云工作流技术在商业智能SaaS中的应用

为构建支持海量数据业务分析的软件即服务平台,提出一种轻量级的云中工作流系统。该系统支持个性化商业智能应用的动态构建和运行,实现了业务分析流程的快速开发和灵活部署,提高了业务分析流程的交互能力和响应时间。租户可以租赁云能力并以工作流程的方式定制一组商业分析应用,进而使用云平台的能力来运行这些应用。详细介绍了基于云的工作流系统的体系结构及应用建模、定制、动态构建和调度方法。通过电信应用实例分析验证了该平台的能力。该平台已在电信运营商中使用,取得了良好的效果。

基于事件的社会网络演化分析框架

提出了一个全新的复杂网络分析框架来跟踪动态网络的演化规律,发现其在演化过程中的时间特性.不同于传统静态时间片的分析方法,整个框架首先利用有效而快速的方法发现网络的timeline,然后利用图近似算法刻画timeline中的平稳演化段落,这样可以有效地降低个体行为的不确定性所带来的网络演化噪声.此外,综合考虑到网络中个体的多维属性,还提出一种高效的社团发现算法,用以发现动态网络中的社团结构.为了对社团进行演化分析,提出了社团演化的评价方法,以发现社团演化过程的动态特征.最后,为了示例该框架的有效性和实用性,整个框架被应用于多个实际的网络数据集,并且揭示了这些网络在演化过程中的时间特性及社团演化模式.

MapReduce环境下的并行复杂网络链路预测

为使链路预测应用于大型复杂网络,设计并实现了一种基于MapReduce计算模型的并行链路预测算法,包含了9种基于局部信息的相似性指标,在稀疏网络上的时间复杂度为O(N).首先,在公共数据集上验证了并行算法的有效性,随着抽取因子的增加,召回率升高而准确率下降.在不同类型的10个大规模复杂网络数据集上的实验结果表明,基于MapReduce计算模型的并行链路预测算法比传统算法具有更高的效率,算法的运行时间随着并行程度的增加而下降.提出并证明了AUC(area under a receiver operating characteristic curve)评价指标的上下界,实验表明,上下界的中值和实际AUC值很接近,并且AUC评价指标侧重于预测分数值是否为0而不是分数值的大小.在网络拓扑性质中,平均聚集系数对AUC值的影响最大,并且AUC值随着网络平均聚集系数的增加而提高.

基于路径匹配的在线分层强化学习方法

如何在线找到正确的子目标是基于option的分层强化学习的关键问题.通过分析学习主体在子目标处的动作,发现了子目标的有效动作受限的特性,进而将寻找子目标的问题转化为寻找路径中最匹配的动作受限状态.针对网格学习环境,提出了单向值方法表示子目标的有效动作受限特性和基于此方法的option自动发现算法.实验表明,基于单向值方法产生的option能够显著加快Q学习算法,也进一步分析了option产生的时机和大小对Q学习算法性能的影响.

一种基于最大熵原理的社交网络用户关系分析模型

在社交网络的演化和发展过程中,用户之间关系的建立受到多种因素的共同作用。该文通过对社交网络中用户属性以及用户关系数据进行分析,旨在发现影响用户关系建立的关键因素。首先,针对用户关系建立的复杂驱动因素,分别从个人兴趣、好友关系、社团驱动3个方面提取影响用户关系建立的因素并定义相应的影响因子函数。其次,针对多种影响因素难以量化以及权值分配不确定等问题,以最大熵原理为基础构建用户关系分析模型,该模型在选择特征时具有不需要依赖于特征之间的关联性等特点,并能够量化各个因素对用户关系建立的驱动强度。从而挖掘影响链接建立的关键因素,分析用户关系发展态势。实验表明,该模型不仅能够量化各因素对链接建立的驱动强度,发现关键影响因素,而且可以对用户关系进行有效预测。

基于时间段的时序规则发现

提出了一个新的基于时间段的频繁闭模式的挖掘算法,采用时间段的概念,利用频繁闭模式的特点,生成相应的时序规则。算法通过使用闭模式的性质进行剪枝优化,不生成冗余的候选序列,降低了时序规则发现的时间与空间复杂度,提高了效率。

科研合作网络的重要作者发现

近年来,使用复杂网络理论对文献的科研合作网进行分析得到了广泛的研究.文章对DBLP数据库中1998年至2007年的作者合作数据构造科研合作网络,并且通过复杂网络的基本统计度量,如度、聚集系数等对网络的总体面貌进行了宏观上的描述.在微观层面,文章提出了高效的重要作者发现算法,能够从作者的合作数量以及合作范围对重要作者进行排名.通过分析科研合作数据作者的影响力,从而为科研人才评价提供参考.

共享经验的多主体强化学习研究

合作多主体强化学习的关键问题在于如何提高强化学习的学习效率。在追捕问题的基础上,该文提出一种共享经验的多主体强化学习方法。通过建立合适的状态空间使猎人共享学习经验,根据追捕问题的对称性压缩状态空间。实验结果表明,共享状态空间能够加快多主体强化学习的过程,状态空间越小,Q学习算法收敛越快。

基于不确定服务质量的Web服务选择算法

针对开放环境中Web服务的动态性和随机性问题,提出了一种基于不确定服务质量的Web服务选择算法。算法中服务质量的不确定性主要用概率区间描述,包括概率区间的置信上界、下界和均值三个指标。通过置信上界、下界与均值的偏差,可以计算出Web服务受动态环境影响的程度。因此,最优组合服务的选择可采用均值的加权和最大以及偏差最小来度量。将动态环境下服务选择问题转化为带不确定QoS约束的单目标组合优化问题,通过基于社团划分思想的遗传算法,加速算法收敛并找出满足最优条件的组合服务。仿真实验表明,该算法能有效克服不确定因素对服务选择的影响,提高服务选择的效率,保证选择的正确性。

