p-CenterProblem的一个基于中心图合并操作的启发式算法

设计的启发式算法从图的合并操作出发 ,降低了计算复杂度 。

我国国家级实验教学示范中心发展的热点与趋势

国家级实验教学示范中心发展在国家高等教育事业发展和创新型人才培养中发挥着重要作用。为了探明国家级实验教学示范中心发展热点和趋势,该文选取2005—2022年CNKI数据库中以“国家级实验教学示范中心”为主题的期刊论文作为研究对象,并综合运用VOSviewer、CiteSpace等可视化分析软件,对文献特征、发展脉络、热点主题和前沿趋势进行了分析。研究结果发现,实验教学中心的发展经历了建设申报期、全面建设期以及重点建设期3个阶段;形成了4个研究主题,即实验教学中心建设的经验总结和分析,实验教学模式和教学效果的探讨,实验教学中心保障体系研究以及基于创新能力、以能力培养为导向的高校人才培养研究;从发展趋势来看,研究对象正由传统的实体实验室逐渐转向虚拟仿真实验室,并且特别关注“新工科”背景下实验教学中心的建设与发展。通过对国家级实验教学示范中心的研究发展脉络及热点的分析研究,旨在促进高等教育实验教学的高质量发展及创新型人才的自主培养。

基于主题词向量中心点的K-means文本聚类算法

K-means由于其时间复杂度低运行速度快一直是最为流行的聚类算法之一,但是该算法在进行聚类时需要预先给出聚类个数和初始类中心点,其选取得合适与否会直接影响最终聚类效果。该文对初始类中心和迭代类中心的选取进行大量研究,根据决策图进行初始类中心的选择,利用每个类簇的主题词向量替代均值作为迭代类中心。实验表明,该文的初始点选取方法能够准确地选取初始点,且利用主题词向量作为迭代类中心能够很好地避免噪声点和噪声特征的影响,很大程度上地提高了K-means算法的性能。

图模型在智慧校园数据中心的应用

针对智慧校园数据平台中的数据来源不统一、数据质量不高、数据规模较大的问题,引入了图模型的建模方式。虽然主流结构化数据库建模方式的数据管理和操作更加可靠和成熟,可以确保数据的完整性和一致性,但对多样性和复杂性数据查询性能较差。区别于结构化的数据库建模方式,图模型重点聚焦数据间的联系而非数据本身,从而具备能够轻松处理复杂、多层级、非结构化的数据的能力。研究分析两种建模方式在智慧校园数据中心中的应用,并通过实验对比两种方式的查询性能,实验结果表明:与传统关系型建模相比,图模型在数据分类复杂且经常需要多分类连接查询的情况下能够更快地查询和遍历数据,具备更优秀的查询效率,能很好地解决智慧校园数据查询性能较差的问题。

基于知识图谱的高校图书馆未来学习中心研究热点与趋势分析

未来学习中心是教育变革背景下高校图书馆探索的育人新范式,其发展与建设成为学术界研究的热点之一。文章以中国知网(CNKI)数据库为数据源,利用计量可视化软件CiteSpace对我国高校图书馆未来学习中心领域相关文献进行深入分析并绘制知识图谱。研究发现:现阶段我国高校图书馆未来学习中心研究热点主要集中在探索图书馆空间功能重组、个性化与智慧化的学习支持服务以及新一代信息技术与智慧图书馆的深度融合等方面;未来研究应从加强高校图书馆未来学习中心理论研究的深度和广度,深入探讨面向未来的教育模式和方法以及加强跨学科、多元协作等方面展开。

护理学导论课程知识图谱的构建与应用研究

目的构建护理学导论课程知识图谱并进行初步应用。方法针对护理学导论课程知识体系的整合构建问题,借助知识图谱技术,开展护理学导论课程知识图谱设计与构建;并初步应用于2022级298名护理本科生的教学,从知识点学习人均总时长、已完成内容掌握度、课程满意度、理论成绩进行效果评价。结果护理学导论课程知识图谱包括认知与理解护理、护理工作思维与方法、护理相关理论与模式3个主题、8个子主题、90个知识主题,涵盖5种知识关系类别。298名学生知识点人均学习总时长20.8 h,84.9%的学生内容掌握度达标,90.3%的学生对课程知识图谱总体评价为非常满意,88.6%的学生对知识图谱课程内容呈现形式评价为非常满意,79.9%的学生对知识图谱学习方法与形式评价为非常满意。2022级学生课程理论考核成绩高于2020级学生(P<0.05)。结论课程知识图谱是线上线下结合教学模式的强有力支撑,以此开展的线上线下结合式教学有利于打造“以学生为中心”的教学形态,帮助学生构建课程知识体系,优化教学效果。

