基于有向图卷积循环网络的分布式光伏出力超短期预测方法

提出一种基于有向图卷积循环网络的分布式光伏超短期功率预测方法,该方法可同时提取光伏出力的时序特征和空间相关性,有效减小预测误差。首先,分析光伏出力数据兼具时序性和空间相关性,利用门控循环网络提取时序特征,构建有向图卷积网络提取传统图卷积无法捕捉的光伏出力有向空间相关性;然后,融合门控循环单元和有向图卷积网络,构建有向图卷积循环网络以提取多光伏站点出力的时空相关性,并利用注意力机制为不同时刻的时空特征分配权重;最后,通过全连接层输出最终的预测结果。采用某地区屋顶光伏实际出力数据在不同预测时间尺度下比较所提方法与其他方法的预测性能,结果表明,预测时间尺度为15、30和60 min时,相对于传统循环网络,所提方法的MAE分别减少16.3%、20.7%和28.1%。

基于有向图的双向匹配分词算法及实现

在分析了现有各种汉语分词算法及其优缺点的基础上,提出以句子覆盖率和分词覆盖率作为评价分词方法的指标,详细介绍了基于网络有向图的双向匹配分词算法的设计与实现,该算法对经典的最大匹配分词算法进行了改进,通过带覆盖歧义标志的有向图生成多候选分词序列。与最大匹配算法和全切分算法的比较实验显示,基于有向图的双向匹配算法以低复杂度实现了高覆率盖。

大规模社会网络K-出入度匿名方法

现有社会网络隐私保护技术在处理大规模社会网络有向图时数据处理效率较低,且匿名数据发布通常不能满足社区结构分析的需求。为此,提出一种基于层次社区结构的大规模社会网络K-出入度匿名(KIODA)算法。该算法基于层次社区结构划分社区,采用贪心算法分组并匿名K-出入度序列,分布式并行添加虚拟节点以实现K-出入度匿名,基于GraphX图数据处理平台传递节点间的信息,根据层次社区熵的变化情况选择虚拟节点对并进行合并删除,从而减少信息损失。实验结果表明,KIODA算法在处理大规模社会网络有向图数据时具有较高的执行效率,并在匿名后保证了数据发布时社区结构分析结果的可用性。

基于时空图卷积网络改进的人体行为识别方法

针对目前利用时空图卷积网络ST-GCN行为识别模型进行人体行为识别准确性有待提高和如何更好地学习骨骼数据中关节点和骨架边所表达的动作特征等问题,改进现有的时空图卷积网络(ST-GCN)行为识别模型。首先,使用有向图来表示关节点和骨骼边的信息以及它们之间的依赖关系,提取相邻帧的关节位置差异作为运动信息;其次,使用双流框架分别学习运动信息和空间信息,进行融合提高识别性能;最后,使用注意力权重矩阵让图的拓扑结构具有自适应性,增大节点的感受野,使网络能够学习到远端关节之间的语义信息,更好的捕捉动作特征。将所提出的方法在NTURGB+D数据集上进行实验。研究结果表明,采用基于时空图卷积网络改进的人体行为识别方法在数据集上达到了96%的准确率,与现有ST-GCN模型相比,准确率提高了。此方法可进一步促进人体行为识别技术在智能家居、智能监控安防、人机交互、基于内容的视频检索、智慧城市发展等领域的广泛应用。

基于改进PageRank算法的银行零售业务客户价值排名研究

在银行零售业务交易系统中,如何在大量客户数据交易网络中挖掘出影响力高,潜在价值高的重要发展客户,从而制定相应的业务营销计划,对银行来说是一件至关重要的事情.本文提出一种基于PageRank的改进算法——IER(Improved Enhanced-RatioRank)算法,该算法以客户作为节点,以主动交易金额构成出链权重因子作为有向边,构成一个客户交易网络有向图,通过添加交易次数活跃因子和时间有效性因子等重要因素,从多维角度可以精准有效地挖掘出重要发展客户.最后,利用RFM(Recency, Frequency, Monetary)模型来验证实验结果.实验结果表明,所提算法在银行零售业务交易系统中挖掘重要发展客户有良好的效果.

基于TOP的地铁乘务交路优化模型及算法研究

针对地铁乘务交路时长不均衡、停留等待时间过长和乘务交路编制效率低下的现状,结合乘务基地配置和乘务劳动作业规定,将车辆周转图分割成若干个乘务作业片段,并将其抽象为节点,建立时空网络有向图,将乘务交路优化问题转换为团队定向问题,建立了以乘务交路时长均衡和停留等待时间最小为优化目标的乘务交路优化模型;针对乘务交路数量的不确定性,结合时空网络有向图的特性,在标准蚁群算法的基础上,设计了交叉蚁群算法求解模型;以成都地铁某线路为例,对模型和算法进行验证。结果表明:交叉蚁群求解模型和算法能够有效地表征乘务交路优化问题,并获得较优的乘务交路方案,为下一步的乘务指派奠定基础。

Global Systemic Financial Risk Spillovers and Their External Shocks

The shock of the global financial crisis sparked widespread concern across the world about systemic financial risk and led to the reexamination of regulatory mechanisms.The traditional principle of“too big to fail”underwent a transformation into the new idea of“too interconnected to fail.”We used Directed Acyclic Graph(DAG)technology and network topology analysis to examine the dynamic evolution of global systemic financial risk and the risk trends in global financial markets from the perspective of network connectivity.Our findings show that financial markets in the Chinese Mainland are net receivers of risk spillovers and that systemic financial risk has a clear cross-market contagion effect due to a global volatility spillover scale of 64 percent.To maintain the stability and security of China’s financial markets,consideration should be given to the regulatory precept of“too interconnected to fail”in establishing macro-prudential risk prevention mechanisms.