针对现有的网络嵌入方法大多只考虑静态网络,应用于动态网络时无法保留时间相关性,以及现有的动态网络嵌入方法仅保留网络的局部结构信息而忽略网络全局结构的问题,考虑到属于同社区的节点在低维空间也应更接近,提出一种动态网络保留社区结构(dynamic network preservation community structure,DynPCS)嵌入方法。设计模型以协同学习网络嵌入和社区检测,将网络的局部和全局特征转化为低维稠密的实数向量,并利用长短期记忆网络学习网络的动态变化,捕获动态网络的演化模式。在4个真实数据集上进行实验,结果表明:所提方法应用于下游社区检测任务时,在归一化互信息和调整兰德系数2个指标上均优于现有的相关方法,能够保留网络社区结构,挖掘网络潜在的隐藏关系。
位于谐振区的雷达目标可由极点特征进行识别,但极点特征的物理意义及其对应的谐振机理并不明确。针对该问题,本文利用一致性几何绕射理论(uniform geometrical theory of diffraction,UTD),研究了曲面绕射的谐振机理,并提出了一种用于...
详细信息
位于谐振区的雷达目标可由极点特征进行识别,但极点特征的物理意义及其对应的谐振机理并不明确。针对该问题,本文利用一致性几何绕射理论(uniform geometrical theory of diffraction,UTD),研究了曲面绕射的谐振机理,并提出了一种用于谐振区含曲面目标识别的极点正向推算方法。首先,用投影递推寻迹算法在目标表面获取爬行波的闭合路径及几何参数;然后,基于UTD给出曲面绕射场表达式,推导出用于预测极点的谐振方程;最后,通过对理想导体球及椭球进行极点预测,与频域仿真提取的极点进行对比,综合误差在5%以内,验证了建模方法的准确性。
暂无评论