Almost Self-Centered Graphs

The center of a graph is the set of vertices with minimum eccentricity. Graphs in which all vertices are central are called self-centered graphs. In this paper almost self-centered （ASC） graphs are introduced as the graphs with exactly two non-central vertices. The block structure of these graphs is described and constructions for generating such graphs are proposed. Embeddings of arbitrary graphs into ASC graphs are studied. In particular it is shown that any graph can be embedded into an ASC graph of prescribed radius. Embeddings into ASC graphs of radius two are studied in more detail. ASC index of a graph G is introduced as the smallest number of vertices needed to add to G such that G is an induced subgraph of an ASC graph.

通信计算联合优化的图分割工作流部署方法

为提高计算效率,将复杂的大规模任务分解为简单任务并建模为工作流,交由并行分布式计算集群来完成,已成为云中心处理持续增长的计算和网络任务的重要手段。然而,分布式计算的任务间数据传输所带来的通信带宽占用却容易造成云中心的网络拥塞。如何兼顾计算效率和通信开销,科学地部署工作流意义重大。两类典型的工作流部署算法为基于列表的部署算法和基于分簇的部署算法。然而,前者致力于提高计算效率,未关注工作流中任务之间的通信开销,大规模工作流的部署易带来较重的网络负荷;后者关注通信开销的最小化,但牺牲了工作流中任务的并行计算效率,导致工作流完成时间较长。文中从图论的角度出发,充分挖掘工作流中各任务之间的依赖性和并行性,通过对经典图分割算法进行改进,实现了工作流任务分区过程中通信开销最小化和计算并行性最大化之间的平衡。仿真结果表明,在不同的工作流规模下,所提算法的通信开销比列表部署算法平均减少约35%~50%,工作流完成时间比分簇部署算法平均降低约50%~65%,且对于具有不同通信计算比的工作流均具有良好的稳定性。

车载辅助大颗粒数据低碳西送的资源调度研究

近期我国启动“东数西算”和数据市场计划,推动大颗粒数据端到端跨地域流通,电信网络存在接入瓶颈,难以有效给以支撑,需要探索其他辅助方式。文章提出在风电光伏零碳电源充裕的地区,利用高速公路服务区既有基建设施,构建小型低碳数据中心,借助川流不息的车辆把东部的离线大数据顺捎至途经的高速公路数据中心,同时就近消纳本地零碳电力。文章阐述大数据的车载传送架构,提出业务—车辆—数据中心最优匹配二分图模型,采用匈牙利算法给出求解;最后以北京周边为场景,仿真定量推演所提方案的低碳效益。

基于图卷积神经网络的数据中心冷却模型预测控制优化方法研究

在大型数据中心末端冷却系统中,由于系统复杂、真实系统运行历史数据有限,导致节能优化困难的问题。本文提出了一种基于图卷积神经网络(Graph Convolutional Neural Networks,GCNNs)的数据中心冷却模型预测控制(Model Predictive Control,MPC)优化方法。通过对末端冷却系统中房间级组件(如冷却单元、传感器)之间的空间关系及相互作用进行抽象,建立与之对应的图卷积神经网络模型和末端控制算法。结果表明:该方法在大型数据中心的场景下,与基于比例-积分-微分(Proportional-Integral-Derivative,PID)的传统控制方法相比,末端冷却系统的控制节能效率提升了5%~15%。

基于遗传算法的工步优化排序方法

针对数控加工中心上零件加工工步的排序问题,以辅助加工时间最短为优化目标,使用遗传算法对零件在一次装夹情况下的加工工步进行优化排序。提出了使用特征关系图和特征高度描述待加工特征之间加工的优先顺序、采用工步优先关系矩阵校验工步序列合理性的方法。论述了初始群体的生成、遗传算子以及工步优化排序的过程和算法。实际应用表明,该方法可有效提高工艺规划系统中工步的优化排序能力。

一类最短路径问题蚂蚁算法求解

文章提出了一最短路径问题的蚂蚁求解算法。以集煤站为例,讨论了在一个给定范围内将集煤站建在什么地方才能使总的运输费用达到最低,给出相应的数学模型。蚂蚁算法为近年来新出现的一种随机寻优算法,能够有效地求解该文所出的一类最短路径问题。

