检索结果-内蒙古大学图书馆

计算机工程 2021年第8期47卷 84-92页

作者：刘迪洋张震张进解放军战略支援部队信息工程大学信息技术研究所郑州450000 网络通信与安全紫金山实验室南京210000

为在复杂网络鲁棒性优化过程中尽可能保留网络初始社区结构,分析重连边策略对网络社区结构的影响,提出一种结合社区结构的复杂网络鲁棒性优化策略。采用Louvain算法确定复杂网络社区结构,利用模拟退火算法提升复杂网络中单个社区的内部... 详细信息

为在复杂网络鲁棒性优化过程中尽可能保留网络初始社区结构,分析重连边策略对网络社区结构的影响,提出一种结合社区结构的复杂网络鲁棒性优化策略。采用Louvain算法确定复杂网络社区结构,利用模拟退火算法提升复杂网络中单个社区的内部鲁棒性,使用改进的智能重连边策略(Smart Rewiring)提升社区间的连接鲁棒性,并通过标准化互信息指标评价鲁棒性优化过程中社区结构的保留程度。在BA、WS和WU-PowerGrid网络中的实验结果表明,与Smart Rewiring和MA策略相比,该策略能在提升网络鲁棒性的同时尽可能保留网络初始社区结构。

关键词：复杂网络社区结构鲁棒性优化模拟退火算法标准互信息

来源：评论

学校读者我要写书评

暂无评论

基于改进关联分析的行业短期电力负荷预测

引用

浙江电力 2023年第11期42卷 29-38页

作者：虞殷树陈东海朱耿贺旭白文博国网浙江省电力有限公司宁波供电公司浙江宁波315000 宁波市电力设计院有限公司浙江宁波315000

行业短期电力负荷的准确预测对于地区电网的安全经济运行具有重要意义。为此,提出一种基于关联分析和卷积神经网络的行业短期电力负荷预测模型。首先,对k-means聚类算法进行优化,并对行业负荷和外部影响因素的原始数据进行聚类处理,以... 详细信息

行业短期电力负荷的准确预测对于地区电网的安全经济运行具有重要意义。为此,提出一种基于关联分析和卷积神经网络的行业短期电力负荷预测模型。首先,对k-means聚类算法进行优化,并对行业负荷和外部影响因素的原始数据进行聚类处理,以改善后续关联分析的准确性;然后,提出一种基于标准互信息的改进关联分析方法,对各种外部影响因素和行业负荷的关联性进行定量分析;最后,基于卷积神经网络设计一种计及外部影响因素关联性的负荷预测网络,网络在经过训练后可用于行业短期电力负荷的预测。对照实验结果表明,所提模型在各行业的短期电力负荷预测中都具有更好的准确性和稳定性。

关键词：负荷预测关联分析标准互信息 k-means聚类卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

云计算环境下关联节点的异常判断

引用

计算机科学 2021年第1期48卷 295-300页

作者：雷阳姜瑛云南省计算机技术应用重点实验室昆明650500 昆明理工大学信息工程与自动化学院昆明650500

当前,越来越多的用户选择将服务部署到云计算环境中。然而,云计算服务的多样性以及部署环境的动态性,会导致云计算节点出现异常。传统的节点异常检测方法只针对异常的单一节点,忽略了异常节点对关联节点的影响,从而造成异常传播和关联... 详细信息

当前,越来越多的用户选择将服务部署到云计算环境中。然而,云计算服务的多样性以及部署环境的动态性,会导致云计算节点出现异常。传统的节点异常检测方法只针对异常的单一节点,忽略了异常节点对关联节点的影响,从而造成异常传播和关联节点失效等问题。文中提出了一种云计算环境下关联节点的异常判断方法。首先,将Agent部署在各节点上,并通过Agent以特定时间间隔采集节点运行数据,根据节点之间的关联关系建立节点关系图;其次,使用运行数据训练异常检测模型,计算运行数据的权值和综合评分,通过基于滑动时间窗口的方法判断单一节点是否出现异常;最后,在单一节点出现异常的情况下,使用基于标准互信息的方法找出受异常节点影响的其他关联节点。在搭建的云计算平台上,通过模拟各类异常情况,并观察注入异常下节点的状态,验证了文中单一节点异常判断方法和关联节点判断方法的有效性。实验结果表明,该方法在判断单一节点异常的正确率和特异度时都优于其他方法,且在多节点结构下可以准确找到关联的异常节点,具有较高的准确率和稳定性。

