一种基于边界节点识别的复杂网络局部社区发现算法

在网络日益巨大化和复杂化的背景下,挖掘全局网络的社区结构代价较高。因此,基于给定节点的局部社区发现对研究复杂网络社区结构有重要的应用意义。现有算法往往存在着稳定性和准确性不高,预设定阈值难以获取等问题。该文提出一种基于边界节点识别的复杂网络局部社区发现算法,全面比较待合并节点的连接相似性进行节点聚类;并通过边界节点识别控制局部社区的规模和范围,从而获取给定节点所属社区的完整信息。在计算机生成网络和真实网络上的实验和分析证明,该算法能够自主挖掘给定节点所属的局部社区结构,有效地提升局部社区发现稳定性和准确率。

基于边界节点量测信息的两端口网络等值方法

针对电力系统网络结构复杂以及外部系统网络参数完全未知等特点,提出一种基于边界节点量测信息的两端口网络等值方法,以对外部系统网络进行等值简化。该等值方法所需的量测信息为系统潮流计算得到的边界节点电压相量、有功功率和无功功率,利用确定的外部系统等值模型与边界节点量测信息之间的等式约束关系,经数值迭代计算得到外部系统模型的等值参数。通过IEEE 14节点系统实例对比等值前后系统的短路水平、潮流分布及系统动态特性变化情况,验证了所提等值方法的正确性及其工程实用性。

边界节点对无线传感器网络连通性的影响

无线传感器网络的连通性是确保节点成功组网的基础,相对于内部节点,边界节点对无线传感器网络的连通性有着更大的影响。本文以节点的有效通讯面积为基础,通过理论推导,分析了边界节点的连通性和网络的整体连通性,而后通过仿真研究,分析了存在边界节点与消除边界效应后的网络连通度分布、连通度期望和网络是k点连通的概率,从而说明了边界节点对无线传感器网络连通性的影响。

边界节点法计算二维瞬态热传导问题

采用边界节点法(BKM)结合双重互易法(DRM)求解二维瞬态热传导问题.采用差分格式处理时间变量,可将原瞬态热传导方程转化为一系列非齐次修正的Helmholtz方程.随后,方程的解可分为特解和齐次解两部分计算,引入双重互易法在区域内部配点求解方程的特解,采用边界节点法仅需边界配点求解方程的齐次解.给出的数值算例显示该方法计算精度高,适用性好,具有很好的稳定性和收敛性,适合求解瞬态热传导问题.

基本解方法与边界节点法求解Helmholtz方程的比较研究

基本解方法和边界节点法是基于径向基函数的两种重要无网格边界离散数值技术。针对Helmholtz方程,本文比较研究这两种数值方法在不同计算区域问题上的计算精度、插值矩阵对称性、病态性及计算成本。数值试验结果表明,两种方法都可以有效求解边界数据准确的Helmholtz问题。在数值离散过程中,两种方法都可以通过调整配置点的位置减少插值矩阵的条件数;用边界节点法求解产生的插值矩阵是对称的,而基本解方法的插值矩阵不对称;边界节点法所需的计算时间比基本解方法略小,同时只需要后者一半的内存空间。

边界节点法的计算稳定性研究

边界节点法利用满足控制方程的非奇异通解作为基函数,半解析边界数值离散偏微分方程,具有精度高、收敛快、易编程等优点,是一种纯无网格配点方法。但是在求解具体问题时,随着节点数的增加,边界节点法经常得到严重病态的插值矩阵。本文利用有效条件数评价边界节点法求解Helmholtz问题线性方程组的计算稳定性;然后利用三种正则化方法处理其病态的线性方程组,并与高斯消元法比较计算精度和收敛性。通过数值实验,本文研究了有效条件数、误差和正则化方法之间的关系。

基于连接信息的无线传感器网络边界节点识别算法

无线传感器网络边界节点检测是识别网络覆盖空洞和提高数据路由效率的关键。为提高边界节点识别的精度,降低识别过程中对节点位置信息的依赖和能量消耗,提出了一种分布式边界节点识别算法(distributed boundary node identification,DBNI),该方法无需节点位置信息,仅依靠节点间的连接信息即能够有效识别网络中的边界节点。基于MATLAB的仿真实验和Zig Bee节点的实验结果都表明,同其他算法相比,该算法识别精度高,能量消耗低。

