【摘 要】
：
随着移动社交网络的快速发展,也为移动网络带来了如移动流量暴涨等许多新的问题和挑战,移动边缘计算（MEC）和设备到设备（D2D）通信技术被认为是解决这些问题的有效方法,而目前基于MEC和D2D的相关研究都没有关注于移动社交网络中用户间社交关联的稳定性。社交网络的稳定性得不到维护会由于个别关键用户的离开而导致人员流失,使得网络发生坍塌并最终使得网络解体,彻底失去竞争力。其对于提高网络资源传输的可靠性和
论文部分内容阅读
随着移动社交网络的快速发展,也为移动网络带来了如移动流量暴涨等许多新的问题和挑战,移动边缘计算（MEC）和设备到设备（D2D）通信技术被认为是解决这些问题的有效方法,而目前基于MEC和D2D的相关研究都没有关注于移动社交网络中用户间社交关联的稳定性。社交网络的稳定性得不到维护会由于个别关键用户的离开而导致人员流失,使得网络发生坍塌并最终使得网络解体,彻底失去竞争力。其对于提高网络资源传输的可靠性和稳定性,以及提升流量卸载的效率等都有着紧密的联系。锚定k-core问题是一种通过找到对网络整体结构及稳定性起到至关重要作用的用户,称为锚点,并通过奖励机制以确保他们不会离开网络,从而最大限度的防止网络坍塌,使得网络稳定性得到了有效保障。本文研究了大规模移动社交网络群组的稳定性问题,本文提出了自适应锚定（k,r）-core问题,在资源有限的情况下,通过动态的为每个网络分配特定量的资源用于选取和固定锚点用户,使所有网络中保持参与的用户总量达到最大,有效提升网络群组的整体稳定性。为了解决提出的自适应问题,本文提出了一种名为Self-Adaptive Onion Layer Anchored（k,r）-core（SA-OLAK）的算法。此外,本文设计了一种端边云协同网络架构,将提出的自适应问题及解决算法应用在现实中的大规模移动社交网络群组的场景下,实现网络资源的自适应协调分配。为了验证提出算法的性能,本文基于来自于真实的D2D线下数据集进行实验,从留存住的用户数量进行分析,得出SA-OLAK算法相比于非自适应算法和自适应算法可以有效提升网络群组的稳定性至少40%和30%以上,由此验证了本文提出算法的高效性和准确性。
其他文献
局部放电现象通常是高压电力线路及设备发生严重故障前会出现的一种现象。在现实的高压电力设备及线路的检测过程中,通常使用的是传统的物理方法,比如根据其物理特征进行判断。但是,并不是所有环境都方便进行人工检测。其次,还需要检测人员具有较为丰富的经验,以应对不同线材及设备的检测。因此,一种高效、准确且通用的局部放电现象检测方法对于提升电力网络系统的长期稳定运行能力具有重要意义。本文针对这一问题提出了三种方
＜正＞思辨读写指的是将搜集资料、辨析问题、质疑探究、反思评估等结合在一起展开的读写活动。传统的读写结合活动常常只是关注让学生把握住文本的语言特点和表现手法，并在此基础上仿写，但是思辨读写则不一样，它强调的是学生在阅读过程中思考、辨析的过程，能很好地提升大家的思维水平。在小学语文教学中，教师也可以将整本书阅读和写作结合在一起，
＜正＞陈敏仪,女,汉族,1990年10月出生,中共党员,广东省东莞市残疾人体育训练中心运动员。她练习射箭10年,在2021年东京残奥会射箭项目女子W1级复合弓个人赛中,以142:131战胜捷克选手,获得冠军,并打破残奥会纪录,同时还在复合弓W1级混合团体赛中夺得金牌。
[目的]分析腰椎椎间融合术神经损伤的独立危险因素，为预防术后神经并发症提供参考。[方法]回顾性分析2015年9月—2020年6月本院采用后路腰椎椎体间融合术（posterior lumbar interbody fusion, PLIF）或经椎间孔入路腰椎椎体间融合术（transforaminal lumbar interbody fusion, TLIF）治疗腰椎退行性疾病（lumbar deg
图表征学习是处理图数据的重要手段,近年来将卷积神经网络（Convolutional Neural Networks,CNN）运到图表征学习中提出的图卷积神经网络（Graph Convolutional Network,GCN）及其变体在对图数据的处理分析中取得了巨大成功。然而,三个根本性的缺陷限制了他们对图数据的表征能力,分别是过平滑现象、无法捕捉长程依赖和未标注数据利用率低。为了解决GCNs（G
网络嵌入旨在学习网络中节点的低维表征,以支持后续的网络分析任务,例如节点分类、节点聚类、链接预测和可视化。最近已经提出了一些优秀的网络嵌入方法,其中最为突出的是基于生成对抗网络的嵌入方法。现有的基于生成对抗网络的方法都是对表征结果进行对抗训练,也就是迫使表征符合某一特定分布,一般采用高斯分布。然而,这种策略很难将表征与高斯噪声区分开,因为其要求表征服从高斯分布,这大致等于给表征添加了一个高斯正则项
深度估计是经典的计算机视觉任务之一,它可以为对象和环境提供丰富的表示信息。近年来,端到端深度估计方法的性能已得到显著改善。但是,卷积和池化操作的堆叠导致局部空间细节信息丢失,这些信息对基于监督学习的单目深度估计非常重要。为了克服这个问题,本文首先提出一种具有跳跃连接的编码器-解码器框架。基于自注意力机制,将通道空间注意力模块作为过渡层,捕获深度和空间位置关系,提高通道和空间的特征表示能力。然后提出
人文素养是职业成功的重要保障和关键力量。对社会弱势群体而言，除了开展职业培训，人文素养的提升对其职业生涯发展有着更为重要的意义。调查显示，社会弱势群体人文素养整体水平偏低，对人文素养有迫切的提升诉求。利用目前海量的线上教育资源，构建既有较强针对性、又便于学习的社会弱势群体人文素养课程体系，组建在线学习课程包，开发“易助学”手机APP帮助其自主学习，并通过评估和诊断，以闭环反馈的形式不断提升社会弱势
在数字信息化时代的背景下,针对人员自杀或暴力行为等风险的预防,如何利用智能技术进行人员心理风险计算是当前重要的研究问题。其中,人员心理风险计算需以人员心理风险画像为指导。但是,当前已有的相关研究主要基于传统调查问卷的方式来描绘人员的心理特征,进而进行人员心理风险计算。但随着人在多元空间下数据量的迅速增加以及信息维度的不断扩增,如何利用多元数据构建人员心理风险画像并利用复杂网络进行建模是当前人员心理
功能肽识别问题是计算生物领域一个重要的研究方向,目的是确定一段给定的蛋白序列是否是某种肽。该研究能够帮助我们了解蛋白质的功能,在药物设计等多个不同领域都有重大作用。随着近些年蛋白质序列的指数增长,传统的实验验证的方式很难满足现在的识别需求,并且随着计算机计算能力不断提升,采用与机器学习结合的基于计算的预测方法,设计出能方便、快捷、准确的分类器模型,大大的提升了功能肽识别预测的效率。在本文的研究工作