【摘 要】
：
网络结构数据的处理是当前数据科学的前沿热点研究方向。与研究较多的静态网络相比,时序网络数据维数更高、结构变化更为灵活,建立相应的数学模型和数值算法更具挑战。本论文聚焦时序网络中的社区发现问题,利用低秩优化理论,建立了时序网络社区发现的极小化凸优化模型,并从社区实时发现的应用需求出发,提出了一种数据驱动的时序标签游走（TLW）算法。具体地,本学位论文的贡献主要包括:一、将静态社区发现的凸优化模型首次
论文部分内容阅读
网络结构数据的处理是当前数据科学的前沿热点研究方向。与研究较多的静态网络相比,时序网络数据维数更高、结构变化更为灵活,建立相应的数学模型和数值算法更具挑战。本论文聚焦时序网络中的社区发现问题,利用低秩优化理论,建立了时序网络社区发现的极小化凸优化模型,并从社区实时发现的应用需求出发,提出了一种数据驱动的时序标签游走（TLW）算法。具体地,本学位论文的贡献主要包括:一、将静态社区发现的凸优化模型首次推广到时序网络中,建立了时序社区发现的凸优化模型,基于模拟数据集的大量实验结果显示,该模型能够恢复静态社区发现方法和基于时间平滑性假设的时序社区发现算法无法恢复的社区结构,在处理短时间内有大量交互的时序网络时有明显优势。二、基于时序游走和标签传播提出了一种新型启发式的社区发现算法TLW。在S tudents、Facebook等标准数据集上的大量测试结果表明,与目前文献公布的其他数据驱动的社区发现算法相比,TLW在观测时间窗口增大时,可以以较小计算量获得模块度值更高的社区划分,因此在计算复杂度和社区发现质量上优势明显。本文的工作对于作战数据的指控关系分析、网络数据的情报挖掘、在线交易系统的商品推荐等各类问题均有应用价值。
其他文献
复杂网络传播能够刻画诸如疾病、流言等大量真实现象的传播过程,是网络动力学的重要研究方向,吸引了大量学者的研究关注。网络源头回溯是网络传播的逆过程,是新的挑战性研究方向。网络多源头回溯问题更加复杂,相关研究具有重大的理论意义和实用价值。本文以安全事件为牵引,将安全事件源头定位问题抽象为复杂网络源头回溯问题,并针对网络多源头回溯的理论、方法及应用开展重点研究,建立了事件源头定位研究新的技术途径。具体包
通信技术的不断发展为变速跳频通信技术应用创造条件。变速跳频通信技术“跳速多变”的方式,使得通信对抗侦察面临新的挑战。对变速跳频信号的侦察技术主要包括对信号进行截获、检测与分选。与定速跳频信号相比,变速跳频信号的“双变”特点,使得侦察方难以对变速跳频信号进行分选。变速跳频通信技术的应用,对分选复杂环境中的通信信号提出了严峻的考验。为此,必须针对变速跳频信号特点,开展对其分选技术的研究,为之后提供确实
2009年以来我国对外直接投资流量和世界排名不断提升,我国海外投资对经济技术发展带来的效应逐渐受到国内产业界和学术界的重视。我国经济高质量发展的目标,也要求企业在对外直接投资过程中不能仅集中于对外部生产资源和廉价劳动力的获取,而应更加关注技术进步等提升企业核心竞争力的相关要素。我国信息服务业在国内外机遇与挑战并存的大环境下,对我国国民经济发展以及我国国际经济技术地位提高的影响不断提升的同时,也面临
动网格方法作为解决计算流体学（CFD,Computational Fluid Dynamics）中运动边界问题的重要技术,被广泛应用在汽车、航天等工业生产中。随着高性能计算技术在近年来的高速发展,大规模动网格数值模拟研究能够为流体相关工程计算提供有价值的实践参考。目前的动网格技术主要存在的问题是,在模型规模大、物体运动剧烈的情况下,其计算效率和计算精度不够高和网格调整效果不够好等。因此,本课题针对
蛋白质在生命过程中发挥极其重要的作用,其正常表达和降解是维持细胞功能、支撑机体生理活动的基础。机体内蛋白质异常表达和错误折叠往往会导致该蛋白质在细胞内的异常积累,从而促进相关疾病的发生和发展。因此,探索蛋白质的表达干扰技术不仅能为基础研究提供研究蛋白质功能的重要手段,而且还能为治疗由蛋白质功能紊乱引起的相关疾病提供有效策略。泛素-蛋白酶体途径是人体内主要的内源性蛋白质降解途径,具有高效、高特异性等