关键词：云计算环境单一节点关联节点异常判断标准互信息

来源：评论

学校读者我要写书评

暂无评论

基于文本变量的新闻点击预测分析

基于文本变量的新闻点击预测分析

引用

作者：杜芳池北京工业大学

学位级别：硕士

互联网的发展伴随着信息超载问题。为解决信息超载问题,很多领域开始打造属于自己的个性化推荐系统,以方便用户高效获取信息,优化平台的用户体验。如新闻资讯平台,往往会基于包括用户历史行为在内的用户属性和新闻属性建立推荐系统:在... 详细信息

互联网的发展伴随着信息超载问题。为解决信息超载问题,很多领域开始打造属于自己的个性化推荐系统,以方便用户高效获取信息,优化平台的用户体验。如新闻资讯平台,往往会基于包括用户历史行为在内的用户属性和新闻属性建立推荐系统:在用户阅读新闻资讯的过程中,为用户推荐用户真正感兴趣的阅读内容,大大减少用户浪费在翻阅新闻上的时间和精力,以高效便捷的新闻阅读体验为新闻资讯平台带来更多忠实的用户群体。对于推荐系统,推荐点击率是评价其优劣的一个重要指标。本文主要考虑基于文本变量的新闻点击预测问题。针对某新闻资讯类App,首先定义三个用户历史阅读新闻标签变量,通过对这三个变量的关联分析,得到数据中包含的用户感兴趣的新闻类型以及用户的新闻阅读行为习惯。接着通过标准互信息的方法研究曝光新闻是否被点击阅读的影响因素,并基于标准互信息分析结果和关联分析结果提出两种刻画用户历史行为与当前推荐之间关系的变量,包括由用户历史阅读新闻标签变量与曝光新闻标签变量生成的组合变量和由关联规则生成的交互效果变量。最后使用因子分解机(Factorization Machine,FM)模型建立不同变量组合的曝光新闻点击预测模型,选取三个模型评价指标:Accuracy、Precision和AUC对模型进行评价,并通过最终模型分析影响用户点击阅读曝光新闻的主要因素。本文研究发现:(1)用户感兴趣的新闻类型主要包括娱乐、社会、情感、军事、体育、搞笑、国际、历史、宠物等,其中娱乐新闻是最受欢迎的新闻类型。(2)用户倾向于阅读不同类型的新闻内容,仅单独阅读某一类新闻的用户占极少数。(3)在众多曝光新闻类型中,政策类新闻点击率较低;数码类新闻点击率较高。(4)在众多因素中,用户阅读历史和当前曝光新闻类型对预测用户是否点击阅读曝光新闻的贡献最大。(5)结合用户的阅读历史和当前曝光新闻属性,可以提高预测用户是否点击阅读曝光新闻的精度,如用户在过去是否阅读过当前推荐的新闻类型、根据用户最近一次阅读历史得到的其阅读当前曝光新闻类型的可能性大小等。

关键词：推荐系统文本变量 FM模型关联分析标准互信息

来源：评论

学校读者我要写书评

暂无评论

面向节点更新机制的标签传播算法的优化与应用

面向节点更新机制的标签传播算法的优化与应用

引用

作者：刘一丁中央财经大学

学位级别：硕士

复杂网络存在于现实生活中的方方面面,例如合作作者网络、社交网络、俱乐部网络等。复杂网络存在一个重要性质,那就是它的社区结构,研究人员可以通过在复杂网络中挖掘其社区结构来加深对复杂网络功能和拓扑结构的理解,社区发现应运而生... 详细信息