泊松方程的边界节点解法

边界节点法是一种将边界积分方程和移动最小二乘近似方案相结合的边界型无网格法.对于求解泊松方程的边界元方程中的区域积分,采用多重互换法把区域积分转化为边界积分,然后用边界节点法求解边界积分方程.给出了用多重互换法把区域积分转化为边界积分的收敛性证明.数值算例验证了这种方法的实用性和有效性.

基于目标检测能量有效的边界节点选择算法

目标检测是无线传感器网络一种非常重要的应用。提出了一种能量有效的分布式边界节点选择算法(DBNS),在监测区域边缘从Sink节点开始分布式选择边界节点(BN),对备选边界节点进行筛选,保证边界节点选择的有效性。在目标检测的过程中,当目标进入监测区域,边界节点向周围的节点发送消息,记录目标进入时间和位置,并通过节点的应答机制对目标进行跟踪。仿真实验表明,该算法与其他算法相比在边界节点数目、平均数据包、目标确定时间和节点剩余能量方面具有较好的性能。

无线传感器网络边界节点识别研究进展综述

边界节点的识别是无线传感器网络研究中的一个基本问题,是识别覆盖空洞的关键,也是优化网络覆盖的基础和数据可靠传输的保障。在综述边界节点识别算法的基础上,提出了基于节点可用信息和技术策略的算法分类方法,在归纳各类算法技术特点的基础上对比分析了不同算法的优点及存在的问题,并对未来的研究方向进行了总结与展望。

云计算网络中边界节点识别方法改进研究

目前,云计算网络为人们的生产和生活提供了各种应用和服务,网络边界节点的识别问题一直较难解决;传统的网络中边界节点类型复杂,边界部署成本高,较多感知模型和静态场景难以实现;为此,提出一种改进的云计算网络中边界节点识别方法,通过制定边界部署规则确定边界节点部署数量及要求,对边界节点感知漏洞进行修补,保证边界节点对网络区域内的全覆盖识别,最后设计出云计算网络识别模型,实现了云计算网络中边界节点正确识别;仿真实验表明,提出的边界节点识别方法在稳定性、识别率和识别数量上都比传统方法有优越性,具有应用价值。

光纤网络信道边界节点均衡负载控制研究

在光纤网络通信信道发生阻塞的情况下,易造成边界节点负载失衡,导致通信执行时间长且丢包严重。因此,提出光纤网络信道边界节点均衡负载控制方法。采用任务调度服务器分配节点任务,将运算结果反馈给相关的客户端,对获取的阻塞节点进行分配时,需要考虑节点的优先级量化方式,结合光纤网络节点的可用内存、CPU主频、正在运行的节点数以及等待运行的节点数四个相关因素,获得节点优先级,优化节点分配精度,最后定义节点队列,构建光纤网络信道边界节点负载均衡处理模型,完成对光纤网络信道边界节点负载均衡化处理。实验结果证明,该方法对阻塞节点负载均衡化处理过程中节点原数据得以更大程度保留,其任务响应和执行时间较短且丢包率低,光纤网络阻塞节点负载均衡化处理效果明显。

基于虚拟阻抗矩阵和边界节点迁移的在线校核分区方法

继电保护在线校核并行计算的关键是实现电网的最优分区。文中提出了一种基于虚拟阻抗矩阵和边界节点迁移的电网最优分区方法。利用启发式聚类规则对虚拟阻抗矩阵元素进行节点聚类,可快速实现电网的初始分区。在此基础上,以并行校核时间最短为目标函数对初始分区的边界节点进行迁移,保证了分区结果具有较高的并行计算效率。整个分区方法具有近似线性的时间复杂度,计算速度快。以某省级电网220kV网络为算例,验证了所述方法的正确性和有效性。

