基于结构相似度的大规模社交网络聚类算法

针对社交网络的有向交互性和大规模特性,该文提出一种基于结构相似度的有向网络聚类算法(Dir SCAN),以及相应的分布式并行算法(PDir SCAN)。考虑社交网络中节点间的有向交互性,将行为结构相似的节点聚集起来,并进行节点功能分析。针对社交网络规模巨大的特点,提出Map Reduce框架下的分布式并行聚类算法,在确保聚类结果一致的前提下,提高处理性能。大量真实数据集上的实验结果表明,Dir SCAN比无向网络聚类算法(SCAN)在F1上可提高2.34%的性能,并行算法PDir SCAN比Dir SCAN运行速度提升1.67倍,能够有效处理大规模的有向网络聚类问题。

一种代表点的近似折半层次聚类算法

针对传统的代表点聚类算法对收缩因子的敏感性和聚类数不适应数据的动态变化等问题,综合研究凝聚型层次聚类问题,提出一种代表点的近似折半层次聚类算法——ABHCURE(Approximate Binary Hierarchical Clustering Using Representatives),有效地解决了离群数据点对聚类结果的影响和聚类数的难确定问题.首先,提出单层多簇合并模式来提高算法的执行效率.其次,为了避免选择离群数据成为簇的代表点破坏原始数据分布,引入准噪声机制收集各层的准噪声数据增强算法的鲁棒性.最后,通过动态最小聚类数确定方式实现聚类数需求和确定难度的折衷.实验结果表明,该算法不仅运行时间相对较短,具有灵活的聚类数,还可以得到更高精确的聚类结果.

面向拥堵问题的枢纽航线网络优化模型

为解决枢纽机场客流拥堵问题,提高机场运行效率,减少运营成本,提出了一种面向拥堵问题的枢纽航线网络优化模型。该模型基于非严格枢纽航线网络结构,以不同运输方式的费用和流量为约束条件,以枢纽航线网络成本最低为目标,设计了能够减少求解运算的复杂变量表示方法,以及减少陷入局部最优解概率的模拟退火粒子群优化(simulated annealing particle swarm optimization,SAPSO)算法。实验结果表明,相较于严格的枢纽航线网络,所提优化模型能够显著地缓解枢纽机场的拥堵,均衡枢纽机场间客流量,减少网络成本;同时,所提算法具有较快的收敛速度和良好的稳定性。

考虑节点失效和边失效的航空网络鲁棒性

运用复杂网络方法,构建无向加权航空网络模型,在分析其拓扑结构特性的基础上,提出一种考虑节点失效和边失效的航空网络鲁棒性评价策略,评估在不同攻击策略下网络的鲁棒性.研究结果表明,中国航空网络可以归类为小世界网络,且度分布近似幂率分布,符合复杂网络基本特征.当网络中大部分节点(机场)或边(航线)随机失效时,中国航空网络仍可以保持连接,具有较强的鲁棒性,而在蓄意攻击下,少数节点或边失效就会导致网络迅速瘫痪,鲁棒性较弱,且加权节点介数和加权边介数攻击对网络的破坏力较强.

基于深度学习的行人重识别研究综述

随着深度学习的发展,研究人员开始探索将深度学习应用于行人重识别任务并提出了大量方法,随之也迎来了新的挑战。为系统地了解这一领域的研究现状和发展趋势,首先对行人重识别任务以及存在的问题进行简单介绍;其次,根据训练方式的不同,分别探讨监督学习、半监督学习/弱监督学习以及无监督学习上行人重识别任务的研究进展,并根据现有研究热度介绍生成对抗网络和注意力机制在行人重识别上的应用;之后,列举了该领域中常用的经典数据集,并对比了深度模型在这些经典数据集(Market-1501、CUHK03等)上的表现;最后,对行人重识别领域的未来方向进行了展望。

基于禁忌搜索算法的机场外航服务人员班型生成研究

针对机场外航服务人员班型生成面临的任务量大,约束条件复杂,人工生成班型方案困难等问题背景,考虑员工对任务具有层次资质,班型的各类劳动法规等约束条件,以最小化班型方案总工作时间为优化目标,研究构建了面向多任务层次资质场景下的班型生成优化模型,并设计禁忌搜索算法进行求解。在首都机场外航服务部实际排班数据集上进行实验,验证了模型和算法的实用性和有效性,实验结果表明,求得的班型方案相比较现有人工生成的班型方案,能满足所有约束条件且总工作时间更短,总服务人数更少,提高了机场资源利用率。

面向空铁联运的枢纽航线网络优化模型

为减缓枢纽机场的客流量拥堵问题,减少机场运营成本,设计面向空铁联运的枢纽航线网络优化模型。在枢纽航线网络基础上,引入高铁线路建立优化模型;设计高维多角标变量表示方法和禁忌搜索算法的求解方法,减少算法的计算负担,科学规划线路客流量和运输方式。实验结果表明,与严格和非严格的枢纽航线网络相比,该优化模型可以较好减缓枢纽机场的拥堵,降低枢纽机场的负荷率,减少网络成本。该模型求解算法具有收敛速度快且解分布稳定的特点。