再说复杂网络

2008年6月本刊发表了～期复杂网络专辑。那份专辑介绍了一些融合复杂网络理论的科技文献信息处理、分析、展示的技术动态。

基于Spark的并行图数据分析系统

提出了一种基于Spark云计算平台的并行数据分析系统。该系统以大规模图数据分析任务为主,并且支持非图数据分析的应用,集成数据分析算法集与非图数据分析算法集。详细阐述了该系统的架构设计,工作流引擎和动态组件更新技术以及部分并行数据分析算法的设计与实现。通过对多种规模的数据集进行性能测试,以及与传统的Map Reduce平台进行性能对比,证明了该系统相对于以往的图数据挖掘系统可以更高效地完成计算任务,而且也可以有效进行非图数据分析。

基于径向基函数神经网络的热轧产品性能预测

针对热连轧带钢生产过程中钢材内部一系列复杂的相变与物理变化以及涉及到的海量数据,可利用数据挖掘基本方法建立模型,提取规则,实现热连轧带钢生产的性能预测与评价功能。本文使用径向基函数神经网络建立模型,实现热轧产品性能预测。径向基函数神经网络在逼近能力、学习速度等方面都优于传统BP神经网络,本文将根据二者网络结构说明径向基函数神经网络的优越性。

基于MSP430的光万用表设计与实现

针对国内市场上的光万用表多数与国外有较大的差距,或功耗过高或测量不够精确,而文献也多是研究独立的光功率计或红外光源系统的现状,设计了一款手持式光万用表系统。给出了关键模块的原理图、软件流程图以及数据处理算法,并对系统实现进行了较为详细的描述。该仪表以超低功耗微处理MSP430为控制核心,集成光功率计和红外光源模块,并具有USB通信接口。测试结果表明,其光功率计模块性能优异、功耗极低,其红外光源稳定,具有很高的使用价值。

基于MapReduce的二分图社团发现

社团发现是复杂网络领域的一个重要的研究手段。随着网络数据规模的不断增大,现有算法难以适应较大的数据规模。针对这种情况,提出一种基于MapReduce的二分图社团发现算法。提出的算法可以分为两个阶段,第一个阶段将一个二分图映射为一个同质加权网络。第二个阶段利用并行化的标签传播算法来检测映射后的网络中的社团结构。在人工数据集和现实数据集中进行实验,并将提出的算法与现有的算法进行对比。实验结果表明,所提出的算法能在部分人工网络以及现实数据集中取得很好的效果,并且在算法效率上,比现有算法有很大的提高。

基于DBLP数据的多维异质网络Graph OLAP设计与实现

为了分析DBLP数据中的多种类型的实体信息,挖掘其中特定的知识,首先根据异质网络Graph OLAP(图联机分析处理)模型,建立相应的数据仓库模型;然后依据实体维的概念,构建多维异质图立方模型;最后针对Graph OLAP处理异质网络能力不足的问题,补充了旋转和拉伸操作,并完善了Graph OLAP原型系统Liter Miner。实证表明设计的原型系统可以有效地对DBLP数据中的多维异质网络进行分析,挖掘出研究人员需要的知识。

一种基于社团划分的小生境遗传算法

提出一种相似性算子,并根据该算子建立超级个体之间的关系网,运用社团划分算法将该关系网划分成小生境;提出收敛算子,运用该算子判断种群的进化程度,以决定是否进行生境划分.根据生境中维持的共有模式,采用多位变异策略,有效维护生境中个体的多样性,避免早熟收敛.从理论上证明了该算法的收敛性.实验结果表明,该方法具有良好的收敛速度和全局搜索能力,其综合性能优于确定性排挤遗传算法,有利于并行实现.

支持区间型QoS的Web服务选择

针对开放环境中web服务的动态性和随机性问题,提出支持区间型服务质量(QoS)的web服务选择算法.算法中QoS的不确定性用带概率分布的区间数来描述,通过QoS的抽样数据,可计算出区间上的概率密度.比较各web服务在QoS置信区间上的概率密度,有助于准确描述QoS受环境影响的程度.结合这种比较方式以及组合服务的区间型QoS模型,设计出一种有区间型QoS保障的组合服务算法.仿真实验表明,区间型QoS服务选择有利于减少动态环境对选择排序的影响,提高服务选择的准确性.

从众效应下的网络舆论演化

针对传统舆论演化动力学研究忽略个体决策内驱力的问题,将有限信任模型与社会心理学从众效应理论相结合,建立依从、趋同和内化3种个体状态及状态转移策略,提出了基于期望牵引力和信任邻居群的动态决策演化模型.实验结果表明:在从众效应和期望牵引力共同影响下,观点出现收敛和分化,并存在小幅震荡;依从节点不会在演化稳定后消亡,而是保持低密度存在;与传统有限信任模型相比,进一步刻画社会网络中群体舆论演进和个体交互的行为特征,揭示了群体层面观点演化内在规律.

一种基于ANTLR的面向Scratch3.0的特征提取和检测系统

Scratch是一种适合少年儿童使用的可视化编程语言,并在全球的编程教育领域中受到广泛地关注.由于目前各大教育编程平台都开始使用Scratch3.0版本,而已有的特征提取和检测系统并不支持新版本,为此,提出了一种基于链表数据结构和一种语言识别工具(ANTLR)的面向Scratch3.0的特征提取和检测系统.实验结果表明,该系统可以有效地从项目中提取编程特征,并为学生和教师提供反馈,其检测性能和检测稳定性比Scratch2.0均有所提升.