基于小世界模型的高维索引算法

高维索引作为基于内容检索和模式识别等领域的一项关键技术,其性能直接影响整个系统的查询速度和准确率,但高维情况下的 “维度灾难”一直制约着相应检索性能的提高。通过分析小世界模型,提出了完整的逐跳逼近索引算法,该算法仅维护点与点在度量空间上的局部邻近关系,通过将查询过程的“关注点”逐步往查询命中区域跳跃逼近来实现高维空间数据点间的范围查询和近似近邻查询。实验证明该方法在不依赖索引数据的先验分布情况下能有效地处理高维数据向量的检索,且具有良好的可维护性与拓展性。     

基于组增长的小世界Scale-free网络模型

小世界和Scale-free是很多大规模复杂网络的重要特征,建立体现这些特征的网络模型是研究网络结构和行为的重要基础。针对现有模型不能全面地反映实际网络所具有的特征属性,提出了基于组增长的小世界Scale—free网络模型。该模型在小世界和Scale—free模型的基础上,结合了节点的本地强连接性、新增连接的度相关性和网络动态的增长方式,把小世界和Scale-free联系了起来。仿真结果表明,该模型生成的网络图同时具有小世界和Scale—free特征。     

基于小世界层次分布式路由模型研究

对等网的研究越来越受到产业界和学术界的重视,其结构化覆盖网模型采用DHT算法,具有固定的逻辑拓扑结构,存在着无法真实反映实际物理网络拓扑、可扩展性和查找性能不高的问题。该文以P2P的“小世界”现象为基础,在分析Chord的基础上,以簇为基本逻辑管理单位,构建基于小世界层次分布式路由模型SWLDRM,并对SWLDRM与Chord进行对比仿真实验,仿真实验结果表明SWLDRM比Chord具有更好的查找性能和可扩展性。     

基于WS小世界模型的蝙蝠优化算法

蝙蝠算法是在对微型蝙蝠回声观察研究的基础上发现蝙蝠回声和优化目标功能之间的关系而提出的一种新算法。蝙蝠算法具有强大的搜索性能,但是其局部搜索相对简单,个体间缺乏信息互通,搜索能力差。尽管目前也提出了一些相关改进算法,但高维优化方面较少涉及。考虑到蝙蝠群体中个体相互联系与作用的方式有动态复杂的感知网络结构,具有“小世界”特性,所以首先把有“小世界”特性的WS小世界模型引入蝙蝠算法,利用WS小世界模型断边重连的特点生成动态的邻域结构,这种邻域结构能够提高整体的搜索能力。实例验证表明借助一般的蝙蝠算法可以进行局部搜索。     

小世界网络上随机SIS模型分析

考察小世界网络上疾病传播的随机SIS模型,使用拟平稳分布计算方法得到疾病传播稳态时患病节点数的分布。取分布的均值,得到与平均场方法相同的传播阈值。通过模拟所得的传染曲线解释现实传染过程中存在的波动性,传播稳态结果和平均场结果拟合较好,证实了平均场方法的合理性。     

基于小世界模型的高维数据查询算法

提出了一种从海量高维数据中进行高效查询的算法,该算法基于小世界网络模型,并采用网络节点表示高维数据的特征向量。算法主要包含两个部分,基于K-Means的索引生成算法和随机逼近查询算法,两个算法均给出了具体的操作步骤。算法经大量实验仿真,得出通过合理设置小世界网络节点的近邻节点数量以及最大查询路径和最大迭代次数等参数,算法可以满足不同精度的用户查询请求。实验结果表明,实现的算法在高维度海量数据查询中具有良好的检索效果。     

一种基于小世界网络和贝叶斯网络的混合推荐模型

小世界网络在聚类应用中具有良好的性质,贝叶斯网络在概率推理中也得到了广泛的研究.将小世界网络和贝叶斯网络结合起来,形成了一种混合推荐模型.该混合模型由两层组成,分别是用户层和商品层.其中小世界网络用于描述用户层内用户-用户结点间的关系,贝叶斯网络用于描述商品层内商品-商品结点,以及层间用户-商品结点间的偏好关系.对小世界网络的用户聚类方法、贝叶斯网络结构和参数学习方法、以及两层混合模型的推荐算法进行了描述,实验表明,该模型能够很好地表示用户-用户、商品-商品、以及用户-商品间的关系,推荐结果具有良好的准确度.     

小世界网络模型下的无线传感器网络

复杂网络是具有复杂拓扑结构和动力学行为特征的大规模网络,无线传感器网络呈现出多种复杂网络特性,如多跳、自组织特性等,这表明可借助复杂网络理论研究无线传感器网络的拓扑结构和动力学特性。在无线传感器网络的复杂网络特征的基础上建立小世界网络模型。仿真表明小世界网络模型下的无线传感器网络符合小世界网络具备的性质。     

