表征学习驱动的多重网络图采样

已有的图采样方法侧重于单图采样,关注如何在一张图上通过采样保留其特定的拓扑结构特征。随着数据采集能力的提升,多重网络图在实际应用中越来越普遍,即相同的节点集在不同场景中具有不同的网络关系。针对传统图采样方法无法兼顾多重网络图结构特征的问题,提出了表征学习驱动的多重网络图采样算法。首先,设计融合多重网络图结构特征的图表征学习方法,将节点投影至二维的表征学习空间;其次,利用改进的自适应蓝噪声采样算法,考虑节点密度和网络连通性,从表征学习空间筛选节点,以保持其多重网络结构特征及图上下文结构特征。进而开发了一套多重网络图采样可视分析系统,支持用户交互式地探索多重网络图采样,并与已有采样算法进行对比。案例分析和评估实验证明了本文算法在多重网络图采样中的有效性。     

基于人类视觉特性（HVS）的离散小波变换（DWT）数字水印算法

伴随着计算机网络通信技术的蓬勃发展,数字媒体数据的交换和传输变得日益简单且快捷.数字水印技术是一项将数字、序列号、图像标志等版权信息嵌入到数字产品信息中,用来保护数字产品版权和认证来源及完整性的新型技术.提出了一种基于人类视觉特性HVS的小波域盲数字水印算法,通过借鉴人类视觉特性HVS算法思想自适应的嵌入水印信息,能够很好地达到水印嵌入透明性和鲁棒性的平衡.通过Matlab软件实验仿真,表明该算法具有较好的透明性和鲁棒性.     

基于dj图的逻辑函数布尔偏导数的计算方法

讨论了基于dj图和降维dj图计算逻辑函数的一阶布尔偏导数和二阶布尔偏导数的图形方法.实例表明该方法具有直观、简单等特点,并且它能给出布尔偏导数的最简CRM式.     

基于Web技术的网络拓扑图生成方法的研究

综合采用提取路由表和地址转发表的方法，对网络逻辑拓扑结构和物理拓扑结构进行自动探索，提出了用于优化显示网络拓扑图的一种显示算法，采用Java技术实现了基于Web的网络拓扑图，并对在实现过程中遇到的问题进行了探讨。试验结果表明，由此生成的网络拓扑图准确、美观、能够实现跨平台和跨区域的管理。     

一个新的非线性系统及其超混沌控制

为产生复杂的超混沌吸引子,对经典的Lü系统变形,引入一个非线性状态反馈控制器,构造了一个新的四维非线性系统,并对系统的基本动力学特性进行了简要研究,得到系统的吸引子、分岔图和Lyapunov指数谱及分数维数,系统随新引入的参数变化呈现周期、拟周期、混沌及超混沌动力学行为.利用系统单变量的比例微分反馈控制法,抑制了该系统的超混沌运动,理论分析和计算机模拟结果表明了该方法的有效性和正确性.     

3D-power图的快速生成方法

3D-power图在图形学和流体仿真等领域应用广泛。为解决已有的3D-power图计算方法时间性能较差的问题，提出了基于GPU的power图构造算法，给出了一种用于计算power图各区域之间的面积估值方法，使基于GPU的构造算法与Lloyd算法、牛顿法相结合，生成满足约束条件的3D质心容量限制power图（3D-centroidal capacity constrained power diagram，3D-CCCPD）。结果表明，本文算法的时间性能较已有的3D-power图构造方法提高了几个数量级。     

基于Web技术的网络拓扑图生产方法的研究

综合采用提取路由表和地址转发表的方法，对网络逻辑拓结构和物理拓结构进行自动搜索，提出了用于优化显示网络拓扑图的一种显示算法，采用Java技术实现了基于Web的网络拓扑图，并地在实现过程中遇到到的问题进行了探讨，试验结果表明，由此生成的网络拓扑图准确，美观，能够实现跨平台和跨区域的管理。     

基于边际费希尔分析与径向基相结的甜瓜含糖量无损检测研究

为了解决甜瓜含糖量预测中输入特征的“维数灾难”问题,提出了一种基于边际费希尔分析（Marginal Fisher Model,MFA）和径向基神经网络（RBF）相结合的甜瓜含糖量无损检测方法。采用边际费希尔分析方法对高维的介电特性数据进行特征提取。该方法即能够保留高维空间中数椐的内蕴结构,又能同时进行降维,再应用RBF对低维特征数据进行训练和预测,结果表明该方法预测精度比其他算法有所提高。     

基于K图的布尔差分计算的图形方法

基于K图和降维K图，讨论了计算逻辑函数的一阶布尔差分和二阶布尔差分的图形方法。实例表明该方法具有直观、简单等特点，并且它能给出布尔差分的最简与／或式。     

基于bj图计算逻辑函数布尔差分的新方法

分析了逻辑函数在部分变量取反时的bj图和降维bj图,在此基础上提出了用bj图和降维bj图计算逻辑函数的一阶布尔差分和二阶布尔差分的图形方法.实例表明,该图形方法有直观、简单等特点.它能给出逻辑函数布尔差分的最简与/异或式.     