复杂网络存在于现实生活中的方方面面,例如合作作者网络、社交网络、俱乐部网络等。复杂网络存在一个重要性质,那就是它的社区结构,研究人员可以通过在复杂网络中挖掘其社区结构来加深对复杂网络功能和拓扑结构的理解,社区发现应运而生。社区发现可以用在很多领域,如市场营销、生物学、医学、计算机科学等等,这也吸引了大批研究人员提出自己的社区发现算法。社区发现在实际生活中也有重要应用,例如对微博、小红书、豆瓣等社交网络进行社区发现,可以根据社区发现的结果对用户做个性化推荐或精准营销;对蛋白质交互网络做社区发现,可以帮助预测未知蛋白质的作用;对计算机科学领域的论文作者网络做社区发现,可以结合关键词判断某一领域都有哪些专家学者,等等。目前社区发现算法可以依据使用信息的类型分为两大类:全局社区发现算法和局部社区发现算法。全局社区发现算法是最早出现的社区发现算法,但是这类算法需要预先知道复杂网络的全局信息,这在实际应用中有一定难度,所以出现了局部社区发现算法。标签传播算法(Label Propagation Algorithm,LPA)就是局部社区发现算法中最常见的一种,它的优点是线性复杂度和操作简便,在大型复杂网络中表现良好,但是节点更新顺序和标签选取时存在随机性,导致社区划分结果稳定性差,可能出现标签震荡、怪物社区等问题。针对标签传播算法节点更新的随机性导致的怪物社区问题和标签选取的随机性导致的标签震荡问题,本文提出了一种结合节点重要性和节点相似性的标签综合影响力指标Combined Influence Index(简称CII),并在这一指标的基础上提出了一种基于节点重要性和节点相似性的标签传播算法Importance and Similarity-based Label Propagation Algorithm(简称ISLPA)。该算法首先以半局部中心性(Semi Local Centrality,SLC)作为节点重要性衡量指标对复杂网络中的节点排序,选取SLC高于均值的节点放入种子节点集,并为种子节点初始化唯一的标签。对复杂网络中的节点按SLC降序更新,在更新节点标签的迭代过程中,从邻居节点的所有标签中选取CII最大的标签更新节点。如果在一次迭代中不再改变任意网络中的节点或者达到最大迭代次数,则迭代过程停止。迭代停止后,根据节点标签对复杂网络进行社区划分,标签相同的节点属于同一个社区。随后,本文基于Spark实现了ISLPA算法的并行化。通过在LFR人工基准网络和真实网络上与LPA、SLPA和NIBLPA算法做实验对比分析,本文提出的ISLPA算法解决了标签传播算法存在的稳定性问题,标准互信息(NMI)比传统的标签传播算法LPA提高了近一半,比改进算法SLPA提高约17%,比同样使用节点重要性和节点相似性的标签传播算法NIBLPA提高了约10%;模块度比LPA和SLPA提高了约20%,比NIBLPA高了大约9%。本文实现的并行化ISLPA在不降低ISLPA算法的划分质量的同时,将运行时间减少约一半;与同样基于Spark实现并行化的标签传播算法PLDLS相比,并行化ISLPA在十万级别的大规模网络的表现更好,社区划分效果的模块度提高了10%左右,运行时间减少了约20%。特别地,本文在验证了算法的有效性后,将并行化ISLPA算法应用到大规模真实复杂网络微博中,同样取得了不错的效果,社区划分的模块度是LPA算法的3.3倍,是NIBLPA算法的3.6倍,是PLDLS算法的2.1倍,运行时间也比非并行化的LPA和NIBLPA减少约一半。

关键词：社区发现标签传播节点重要性节点相似性 Spark 标准互信息模块度

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：