基于关联图划分的Kmeans算法

Kmeans是最典型的聚类算法,因其简洁、快速而被广泛使用。针对传统Kmeans算法对初始聚类中心敏感和聚类参数k难以确定的问题,提出了一种基于关联图划分的Kmeans算法。该算法能够有效地根据数据的分布特性选取初始聚类中心,能够在指定的数据密集程度下自适应确定聚类数目。有效性实验表明上述改进的Kmeans算法具有较高的准确率和稳定性。

时空知识中心的研究进展与应用

时空知识是对实体空间位置、形态、分布、关系、运动、变化、趋势等信息进行概括和凝练,形成具有时间和空间特性的知识。时空知识中心是时空知识获取、积累、创造、演化和利用的服务平台或环境。构建时空知识中心是智能化测绘面临的机遇和挑战,相关研究还处在起步探索阶段,尚无可供借鉴的、成熟的建设和服务模式。本文瞄准测绘“两服务,两支撑”的基本定位,借鉴国内外知识中心建设的实践,融入智能化测绘的有关理念,提出时空知识中心概念、内涵、技术框架、主体实现方法及研究进展,指出时空知识中心是现有地理信息中心智能化转型升级的发展方向。

基于图中心和自动阈值的关键帧提取方法

随着因特网的迅猛发展,迫切需要对越来越多的视频信息进行迅速且低成本的管理。而关键帧的使用可以大大减少视频索引的数据量,同时也为查询和检索视频提供了一个组织框架。文章中利用图与视频结构的相似性,将求关键帧的问题转化为求图的P中心问题;同时利用镜头之间的活动度不同,自动选取阈值。实验结果表明提取的关键帧集能够很好地表示镜头的主要内容,且有较低的计算复杂度。

群环Z_nS_3的中心图

记任意环R的中心图为Γ(R),其顶点集为R\Z(R),Γ(R)中两个不同的顶点a、b相连当且仅当a,b∈/Z(R)且ab∈Z(R)或ba∈Z(R),Z(R)是R的中心。本文主要研究了群环ZnS3的中心图Γ(ZnS3)的直径和连通性。

D_(2n)和Q_(4n)的中心图

设G是一个群,用ΓZ(G)表示G的中心图.定义ΓZ(G)的顶点集为群G的元素满足:对G中任意两个不同的元素a,b,若ab∈Z(G),则a,b相连,其中Z(G)为G的中心.主要研究二面体群D2n和广义四元数群Q4n的中心图,完整地得到了这两类群的中心图.

基于图的K-均值聚类法中初始聚类中心选择

聚类分析在信息检索和数据挖掘等领域都有很广泛的应用,K均值聚类算法是一个比较简洁和快速的聚类算法,但是它存在着初始类簇中心须事先设定,而初始类簇中心的选择严重影响聚类的结果;为了改善K均值聚类算法的聚类效果,针对以往K均值聚类算法中采用随机指定初始类簇中心的方法,提出了一种基于图论的连通分支来进行初始类簇中心的选取算法,并用随机样本发生器生成的模拟数据进行测试,通过与常规的随机选取方法的比较,该算法具有更好的性能和健壮性。

矩阵环M_n(R)的中心图

设R是任意环,Z(R)是R的中心,Γ(R)是R的中心图,则其顶点集V(Γ(R))=R\Z(R),且Γ(R)中不同的两个顶点a,b相连当且仅当a,bZ(R)但ab∈Z(R)或ba∈Z(R).若R是交换环且每个R的有限零因子集都有非零零化子,则Γ(Mn(R))是连通的且diam(Γ(Mn(R)))=3.若F是一个有限域且其特征ch(F)≠2,则Γ(Mn(R))有n-12qn∏(1-qi-n)i=12(q-1)n-1+∑r=1ni∏(qi-1)=r+1r(n-r qn-r)2∏(qj-1)j=1个连通分支,且每个连通分支同构于Kq-1,q-1或Kq-1或Γ(Dn(F)),其中q=|F|.

群环Z_nD_4的零因子图

本文完全刻画了群环ZnD4的零因子集合,得到diam(Γ(ZnD4))=2当且仅当n=2t,否则diam(Γ(ZnD4))=3;Γ(ZnD4)为非平面图;gr(Γ(ZnD4))=3等一些结果,并且给出了Γ(ZnD4)的中心。