边评估模型。首先,将高校网络拓扑化,并利用矩阵表示网络参与者之间的关系;其次,计算网络拓扑中每条边的边介数以及支撑边两个点的点介数;最后,分析在边介数、支撑边两个点的点介数及3个指标的不同加权作用下高校网络中关键边的评估情况。根据多指标加权关键边评估模型,可从网络舆情引导机制、信息工作机制、预警和处理机制4个方面为高校网络舆情引导策略的制定提供参考。

Fast integral equation solver for Maxwell's equations in layered media with FMM for Bessel functions

The paper presents a new fast integral equation solver for Maxwell＇s equations in 3-D layered media. First, the spectral domain dyadic Green＇s function is derived, and the 0-th and the 1-st order Hankel transforms or Sommerfeld-type integrals are used to recover all components of the dyadic Green＇s function in real space. The Hankel transforms are performed with the adaptive generalized Gaussian quadrature points and window functions to minimize the computational cost. Subsequently, a fast integral equation solver with O（N2zNxNy log（NzNy）） in layered media is developed by rewriting the layered media integral operator in terms of Hankel transforms and using the new fast multipole method for the n-th order Bessel function in 2-D. Computational cost and parallel efficiency of the new algorithm are presented.