具有类万有引力的有界置信观点动力学分析与应用

在社会网络中,Hegselmann-Krause模型描述了置信阈值内不同邻居对个体的观点影响权重都相同且邻居对个体的吸引力与它们的观点差值成正比,这是不切实际的.为了克服经典Hegselmann-Krause模型的不足,提出具有类万有引力的有界置信观点动力学模型,描述个体观点的更新依赖于观点之间的差值和邻居的权威性,且不同邻居对个体的观点影响权重不同.根据置信矩阵的性质证明观点的收敛性,并分析具有衰减置信阈值的观点动力学行为,给出观点收敛速率的显式解.最后,利用提出的观点动力学模型,研究社会心理学中的“权威效应”和“非零和效应”.仿真结果表明,邻居的权威性有利于观点达成一致.

基于引力的网格聚类算法

数据挖掘中的聚类在各行各业都有广泛应用,本文提出了基于网格的万有引力聚类算法(GGBCA),通过网格聚类(GBCA)的思想生成一系列的高密度网格,然后对高密度网格进行万有引力聚类,该算法考虑了类的大小对聚类结果的影响,提高了聚类效果。

多级异构无线传感网高效动态聚簇策略研究

针对多级异构无线传感器网络(Wireless sensor networks,YVSNs)路由问题,提出一种高效动态聚簇策略(Efficient and dynamic clustering schenle,EDCS).EDCS在给定多级异构网络环境下,结合考虑理想状态的平均能量预测和历史能耗参考值估计下轮平均网络剩余能量,决定节点当选簇头的概率,以此指导整个簇头选举过程.同时在簇形成过程中引入类万有引力思想,以引力大小确定非簇头节点加盟哪个簇.仿真实验结果验证EDCS的有效性,且比LEACH,SEP,DEEC和EDGCM更适合应用于多级易异构无线传感器网络。