基于小世界模型的流形学习算法

等距特征映射(ISOMAP)不仅计算复杂度很高,而且缺乏对新样本的学习能力。基于标志点的ISOMAP(L-ISOMAP)通过只保持一些标志点之间的测地线距离有效地降低了复杂度,然而标志点集的随机选择常常会导致较差的嵌入结果。为此,提出了一种基于小世界模型的流形学习算法。根据小世界模型的原理,该算法仅仅保持每个样本点与其k个最近邻和一些随机选择的远点之间的测地线距离,采用最速梯度下降法优化来得到数据的低维表示。理论分析表明,该算法的计算复杂度远远低于ISOMAP的复杂度。利用应力函数和剩余方差对3个算法进行了比较。实验结果表明,从该算法得到的结果与从ISOMAP得到的结果相近,且优于从L-ISOMAP得到的结果。同时,该算法可以实现对新样本的学习,对噪声也不太敏感。     

基于小世界网络理论的机会发现算法

随着互联网络的不断发展,人们需要从大量数据中提取可能成为机会的信息,传统的基于高频模式的重要事件提取算法不能满足现状。提出了一种基于小世界网络（Small World）理论的关键字提取算法,该算法以KeyGraph思想为基础,构建词语关联图,并利用小世界理论对图进行优化,从而不仅能够发现高频事件,而且能够发现相对低频而且意义重要的事件。最后,通过实验验证,用该算法提取的潜在事件是机会。     

A hyperplane based indexing technique for high-dimensional data

In this paper, we propose a novel hyperplane based indexing method to support efficient processing of similarity search queries in high-dimensional spaces. The main idea of the proposed index is to improve data partitioning efficiency in a high-dimensional space by using a hyperplane, which further partitions a subspace and can also take advantage of the twin node concept used in the key dimension based index. Compared with the key dimension concept, the hyperplane is more effective in data filtering. High space utilization is achieved by dynamically performing data reallocation between twin nodes. In addition, a post processing step is used after index building to ensure effective filtration. Extensive experiments based on two types of real data sets are conducted and the results illustrate a significantly improved filtering efficiency. Because of the feature of hyperplane, the proposed indexing method is only suitable to Euclidean spaces.     

基于层连优化的新型小世界神经网络

对多层前向小世界神经网络的网络参数、权值修正策略以及网络结构进行改进, 提出一种基于层连优化的小世界神经网络的改进算法. 通过对比现有各种不同形式的小世界神经网络, 验证了上述改进的必要性. 仿真结果表明, 改进模型比现有小世界神经网络收敛速度更快, 逼近精度更高, 模型稳定性更强.     

一种面向图包容搜索的图索引模型

由于图模型的广泛采用,图数据的快速包容搜索在许多不同领域广泛应用。给定一个模型图集D和一个查询图集q,传统的图搜索旨在检索所有包含q的图(qg),与此不同,包容搜索有其自身的索引特性,针对这些特性进行系统地研究,并提出一种基于对比子图的索引模型（csgIndex）：使用一个冗余感知特征选择过程,csgIndex能挑选出一个鲜明的具有区分力的对比子图集,并最大化其索引能力。对实时测试数据的实验结果显示,csgIndex对不同的包容搜索荷载能达到近优化修剪力,相较于传统图搜索方法表现出明显的索引性能优势。     

小世界网络环境下基于模糊理论的信任评价

信任评价模型可以解决网络中的一些安全问题,但是当网络中的节点数目非常大时,现有全局信任模型的计算量与通信开销比较大,影响了信任模型的推广和应用。针对上述问题,利用小世界网络理论构建了一个基于用户兴趣属性的层次网络模型,建立了基于模糊理论的信任评价模型。分析和仿真结果表明,该模型具有很好的准确性和健壮性;能够快速识别恶意摇摆行为;可扩展性好,如信任路径短,网络开销小。     

A new indexing method based on word proximity for Chinese text retrieval

This paper propsed a novel text representation and matching scheme for Chinese text retrieval.At present,the indexing methods of chinese retrieval systems are either character-based or word-based.The character-based indexing methods,such as bi-gram or tri-gram indexing,have high false drops due to the mismatches between queries and documents.On the other hand,it‘s difficult to efficiently identify all the proper nouns,terminology of different domains,and phrases in the word-based indexing systems.The new indexing method uses both proximity and mutual information of the word paris to represent the text content so as to overcome the high false drop,new word and phrase problems that exist in the character-based and word-based systems.The evaluation results indicate that the average query precision of proximity-based indexing is 5.2% higher than the best results of TREC-5.     

基于卡方分布的高维数据相似性连接查询算法

为了解决高维数据相似性连接查询中存在的维度灾难和计算代价高等问题,基于p-稳态分布,将高维数据映射到低维空间。根据卡方分布的性质,证明了如果低维空间的距离大于kε,则原始空间距离大于ε的概率具有一定的下界,从而可以在低维空间以较低的计算代价进行有效过滤。在此基础上,提出了基于卡方分布的高维数据相似性连接查询算法。为了进一步提高查询效率,提出了基于双重过滤的高维数据相似性连接查询算法。利用真实数据集进行了实验,实验结果表明所提方法具有较好的性能。基于卡方分布的相似性连接查询算法召回率可以达到90%以上。基于双重过滤的相似性连接查询算法可以进一步提高性能,但是会损失一定的召回率。对时间性能要求比较高、对召回率要求不太严格的查询任务可以采用基于双重过滤的相似性连接查询算法;反之,可以采用基于卡方分布的相似性连接查询算法。