融合机场属性和机场网络的机场群同质化级联分析

机场群同质化研究可以为机场群航线布局及协同运行提供重要决策依据.针对现有机场群同质化研究存在指标、分析层面单一,网络布局欠缺等问题,综合考虑机场保障能力、业务水平及通航情况,提出了机场群同质化分析多层多维指标,建模分析机场群同质化程度.结合指标特点,分别提出基于机场属性分析的同质化计算方法和基于机场网络表示学习的同质化计算方法.在此基础上,融合机场属性和机场网络,提出了同质化级联分析方法.在京津冀机场群相关数据集上的实验结果表明:所提同质化分析指标和级联分析方法合理有效,能表征机场群的同质化程度.

基于深度学习的人群异常行为检测综述

随着安防需求的日益增长,人群异常行为检测已经成为计算机视觉的研究热点。人群异常行为检测旨在对监控视频中行人的行为进行建模和分析,区分出人群中的正常行为和异常行为,及时发现灾难和意外事件。文中对基于深度学习的人群异常行为检测算法进行了梳理总结。首先,针对人群异常行为检测任务及其现状进行介绍;其次,重点探讨卷积神经网络、自编码网络和生成对抗网络在人群异常行为检测任务中的研究进展;然后,列举该领域常用的数据集,并比较和分析了深度学习方法在UCSD行人数据集上的性能;最后,总结人群异常行为检测的任务难点,并对该领域的未来发展趋势进行了展望。

基于旅客出行意图的航线潜在价值计算模型

传统的航线价值计算通常以统计客流量为主,忽略了旅客偏好对航线潜在价值的影响,因此,本文提出了一种基于旅客出行意图的航线潜在价值计算模型.该模型利用最大似然估计法对旅客舱位偏好进行量化,然后引入出行意图的概念将旅客出行行为进行细分,并利用Gibbs Sampling方法实现出行意图的求解,最终达到航线潜在价值计算的目的.在中国民航旅客订票数据集上的实验表明,本文方法获得的2010年航线价值序列与2011年航线价值序列的相似度要明显高于统计客流量的方法,且对排名前5的高价值航线的挖掘准确率可达100%.

基于Block Gibbs的航空公司外航服务人员排班算法

航空公司外航服务人员排班旨在优化员工排班方案以满足外航航班的人员资质需求,并最小化员工总工作时长和兼顾工作时间均衡,其本质是一个面向多任务类型、员工层次资质、白夜班轮换等约束的人员排班问题。现有算法未考虑白夜班轮换强制性约束,制约了它们的应用。为此,该文提出基于Block Gibbs的航空公司外航服务人员排班算法。算法首先设计了数据拷贝技巧以快速建模具有白夜晚班约束的排班问题,然后提出基于Block Gibbs的多员工有放回抽样优化策略。理论分析表明该文算法与基准算法具有同规模的计算复杂度,但却具有更高的抽样效率以加大可行解生成规模和求解速度。与此同时,在国内某大型航空公司外航服务部排班数据集上的实验表明:相比于基准算法,算法在工作总时长、有效工作时长、有效工作时长比例等指标上提升至少0.62%。

基于旅客-航班异构网络的旅客同行子图抽取

由于旅客-航班异构网络仅有高度稀疏的民航旅客同行记录,现有子图抽取方法难以从旅客-航班异构网络中获得旅客同行子图。对此提出基于旅客-航班异构网络的旅客同行子图抽取算法。将旅客-航班异构网络转换为旅客-旅客同构网络,通过随机游走方法得到旅客间的潜在同行关系,使用标签传播算法进行子图抽取。在国内某航空公司的旅客订票数据集上的实验表明,相比于LPA、COPRA、CPM等基准算法,该算法在模块度和标准化互信息上具有更好效果。

Scheduling Check-in Staff with Hierarchical Skills and Weekly Rotation Shifts

The paper aims to schedule check-in staff with hierarchical skills as well as day and night shifts in weekly rotation.That shift ensures staff work at day in a week and at night for the next week.The existing approaches do not deal with the shift constraint.To address this,the proposed algorithm firstly guarantees the day and night shifts by designing a data copy tactic,and then introduces two algorithms to generate staff assignment in a polynomial time.The first algorithm is to yield an initial solution efficiently,whereas the second incrementally updates that solution to cut off working hours.The key idea of the two algorithms is to utilize a block Gibbs sampling with replacement to simultaneously exchange multiple staff assignment.Experimental results indicate that the proposed algorithm reduces at least 15.6 total working hours than the baselines.

机场协同决策研究综述

本文综述了国内外机场及研究机构关于机场协同决策的发展现状,并对现有平台进行归类,进一步指出各平台提出的背景及核心功能,最后指出人工智能将是机场协同决策的后续研究方向。