基于谱图理论的流形学习算法

流形学习的主要目标是发现嵌入在高维数据空间的低维光滑流形．近年来基于谱图理论的学习算法受到研究者的广泛关注．介绍了流形与流形学习的关系，着重研究了几种有代表性的基于谱图理论的流形学习算法，并对算法进行了比较分析，最后进行总结和对进一步的研究做了展望．     

基于局部随机游走的超像素分割方法

针对基于图论的超像素分割方法缺乏超像素紧凑性控制和运算复杂度过高的问题，提出了一种基于局部懒惰随机游走（LLRW）的超像素分割方法，并将超像素分割形式化为像素邻接图的局部划分问题，提出了一种直观的分割质量度量。该方法首先将均匀平铺的六边形重心作为超像素种子点初始位置；然后利用局部随机游走算法计算种子点与周围像素的相关程度，将其最相关种子点的标号赋予该像素；最后计算新的超像素重心，并将其作为下一轮迭代的种子点位置，通过若干次迭代逐步优化超像素分割结果。此算法具有线性的时间复杂度和线性的空间复杂度，同时超像素分割质量具有理论保证。通过标准数据集上的实验证明，该方法不仅能够较好地保持图像边界，还可以保证超像素的紧凑性，从而达到理想的超像素分割效果。     

未建模系统基于观测值的实时分块Kalman滤波估计方法研究

 本文以一类具有周期随机变化特点的随机过程为对象,在仅有测量模型的情况下研究估计方法的设计问题.首先,通过离散化方法建立点采样的离散输出方程、分块形式的输出方程以及描述点采样与被估状态块向量之间关系的输出方程;其次,利用待估变量具有的周期性随机游走特性,建立对应的状态模型;再者,利用扩展强跟踪滤波算法,分别得到了实时点估计滤波器、半实时块估计滤波器和实时块估计滤波器等三种未建模系统随机变量基于输出测量值的估计方法;最后,利用计算机仿真对三种滤波器的性能进行了比较分析.     

光功率稳定性对光纤陀螺性能的影响研究

首先通过对数字闭环光纤陀螺的原理分析,推导出了光纤陀螺输入输出的关系式,结合随机游走系数的表达式,指出光功率稳定性的两种影响方式,一是引入白噪声,二是改变控制参数.然后建立了光纤陀螺控制模型,研究了光功率衰减与波动对系统调节时间和控制噪声的影响,同时针对光功率衰减对随机游走系数的影响,提出了动态调整最佳调制深度的优化方法.研究结果和优化控制方案对于高精度光纤陀螺的精度保持具有重要的实际意义.     

基于随机游走的语义重叠社区发现算法

语义社会网络是由信息节点及社会关系构成的一类新型复杂网络,因此语义社会网络重叠社区发现是传统社区发现研究的新方向.针对这一问题,提出基于随机游走的语义社会网络重叠社区发现算法,该算法首先以LDA(latent Dirichlet allocation)算法为基础建立语义空间,实现节点语义信息到语义空间的量化映射;其次,以语义空间中节点信息熵作为节点语义信息比重,以节点的度分布比率作为节点关系比重,建立节点语义影响力模型及语义社会网络的加权邻接矩阵;再次,以语义影响力模型和加权邻接矩阵为参数,提出一种改进的语义社会网络重叠社区发现的随机游走策略,并提出可度量语义社区发现结果的语义模块度模型;最后,通过实验分析,验证了所提出的算法及语义模块度模型的有效性和可行性.     

基于时间点击图挖掘的查询建议方法

采用查询建议技术表现用户查询意图的多样化，并自动向用户提供多种选择，是当前搜索引擎普遍的做法。但当前的查询建议研究鲜有考虑时间因素对生成查询建议的影响，而实际上在很多情况下，用户的查询意图会随着时间的推移发生改变。为此，根据时间点击图挖掘原理提出一种查询建议方法。对原始的查询日志文件进行预处理，生成时间点击图。对时间点击图进行非连通子图检测和图的合并操作，以降低或消除图的非连通性。采用基于随机游走模型的图挖掘算法，生成给定查询的查询建议集。在真实的Web环境下进行实验，结果表明，利用该方法能够提高查询建议的精度和差异度，从而生成更加可靠的查询建议。     

一种基于随机游走算法的复杂网络生成

为了更好地研究复杂网络结构,采用随机游走算法实现复杂网络的生成。该算法采用扩散策略实现网络生成,根据活跃标签标注下一次抽取与前一次抽取的联系,除第一个节点之外的所有网络节点的加入均由网络节点属性决定,以最大转移概率为准则来实现下一个节点的选择,有效避免局部陷入与遍历不全的不足。实验证明,相比于传统的复杂网络生成方法,该算法能更好地反映复杂网络的原始网络结构,网络连通性好,度分布和聚类系数与原始网络更相似,网络层次性更强。     

基于用户兴趣度的改进二部图随机游走推荐方法

传统的二部图随机游走算法主要采用基于共同项目的相似度计算，并且项目之间、用户之间的影响程度是对称的，这种对称信息不能体现用户兴趣，推荐精度不高。为了提高推荐准确性，提出一种基于用户兴趣度的二部图随机游走方法。采用共同项目和用户打分项目数量的共同性质体现用户兴趣度，分析信息的不对称性，并在二部图中随机游走。实验表明，基于用户兴趣度的二部图随机游走算法提高了预测准确率和命中率。     

基于随机游走的大规模图中节点对采样算法

社会网络中的节点对采样可用于大规模社会网络的好友预测和用户兴趣识别.当整个网络的拓扑结构不完全或者随机选择用户的代价很高时,传统的均匀顶点采样方法的性能迅速下降.为此,提出了一种基于随机游走的大规模图中节点对采样算法.首先对社会网络的节点对采样进行了系统分析,对不同跳数下的节点对进行了定义;然后将社会网络转换成等价的网络图.新图中的顶点是原图中的边,新图中边的两个顶点是原图中含有相同顶点的两条边.最后,在新图上应用随机游走模型对节点对进行采样.实验结果表明,提出的方法统计误差小、执行效率高,性能明显优于均匀节点采样的相关算法.     

基于双重索引矩阵的蛋白质功能预测

针对单一数据源预测蛋白质功能效果不佳以及蛋白质相互作用网络信息不完全等问题,提出一种多数据源融合和基于双重索引矩阵的随机游走的蛋白质功能预测(MSI-RWDIM)算法.该算法使用了蛋白质序列、基因表达和蛋白质相互作用数据预测蛋白质功能,并根据这些数据源特性构建相应的相互作用加权网络;然后融合各数据源加权网络并结合功能相关性网络构建双重索引矩阵,使用随机游走算法计算得分进而预测蛋白质功能.在酵母数据集的五折交叉验证中,MSI-RWDIM算法具有较高的准确率和较低的覆盖率,还可降低功能标签损失率.研究结果表明,MSI-RWDIM算法的总体性能优于常用的k-近邻、直推式多标签集成分类和快速同步加权方法.