城市地下管网图形信息管理系统的开发框架设计与应用

论述了图形信息系统的组成，并通过城市地下管网图形信息管理系统的开发实例探讨了有关图形信息管理系统开发的各种框架模式及其特点。     

基于结合Transformer和卷积神经网络的生成对抗网络在磁共振成像中分割胎盘组织（英文）

磁共振成像(MRI)胎盘组织的准确分割对于研究妊娠和分娩并发症具有重要意义,但传统放射科医师的人工标注难以保证分割准确性和客观性,且费时费力.为了开发用于MRI中胎盘组织自动分割的深度学习模型,提出了结合Transformer和卷积神经网络(CNN)的生成对抗网络(TCGANet).将特征嵌入模块与跳跃连接相结合,缓解传统特征融合方法带来的信息丢失.在此基础上引入内容提取模块,采用Transformer的自注意力机制捕捉全局依赖关系,有效表示MRI的全局和局部信息.此外,鉴于传统分割方法难于精确界定MR影像胎盘组织边缘的问题,运用判别网络对胎盘组织分割的生成网络监督,以提高胎盘边缘界定的精度.结果表明,该模型在定量指标和边界定位精度方面显著优于现有分割方法,其中准确度为0.993±0.003,灵敏度为0.903±0.093,特异度为0.996±0.003,Dice相关性系数为0.861±0.141.对模型不同结构的消融实验验证了网络结构设计的合理性,大部分性能指标明显优于现有方法(P<0.05).该模型能够实现自动且准确地分割MRI中胎盘组织.     

在线社交网络控制实验的现状与展望

在线社交网络已发展成为一个独特的电子生态系统，其应用深刻影响着人们生活的方方面面。由于在线社交网络特性复杂，分析在线社交网络形成和变化中的规律成为当前计算机科学、社会学和物理学的一项挑战。传统上，在线社交网络实证研究主要采用计算机辅助的被动数据获取和分析方式。近年来，在真实大规模在线社交网络上直接进行控制实验从而主动获取数据并开展分析研究的方式广受关注。评述了这一领域的研究进展，包括：社交网络控制实验的主要研究模式；控制实验方法在社交网络结构、信息传播、行为和心理学等领域取得的主要成果以及主要实验工具的适用条件和局限性。最后，展望了人工智能技术在社交网络控制实验中的应用潜力，分析了智能算法对降低实验成本和提高实验效率的作用。     

有向图及乘积图的路由数

s-图的路由数源自于网格上行走的机器人的坐标规则问题．Onn和Sperner指出该问题是NP-完全的并进而提出这样一个问题：平面图上的路由数是否一定存在仅由半径为参数构成的界？本文引入有向s-图的路由数这一概念并证明该数等于其周长．这一结果表明无向s-图的路由数等于该图所有定向图的最小周长，同时也对上面的问题给出了一个反例．做为一个应用．我们证明乘积图的路由数等于其半径．     

循环图的预解Estrada指标

Circulant graphs are an important class of network topology. Let G be a simple graph with n vertices, let A be the adjacency matrix of G, and λ₁,λ₂,…,λ_n be the eigenvalues of graph G. As a kind of centrality of complex networks, the resolvent Estrada index of G is defined as EE_r(G)=((1-λ_i)/(n-1))^-1. By Ramanujan's sum, using the Euler function and Mobius function, we characterize the lower bound of resolvent Estrada index of circulant graph, and obtain some computational formulas of integral circulant graphs.     

基于神经网络的结构损伤诊断的探讨

利用神经网络技术对框架结构的损伤位置和损伤程度进行了研究,用振动模态分析技术对组合结构、框架结构的动力参数进行计算,得出组合结构的各种单损伤情况和双损伤情况的各种组合的频率、竖向位移、水平位移变化数据,将这些数据和损伤位置、损伤程度之间的映射关系作为网络训练样本,用神经网络技术进行数值模拟,提出了修正隐含层节点数公式和优选振型向量的方法.说明了用低阶振型和经优选后的振型向量结合的方法进行组合结构、框架结构损伤诊断的可行性,并且用这个方法成功地解决对称结构难于判断对称损伤的难题.     

图的强协调方程及其应用

本文引进图的强协调方程的新概念,并且得出图的强协调的某些必要条件。运用上述方程,我们可以一般地研究图的强调协性质。     

因果关系图系统基模计算方法及其应用

因果关系图系统基模分析技术是管理问题动态性复杂分析的一个重要工具,掌握因果关系图中所包含的系统基模具有十分重要的意义。而目前通过因果关系图系统基模分析技术研究问题的实践过程不够严谨,一是所描述的基模并没有作严格的定义;二是只通过观察来判断因果关系图中所含的系     

融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

PM_2.5小时浓度多为单步预测。为实现PM_2.5小时浓度的多步预测，基于“编码器-解码器”的序列-序列预测（Seq2Seq）模型，集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力，提出了融合图卷积神经网络和注意力机制的PM_2.5小时浓度多步预测（GCN_Attention_Seq2Seq）模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照，以2015—2016年北京市22个空气质量监测站点的空气质量数据为样本进行实例验证，结果表明，Seq2Seq模型和图卷积神经网络（GCN）可对PM_2.5小时浓度数据的时空依赖进行有效建模，注意力机制有助于减缓多步预测中的预测精度衰减，提升PM_2.5小时浓度多步预测的精度。GCN_Attention_Seq2Seq模型可有效应用于多种长度的PM_2.5浓度预测窗口。