顶点带属性网络链接预测的参数选择方法

链接预测问题在社会学、人类学、信息科学以及计算机科学等各个领域都受到了广泛的关注.在基于相似度的链接预测的方法中,Katz指标是一种重要的顶点相似度指标.鉴于Katz指标中参数的可选择性,提出了一种基于参数选择的顶点带属性网络的链接预测算法.Katz相似度指标是基于路径相似性链接预测结果评价指标,Katz相似度指标中参数的取值会直接影响到Katz指标预测的结果.由于顶点带属性网络含属性和拓扑双重信息,算法思想是结合顶点属性信息进行参数选择,可以通过调节Katz相似度指标中参数的值,使Katz相似度尽可能和属性相似度靠近,将顶点属性相似度信息融入Katz相似度之中,以期达到属性信息和结构信息的有机融合.实验结果证明了该算法可以得到较高质量的预测结果.

基于空间映射的顶点带属性网络的链接预测

提出了基于空间映射的顶点带属性网络的链接预测算法。顶点带属性网络包含拓扑及顶点属性两种信息,为了综合考虑这两种信息,将二者同时映射到另一空间。完成空间映射后,在新的空间计算顶点的相似度,并以此来预测链接存在的可能性。提出分步交叉迭代的方法来取得最优的映射矩阵,以在新的空间中有效融合拓扑信息与顶点属性信息。实验结果证明了空间映射方法的正确性,所提出的基于空间映射的方法能够取得较高质量的预测结果。

基于隐空间映射的顶点带属性网络的链接预测

对顶点带属性的网络中潜在的链接进行预测,提出一种基于隐空间映射的网络链接预测方法.首先将以邻接矩阵表示的拓扑空间和以属性信息表示的属性空间映射到同一个低维隐空间,使得映射后的隐空间尽量保持顶点间在拓扑空间和属性空间的相似性信息,然后根据顶点在隐空间的向量表达,计算顶点之间的相似度.结果表明,该方法预测精度高且运行时间短.

Web社会网络的粗糙属性图模型及应用

针对Web环境下的社会网络具有信息粗糙性的特征,即Web数据中有大量垃圾内容和垃圾链接,同时很多信息是不完整的、缺失的,且信息有重复现象存在等,在已提出的属性图模型基础上,结合粗糙集理论解决不完备信息的优势,首先提出粗糙顶点属性图和粗糙边属性图,进而给出粗糙属性图的概念,以对Web社会网络结构进行分析,使其能够描述复杂Web社会网络中的不完整信息以及动态变化的链接。其次对粗糙属性图的粗糙特性进行分析,给出粗糙顶点精度、粗糙边精度和粗糙图精度等概念,得出粗糙属性图的精度与顶点和边集属性划分程度有关的结论,即人们对图的认知程度与图的精度密切相关。最后,在中国知网上通过对论文作者进行查询得到粗糙图,并通过不断添加顶点属性,将图顶点划分得越来越精细,挖掘出要查询的作者合作关系图,从而说明粗糙属性图在社会网络分析中符合人们的认知过程。

基于冲突预测的多自动导引小车避碰决策优化

为有效解决路径冲突和避碰问题,提高多自动导引小车(AGV)系统的作业效率,提出基于冲突预测的多AGV避碰决策优化方法。结合图论提出一种基于顶点属性和实时位姿信息的冲突预测方法,在考虑路网全局状态的基础上建立避碰决策的数学评价模型,提出一种适用于多AGV系统避碰决策优化的改进粒子群优化算法,通过优化粒子运动的速度和方向避免优化算法过早收敛。采用融合遗传算法的变异思想为粒子引入变异操作,改善优化算法的全局搜索能力。最后通过实验测试表明,该优化方法可以有效解决多AGV系统路径冲突问题,还能缩短避碰过程中AGV的等待总时长,提高多AGV系统运行的安全性与效率。