稳定标签传播的社区发现方法

为提高标签传播算法的稳定性,解决标签传播算法随机性导致社区发现结果相差较大的问题,对标签初始化、随机队列设置和标签传播中随机选择过程进行了改进,提出一种稳定的标签传播社区发现方法.该方法首先通过寻找不重叠三角形进行标签初始化,然后以节点标签的熵确定节点队列并分段随机排序,最后考虑邻接点的邻接点标签分布情况进行标签选择.实验结果表明,在Zachary’s Karate Club、Dolphin Social Network和American College Football 3个社会网络上,本文方法的稳定指标和质量指标结果均高于其他方法.稳定标签传播的社区发现方法保持了标签传播算法优点的同时,提高了社区发现结果的质量和稳定性.     

移动群体中基于SIR模型的疾病传播行为

将SIR传染模型嵌入到基于二维规则晶格的个体运动模型中,研究移动群体中的疾病传播行为。利用平均场理论和大量的数值仿真分析SIR模型的传染临界值。结果表明,有效传播临界速率与晶格中群体密度密切相关,并且个体运动也会显著影响疾病传播行为。最后,基于分析和仿真的结果,提出了一些可行的控制策略来抑制疾病在移动环境下的传播。     

基于用户行为聚类的移动终端业务故障检测优化机制

为了检测、诊断以及排除移动终端上潜在的业务故障,提出面向用户的预检测机制以保障终端用户的正常使用. 首先引入用户终端的业务隶属度来反映用户的偏好,进而有差异性地对业务进行检测; 其次,根据业务隶属度情况,提出基于用户行为聚类模型,实现对用户的划分; 再次,综合业务隶属度、网络状态和业务历史故障率3个因素建立优先业务诊断集合的选取模型,既要保障将业务集合控制在用户最常用的范围内,又要保障对故障率较高的业务进行优先检测策略,进而达到以最小的代价最大可能地保障终端用户的正常使用; 最后,在移动终端故障管理原型系统中进行了验证.     

基于移动Agent的无线电力移动终端身份认证

为防止大数据环境下信息被盗取,提出了基于移动Agent的无线电力移动终端身份认证方法。利用移动Agent管理电力移动终端的分布式密钥,在移动Agent中完成异构网络数据和资源的互换,获取节点矩阵表得到用户所需的密钥,构建了基于Agent的系统成员信任模型,确保移动终端身份认证处于良好运行环境中。根据移动Agent得到的用户访问结果,在不可逆计算法下生成用户访问动态密钥,利用得到的认证码将用户认证信息二次加密处理,实现无线电力移动终端身份认证。实验结果表明,本文方法在相同加密程度中具有密钥短、身份认证准确性高以及认证计算量小的优点。     

移动终端的春天

商机显现,移动终端前景广阔群雄逐鹿,小小屏幕激战正酣八仙过海,盈利模式各不相同居安思危,企业寻求长远发展敬请收看本期《公司解码》——移动终端的春天随着科技的进步,我们的生活也是日新月异。其中,最贴近我们生活的科技产品之一的手机,就在我们的生活中发挥着不可替代的作用。自从贝尔发明了人类的第一部电话,到今天已有一百多年了。     

修改的反向传播算法

本文提出一个修改的反向传播算法，并基于这一算法设计了一个能进行故障诊断的神经网络模型。然后，用实验说明了这一算法的实用性。     

修改的反向传播算法

本文提出一个修改的反向传播算法，并基于这一算法设计了一个能进行故障诊断的神经网络模型。然后，用实验说明了这一算法的实用性。     

基于标签传播的协同分类欺诈检测方法

网络借贷领域中的欺诈检测是根据收集到的用户历史交易数据等信息,来判断该用户是欺诈用户还是正常用户.现有方法认为用户是独立存在的,忽略了用户之间的关联信息.考虑到目前欺诈逐渐成为群体行为,在欺诈网络内呈现出欺诈节点与非欺诈节点关联稀疏,而欺诈节点间关联紧密的现象,提出基于标签传播的协同分类欺诈检测方法.通过收集真实网上借贷公司的用户通话数据,构建用户之间的通话关联网络,利用标签传播算法扩散欺诈节点的标签信息,确定未知标签节点是否为欺诈用户.通过对权重进行幂操作,改进了标签传播算法中概率转移矩阵的初始化方法,使其适应欺诈场景下正负样本分布不平衡的现象.在有标签样本比例极低且训练样本分布不均衡的真实借贷数据集中进行了7次测试,采用所提算法检测到欺诈用户的精确率最高达17%,所得F1值与精确率都比经典的WvRn算法更优.     

