复杂网络规模的增大导致网络中社区结构变得复杂,节点与社区之间的关系更多样化,有效度量大规模网络中节点邻域的社区构成,并对社区归属确定性有差异的节点分别进行处理,可以提高算法的社区发现质量。基于此,提出了一种基于节点稳定性...复杂网络规模的增大导致网络中社区结构变得复杂,节点与社区之间的关系更多样化,有效度量大规模网络中节点邻域的社区构成,并对社区归属确定性有差异的节点分别进行处理,可以提高算法的社区发现质量。基于此,提出了一种基于节点稳定性和邻域相似性的社区发现算法(Node Stability and Neighbor Similarity Based Community Detection Algorithm, NSNSA)。首先定义节点的标签熵并对节点在社区发现过程中的稳定性进行度量,选择标签熵较低的节点作为稳定节点集;其次根据节点邻域的标签构成情况定义节点的邻域相似性,对节点与其邻居节点的社区归属一致性进行度量;然后利用稳定节点与其直接邻居中邻域相似性最高的节点构造初始网络,并在该子网络上运行标签传播算法,以得到可靠性较高的初始社区发现结果;最后将未聚类节点分配至与其Katz相似性最高的节点所在的社区,对小规模社区进行合并处理,以得到最终的社区划分结果。在真实网络及人工网络数据集上,与LPA,BGLL,Walktrap, Infomap, LPA-S等经典社区发现算法的对比实验表明,NSNSA算法在模块度以及标准互信息方面表现良好。展开更多
为了更好地适应Ad hoc网络拓扑结构的动态特性,提出一种基于灰色预测模型的具有节点稳定度预测功能的NS-PMRC(Node Stability Prediction algorithm of Midpoint Range Circle)算法。该算法结合GPS系统提供的节点地理位置信息,在路由维...为了更好地适应Ad hoc网络拓扑结构的动态特性,提出一种基于灰色预测模型的具有节点稳定度预测功能的NS-PMRC(Node Stability Prediction algorithm of Midpoint Range Circle)算法。该算法结合GPS系统提供的节点地理位置信息,在路由维护阶段利用等维递补灰色预测模型实时预测出节点下一时刻的地理位置,并计算下一时刻节点间的距离和节点稳定度。通过比较下一时刻节点间稳定度来判断关键节点的存在条件。该算法相对于PMRC算法提高了探测准确度,并明显提高了网络整体性能。展开更多
Ad Hoc网络中各个节点能量有限,因此设计一个高效的路由协议在Ad Hoc网络显得十分重要。本文在分析了传统的AODV路由协议及目前已经提出的能量感知类路由协议的基础上,从节点的剩余能量和节点的通信状态出发,提出了节点综合稳定度的计...Ad Hoc网络中各个节点能量有限,因此设计一个高效的路由协议在Ad Hoc网络显得十分重要。本文在分析了传统的AODV路由协议及目前已经提出的能量感知类路由协议的基础上,从节点的剩余能量和节点的通信状态出发,提出了节点综合稳定度的计算公式,并以此对AODV路由协议进行了改善。仿真结果表明,该方法是有效的,它延长了网络的生存时间,提高了网络的传包率。展开更多
Ad hoc网络有着广泛的应用前景。选择高速稳定的路径进行通信十分重要。在常用位置辅助(LAR)路由算法的基础上,提出了一种新的路由算法(NSLAR)。该算法引入节点稳定度这一参数,并以此作为路径选择的依据,从而增强了所选择路径的稳定性,...Ad hoc网络有着广泛的应用前景。选择高速稳定的路径进行通信十分重要。在常用位置辅助(LAR)路由算法的基础上,提出了一种新的路由算法(NSLAR)。该算法引入节点稳定度这一参数,并以此作为路径选择的依据,从而增强了所选择路径的稳定性,减少了因为路径失效带来的重新路由次数。仿真结果表明,与LAR和QR算法相比,NSLAR算法具有更好的性能。展开更多
文摘复杂网络规模的增大导致网络中社区结构变得复杂,节点与社区之间的关系更多样化,有效度量大规模网络中节点邻域的社区构成,并对社区归属确定性有差异的节点分别进行处理,可以提高算法的社区发现质量。基于此,提出了一种基于节点稳定性和邻域相似性的社区发现算法(Node Stability and Neighbor Similarity Based Community Detection Algorithm, NSNSA)。首先定义节点的标签熵并对节点在社区发现过程中的稳定性进行度量,选择标签熵较低的节点作为稳定节点集;其次根据节点邻域的标签构成情况定义节点的邻域相似性,对节点与其邻居节点的社区归属一致性进行度量;然后利用稳定节点与其直接邻居中邻域相似性最高的节点构造初始网络,并在该子网络上运行标签传播算法,以得到可靠性较高的初始社区发现结果;最后将未聚类节点分配至与其Katz相似性最高的节点所在的社区,对小规模社区进行合并处理,以得到最终的社区划分结果。在真实网络及人工网络数据集上,与LPA,BGLL,Walktrap, Infomap, LPA-S等经典社区发现算法的对比实验表明,NSNSA算法在模块度以及标准互信息方面表现良好。
文摘为了更好地适应Ad hoc网络拓扑结构的动态特性,提出一种基于灰色预测模型的具有节点稳定度预测功能的NS-PMRC(Node Stability Prediction algorithm of Midpoint Range Circle)算法。该算法结合GPS系统提供的节点地理位置信息,在路由维护阶段利用等维递补灰色预测模型实时预测出节点下一时刻的地理位置,并计算下一时刻节点间的距离和节点稳定度。通过比较下一时刻节点间稳定度来判断关键节点的存在条件。该算法相对于PMRC算法提高了探测准确度,并明显提高了网络整体性能。