基于面翻转三维传感器网络边界节点识别算法

针对三维环境下的传感器网络边界节点识别问题,提出了一种基于面翻转的传感器网络边界节点分布式识别方法。算法在已知三个相邻边界节点的基础上,以三个相邻边界节点构成的三角形的各边为轴,以有限面积的面向网络外侧翻转,扫描到的第一个点为新的边界节点,该节点与翻转轴上的两个节点构建成新三角形,迭代上述过程,最终识别出边界节点,获取边界包络。实验结果表明,与Alpha-shape3D算法相比,所提算法能大大减少冗余边界节点。

基于社区度的边界节点影响力最大化算法

通常跨社区的信息传播更具有现实意义,而且大范围的信息传播往往也是跨社区的。为此提出一种基于社区度的边界节点影响力最大化算法,利用社会网络中的社区结构对社区中与其他社区有连接边的边界点进行研究,从而缩小选择初始节点的范围,降低时间复杂度。同时为更准确地评估边界节点的影响力,综合节点度、节点所直接相连社区数以及相应社区的规模作为社区度来衡量节点在信息传播中的重要性。最后通过实验验证了本算法相比其他算法具有更大的影响传播范围和更低的时间复杂度。

光纤网络信道边界节点实时快速识别方法研究

光纤网络数据传输对通信质量和码元的保真性要求较高,为了提高光纤网络数据传输的准确性,需要对网络信道边界节点实时快速识别,提出一种基于波特间隔信道均衡的光纤网络信道边界节点实时快速识别方法。首先构建光纤网络信道模型,设计光纤网络数据传输信道边界节点识别的总体框图,对网络信道边界节点进行多径特性测量,采用分数间隔采样技术进行码间干扰抑制,然后采用波特间隔信道均衡技术实现信道的边界节点识别。最后进行仿真分析,仿真结果表明,该方法进行光纤网络信道边界节点识别的实时性和准确性较高,误码率较低,网络数据传输的保真性较好。

基于几何方法的分布式无线传感器网络边界节点识别算法研究

针对目前边界节点识别问题中存在的网络节点密度要求高、依赖节点位置信息和识别精度低等问题,通过分析无线传感器网络覆盖空洞的结构特征和影响节点识别精度的关键因素,提出一种基于几何方法的分布式边界节点识别算法,该方法利用无线传感器网络节点的绝对角和二跳邻居连接信息,能够高精度低能耗地识别网络中的边界节点.基于MATLAB的仿真实验结果表明,其平均识别精度高于92%,平均错误识别率低于6%,同时有效降低识别过程节点的能量消耗,能够被较好地应用于无线传感器网络覆盖和覆盖空洞修补领域.

基于边界节点优化无线传感器网络的分簇

基于边界节点对无线传感器网络中常用的分簇协议进行优化,其中边界节点即为处于相邻分簇交界处的节点,通过动态分配边界节点以均衡分簇的节点负载;因为边界节点与簇中心相距较远还要参与均衡负载,因此不会成为簇首,从而能耗较少,利用这一特性提出基于边界节点的多跳路由转发算法。实验表明,本文提出的优化方法可以较好地均衡网络能耗,延长无线传感器网络的生存时间。

基于拓扑的无线传感器网络边界节点检测

为了降低网络节点的通信量,并提高多洞网络边界节点检测速度,在对现有边界节点检测算法进行深入研究的基础上,利用网络的拓扑特性,设计了一种以网络纬度线检测网络边界的规模可扩展算法,引入网络纬度线对网络的边界节点进行检测。实验结果表明,该算法在识别准确率、检测速度、通信量等方面的性能有所提高。

基于边界节点的局部扩展社区发现算法

针对网络中整体信息难以获得,现有局部社区发现算法的稳定性差,预设定阈值难以获得等问题,提出一种基于边界节点的局部扩展社区发现算法(LEAB)。首先选取网络中度数最小的节点,将该节点与其邻居节点中对其吸引力最大的节点合并作为初始社区,利用社区适应度函数确定初始社区的邻接节点的社区归属,然后重复此过程,得到网络的社区划分结果。在人工生成网络和真实网络上进行实验,证明了算法可行性,与其他经典算法相比,本文提出的算法表现出较高的准确性和稳定性。