一种基于广义算子理论上的神经反向传播

阐述了神经网络系统中的函数网络模型的基本原理。以M-P模型为基础,应用Hebb学习规则,提出了一种反向传播函数网络模型,由此推导出隐结点及结点输出的公式,并对其误差作出估计。该模型能将隐结点的非线性样本变成线性样本,使其成为(0-1)两类。最后以一实例对系统进行了测试。     

基于聚类分析和XGBoost算法的换机预测模型

为了有效地向手机用户提供换机服务,建立一种换机预测模型。利用孤立森林算法,排查与换机预测无关的异常电信用户。将排查后的数据集通过K-Medoids聚类分析精细划分为3个用户簇,利用SMOTE和Tomek组合采样的方法,处理每个用户簇的不平衡问题。最后将各个用户簇的数据通过XGBoost算法进行训练,并根据格式搜索法得出最优换机预测模型。实验结果表明,该换机预测模型的预测准确率高于其他预测模型,可较好地为电信用户提供换机服务。     

移动搜索终端用户行为调查研究

移动搜索正在深入到移动互联网用户的生活,为更好地了解移动搜索终端用户行为,以提供更好的服务,对移动搜索终端用户的行为进行了调查。共发出调查问卷522份,收到有效问卷508份,通过对有效问卷进行深入研究,分析移动用户使用移动搜索的行为习惯,得出移动搜索呈现本地化、使用需求碎片化、使用习惯已经形成、用户年龄较为集中等结果,为探索移动搜索新业务提供有效的数据支持,并从搜索精度、搜索方式、提高搜索质量等方面对移动搜索的发展提出合理化建议。     

基于GEM-PHD粒子滤波的移动定位自更新传播算法

为了实现无线传感器网络(Wireless Sensor Networks,WSN)中移动节点的实时动态定位和更新,提出了一种基于广义运动概率假设密度粒子滤波的移动定位自更新传播算法,该算法利用锚节点作为观测者探测周围环境中存在的未知节点,收集探测到的信息,利用广义运动概率假设密度粒子滤波算法对未知节点定位.基于反向定位...     

基于比特位操作的自适应约束传播算法

在现有约束传播算法研究的基础上,提出了一种基于比特位操作的自适应约束传播算法AC_MaxRPC_Bitwise。该算法在寻找AC支持及PC支持中引入基于比特位的数据结构,并利用比特位操作加速AC支持和PC证据搜索,从而提高自适应约束传播的效率。对几类典型benchmark问题的测试结果表明,算法AC_MaxRPC_Bitwise在总体性能上明显优于AC及原自适应约束传播算法。     

认知无线电中移动认知用户功率控制方法

传统认知无线电中的功率控制问题都是基于认知用户位置不变的情况,本文针对可移动认知用户的功率控制问题进行深入研究. 首先对不同通信场景进行分析和归一化整理,建立通用通信模型,极大的简化了干扰估计和功率控制算法;其次根据认知用户的可移动性,推导出授权用户所受干扰与认知用户移动距离和运动矢量方向的函数表达式,实现了认知用户对授权用户干扰的实时预测;根据预测结果采用最小发射功率准则实现认知用户的功率控制. 仿真结果表明,本文方法能够实时、高效的对认知用户进行功率控制,与采用固定步长的功率控制算法相比能够节约功耗20%.     

基于Android手机终端信息查询系统的设计

针对外出人员计算机上网不便等实际问题,设计基于Android平台开发的手机终端跨地域酒店信息查询软件,利用Java、数据库和JavaWeb等技术完成整个系统的设计。实现了从客户端、网络到服务器端完整体系。经系统的功能测试,该软件可顺利实现各项功能。给用户出行带来再大的便利。     

基于时空共现的移动用户社会关系类型推断

针对当前方法推断结果类型受限及准确率较低的问题,以移动用户位置数据为对象,综合利用时空共现区统计数据和语义信息,提出一种新的社会关系类型推断方法。通过用户共现频次、时空共现区位置熵和离散距离3种统计数据计算时空共现强度;依据时空共现区公共地点和用户个人地点识别结果获取其语义信息。结合时空共现强度和语义信息生成时空共现向量,根据向量特征的类别相关性和冗余信息量,按照"最小相关-最大冗余"原则提取时空共现区语义特征,得到特征向量。针对样本特点和社会关系类型推断需求,选择多分类支持向量机算法构造分类模型。在Foursquare数据集上进行实验验证,结果表明,该方法能有效推断移动用户的家人、同事、朋友和其他4种社会关系类型,准确率高达89.3%,与同类方法相比精确率和召回率分别提高7.9%和6.6%。     

两阶段近邻传播半监督聚类算法

近邻传播聚类算法(affinity propagation, AP)受偏向参数影响较大,很难确定最优聚类所需的参数。设计了两阶段近邻传播半监督聚类算法(two-stage semi supervised clustering algorithm based on affinity propagation, 2SAP),在整个数据集上运行半监督近邻传播算法(semi-supervised clustering based on affinity propagation, SAP),得出类代表点集合,在类代表点集合上运行SAP算法得出结果。在实际数据集上进行实验,结果证实:与算法SAP和并行近邻传播半监督聚类算法(parallel computation of semi-supervised clustering algorithm based on affinity propagation,PSAP)相比,2SAP算法的CRI和FCRI值较高,而相应的离散系数较小,说明2SAP受偏向参数的影响较小。     

基于GraphLab的分布式近邻传播聚类算法

为有效实现海量数据的非线性聚类,提出基于GraphLab的分布式流式近邻传播算法--GStrAP(GraphLab based stream affinity propagation)。该算法将数据抽象为有向无环图模型,采用“Gather-Apply-Scatter”的模式完成数据同步和算法迭代。在人工合成流形数据3D Clusters、Aggregation、Flame和Pathbased数据集上分别采用不同数据规模以及与传统K-means的聚类性能做对比,实验表明:基于GraphLab的近邻传播算法对数据规模具有良好的拓展性,在保持算法聚类效果的同时,有效降低时间复杂度。