基于节点连接模式相关性的链接预测方法

作为复杂网络分析中的一个研究热点,链接预测在许多领域中都有重要的应用价值,得到了广泛的关注。使用网络中的已知结构信息来计算未连接的节点对之间的相似性,进而评估其存在链接的可能性是目前最常用的方法。不同网络具有不同的结构特征,节点之间的特征对链接的形成具有重要影响。为了提高链接预测的性能,文中定义了节点的连接模式,并基于节点连接模式的相关性(Correlation of Nodes’Connecting Patterns,CNCP)设计了一个新的链接预测模型。该模型将CNCP与基本相似性指标相结合,通过综合节点的相似性与节点连接模式的相关性进行链接预测。文中将CNCP与CN(Common Neighbors),RA(Resource Allocation),AA(Adamic-Adar)及PA(Preferential Attachment)4个相似性指标相结合,提出了CNCP-CN,CNCP-RA,CNCP-AA和CNCP-PA 4个新的链接预测指标。在6个真实数据集上的实验结果表明,所提方法在AUC和Precision 2个评价标准上的性能优于对比方法。

基于时空影响域地震加权网络的研究

为了研究地震活动的时空复杂性,在时空影响域地震网络的基础上,考虑地震活动之间相互影响程度的差异性,提出了一种地震加权网络的构造方法.使用1984~2014年加州地震数据构造了地震加权网络,研究其基本性质以及网络节点的连接性质来揭示地震活动的内在联系.分析结果表明:地震加权网络的点权分布及边权分布均具有幂律分布特征;网络节点的点权与度关系表明,相对于大地震,中强地震对网络性质的影响也同样较强;研究地震网络的平均近邻度和聚集系数,发现强震地区之间可能更容易发生强连接.研究结果表明,基于时空影响域的地震加权网络可以更好揭示无权网络无法发现的地震系统的内在联系.

顾及梯度和彩色信息的高分辨率影像道路分割

针对高分辨率影像中道路灰度值分布不均,“同谱异物”现象难以用简单阈值分割,以及对不同传感器、不同分辨率影像提取效果不一样等问题,提出了一种顾及空间梯度信息和彩色信息的道路阈值分割方法。利用高分辨率影像的多种特征,将梯度值和灰度值进行联立得到相关性连接因子后进行分割;同时将原始道路影像转换到HSI彩色空间分割出道路灰度一致性的区域,结合梯度值对分割结果进行边界验证;最后将验证结果和相关性连接因子分割结果进行融合,剔除粘连的非道路信息,过滤非道路信息提取出精确道路。采用不同传感器、不同分辨率的影像进行实验,结果表明算法可以较好地解决上述问题且适应性强,通过与现有方法结果对比,验证了所提算法在精度上的优越性。