空间相关信道下一种合作感知节点集合选择算法

在空间相关信道条件下随着合作感知节点数目的增加,新增合作感知节点所带来的性能增益将会越来越小并趋近于零,同时系统资源使用效率也将会随着合作感知节点数目的增加而降低,因此在选择合作感知节点数目时需要在感知性能与资源使用效率之间进行折衷。本文提出了一种合作感知节点集合的贪婪选择算法。该算法首先在对感知性能和资源使用效率进行折衷的基础上得到判决门限,并依此判决门限选择满足条件的合作感知节点集合。仿真结果证明了所提出算法的有效性与可靠性。

面向网络结构发现的批量主动学习算法

网络结构发现可识别网络多类型聚类模式,但其准确率有待提升.批量主动学习选择质量高的节点集合构造先验,可提升无监督网络结构发现的性能.面向属性网络分类的主动学习BMAL(Batch Mode Active Learning)只考虑链接信息实现网络节点选择,但不能有效选择使模型性能提升至最优的节点集合,且依赖初始人工标注及参数.提出一个新的批量主动学习算法,利用目标函数的子模性迭代选择最优的节点集合.该方法基于未标记节点的不确定性和非冗余影响力选择最优节点集合,不确定性依据节点及其邻居的类隶属度,影响力依据节点的非重叠中心性,两个指标的权重依据熵权法自动确定.人工和真实网络上的实验结果表明,该方法能选择使结构发现性能提升最大的节点集合.