【摘 要】
：
针对全局社区发现计算时间过长,以及k-core分解规则过于严格导致一些高重要性节点无法被保留的问题,提出基于模糊k-core的社区发现算法.采用基于模糊隶属度函数的模糊k-core分解思想,筛选出核心节点集,对由核心节点集所组成的子网进行局部社区划分,将核心子网的社区标签扩散到其余节点,完成全局社区发现.在标准数据集上的实验结果表明,算法在社区发现的精确度上保持了高水准,在大数据集上的运算时间显著降低.
【机 构】
：
重庆邮电大学 计算机科学与技术学院,重庆 400000
论文部分内容阅读
针对全局社区发现计算时间过长,以及k-core分解规则过于严格导致一些高重要性节点无法被保留的问题,提出基于模糊k-core的社区发现算法.采用基于模糊隶属度函数的模糊k-core分解思想,筛选出核心节点集,对由核心节点集所组成的子网进行局部社区划分,将核心子网的社区标签扩散到其余节点,完成全局社区发现.在标准数据集上的实验结果表明,算法在社区发现的精确度上保持了高水准,在大数据集上的运算时间显著降低.
其他文献
为满足大量藏汉双语场景图像中的文字检测和识别的需求,合成数据集并训练深度学习模型,提出场景图像藏汉双语文本检测方法.首先,针对缺乏藏汉双语场景图像数据集的问题,提出基于轮廓检测和泊松图像编辑的合成方法,采用人工标注和自动化合成方式生成了具有相当规模的藏汉双语场景图像数据集BiTCSD,其中包含合成图像87680幅、人工标注图像5550幅;其次,验证了使用合成数据集训练模型的有效性;最后,在不同数据集上训练了深度文本框连接网络CTPN,并在测试集上针对不同语种评价了模型的文本检测性能.实验结果表明:通过合成
维生素D营养与儿童健康关系密切。为了提高儿童健康工作者对维生素D营养问题的认识，特制订“中国儿童维生素D营养相关临床问题实践指南”，对维生素D营养相关的16个临床问题按循证方法予以分级解答，同时澄清维生素D营养相关概念，确定儿童评估维生素D营养状况分级标准，以指导儿童健康工作者的临床实践。
随着互联网的发展,需要对IPv6网络进行性能提升,软件定义网络可以通过其特有的段路由架构对IPv6进行改进.将现有的IPv6网络直接升级为完整的SRv6网络是非常困难的.因此,提出一种基于部分部署的SRv6的网络优化算法.通过对分散的SRv6节点中的TE算法进行权重调整,将TE问题转化为深度强化学习问题,优化OSPF权重、SRv6节点部署和流量路径.实验结果表明,提出的优化算法,在不同数量的节点下,可以获得与完整SR网络相同的性能,有着满足实际需求,具有较好性能.
电迁移是集成电路供电网络的关键失效因素,由于芯片集成度和电流密度的增加,供电网络设计留给电迁移优化的余量越来越小.供电网络的传统设计缺乏电迁移和电压降的综合分析,会造成设计的过度约束.为避免上述问题,提出一种基于通孔灵敏度分析的供电网络优化方法.首先,通过伴随矩阵的方法验证通孔的灵敏度对电迁移和电压降的影响;然后,结合供电网络的结构,针对关键通孔制定梯度优化策略,避免电迁移过度优化;最后,采用配置通孔阵列结构的方法提高通孔的可靠性.所提分析方法基于32核服务器实现,并通过IBM benchmark进行验证
患儿 女，11岁2月龄，因“多关节肿痛7年、发现皮下结节5年”就诊，临床以指趾、双腕、双肘、双肩、左髋关节多关节炎及双肘、双足、双手小指皮下结节为主要表现，诊断为幼年型特发性关节炎合并类风湿结节。幼年型特发性关节炎合并类风湿结节临床罕见，肿瘤坏死因子抑制剂治疗可改善幼年型特发性关节炎关节及类风湿结节病变。
1岁5月龄患儿以血常规三系减少、反复发热起病，肝脾进行性增大，骨髓病理提示造血细胞减少伴弥漫骨髓纤维化，排除恶性肿瘤等继发性原因，核型正常，无克隆异常，全外显子未检测出致病变异，未发现基因融合，诊断为原发性骨髓纤维化。脾切除术后，应用白消安、塞替哌为基础的清髓性预处理，脐带血造血干细胞移植成功。
目的:探讨新型自体半腱肌带状移植物重建术治疗膝关节前交叉韧带（ACL）断裂的早期疗效。方法:采用回顾性队列研究分析2019年6月至2021年1月郑州市骨科医院收治的65例膝关节ACL断裂患者的临床资料，其中男52例，女13例；年龄16~50岁［（30.5±8.4）岁］。根据重建方式和移植物选择，将患者分为带状重建组（31例）和圆束重建组（34例）。手术重建方法均为解剖重建，其中带状重建组采用新型自体半腱肌带状移植物解剖重建ACL，圆束重建组采用传统圆束状移植物解剖重建ACL。比较两组手术时间、术后即时AC
针对已有行人检测算法存在的小尺度行人信息描述不充分的问题,提出一种基于自校准卷积网络的行人检测算法.通过将CSP算法的主干网络更换为SCNet自校准卷积网络,有效扩大了网络的感受野范围;将主干网络的低层特征像素信息和高层特征语义信息进行融合,有效促进小尺度行人的检测;对精细的多尺度卷积特征进行多层连接,将行人检测简化为直接的中心和尺度预测任务.实验结果表明,所提算法在数据集CityPersons和Caltech上的平均漏检率为10.97％和4.3％.算法可以增强小尺度行人的信息描述能力,在检测速度方面也有
针对高维无标签数据中的特征冗余问题,提出一种基于特征正则稀疏关联的无监督特征选择方法(FRSA).建立特征选择模型:利用Frobenius范数建立损失函数项表示特征之间的关联关系,对特征权重矩阵施加L1稀疏正则化约束.设计一种分治-收缩阈值迭代算法对目标函数进行优化.根据特征权重评估每个特征的重要性,选择出具有代表性的特征.在6个不同类型的标准数据集上与目前常用的无监督特征选择方法进行对比实验,实验结果表明,所提方法的性能优于其它无监督特征选择方法.
针对现有的半监督深度分类模型未能很好学习到逼近总体数据分布的问题,提出一种基于Wasserstein自编码器深度生成模型改进的半监督深度分类算法WCVAE.在设置优化目标时考虑样本集全体示例的边际分布和有标签样本的条件分布,利用Wasserstein距离对模型拟合分布与真实数据分布之间的距离进行度量,学习到更加复杂的高维分布,使分类器学习到原数据的总体分布.实验结果表明,WCVAE在经典数据集上相较于现有方法,具有更好的质量.