微博用户特征量增长规律研究

根据抓取到的新浪微博实际用户数据,分析了粉丝数、关注数和微博数3个特征量的增长模式,发现这3个特征量整体上都随时间线性增长,取整后的增长率服从幂律分布.用户特征量增长模式主要呈持续增长和爆发式增长,其中爆发式增长用户按增长的不同阶段又可以划分为前期、中期、后期和阶跃式4种增长模式.使用基于向量余弦距离相似性的K-means聚类算法,对不同排序和不同初始规模实际用户特征量的时间序列进行聚类分析,统计得到不同增长模式的用户数量.发现用户特征量中增速高的用户增长主要以爆发式增长为主,而规模高的用户增长以持续式增长为主.通过对用户粉丝数爆发式增长的过程分析,对比用户微博被转发和被评论二者的增长关系,提出了导致用户粉丝数爆发式增长的原因.

一种无线传感器网络最小级联移动修复方法

针对复杂应用场景中无线传感器网络节点失效导致的连通性故障问题,提出了一种最小级联移动的修复方法.当网络中某节点发生失效时,通过割点检测算法判断该失效节点是否对网络连通性造成影响.若该失效节点为割点,则认为该节点对网络连通性影响较大,需要对网络进行修复.该失效节点的邻居节点间距离若小于等于节点通信半径,通过邻居节点间直接建立通信链路的方式对网络进行修复.该失效节点的邻居节点间距离若大于节点通信半径,利用节点度与节点间欧式距离选举最佳候选节点,通过通信半径与邻居节点位置计算其待移动位置,最佳候选节点移动到位置后与其他邻居节点建立通信链路.实验结果表明,该方法能够有效对节点失效后的网络进行修复.该方法在修复过程中减少了修复节点的移动距离,降低了修复节点的能量损耗,延长了网络寿命.

基于多簇头K连通的抗毁拓扑构建方法

针对无线传感器网络复杂应用环境中簇头节点失效问题,提出一种改进的多簇头K连通抗毁拓扑结构构建方法。通过节点连通可靠度选举多个簇头,当簇头节点失效时,临时簇头集合中权值最大的节点自动升级成为簇头,同时利用K连通检测算法检测出关键节点并调整其发射功率实现K连通拓扑构建。该方法节约了簇头节点失效后网络重新进行簇头选举所耗费的时间及能量,并且增加了关键节点与周围节点之间的信息交互边。仿真结果表明:相比基于K-Means算法的普通分簇拓扑构建方法,该方法可使网络丢包率降低15.63%,端到端时延降低20.1%,提高了网络的抗毁性。