基于时序模体注意力图卷积的动态网络链路预测算法

来源 :计算机应用研究 | 被引量 : 0次 | 上传用户:heephy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
时序网络中的动态链路预测旨在基于历史连边信息预测未来会产生的连边,是网络分析的重要组成部分,具有极大的理论研究价值和广阔的应用场景。针对现有的动态链路预测算法大多基于一阶连边关系预测未来连边,忽略了对高阶的拓扑信息和时序通联信息的挖掘和利用问题,提出一种基于时序模体注意力图卷积的动态链路预测算法。首先,提出一种时序模体邻接矩阵构建算法,利用时序模体抽取节点间的高阶拓扑和时序关系信息;然后利用隐式调节过程对网络演化过程进行建模,并使用时序模体邻接矩阵作为传输矩阵的图卷积神经网络学习节点的低维向量表示并
其他文献
在采用非正交多址接入技术的无线携能通信网络中,窃听者的存在和不同用户配对方式将影响网络的保密能量效率。为寻求保密能量效率最大化支配下的网络资源配置方案,提出了一种改进的群智能搜索算法用于解决此非凸优化问题。改进的群智能搜索算法采用共生生物搜索技术,增强了对可行域的局部搜索能力。仿真结果表明,不同的用户配对方式在单时隙或多时隙场景下具有相异特征,改进后的群智能搜索算法比其他基线算法具有更佳的网络性能
现有的人体体表通信信道模型仅限于单频或UWB频段的体表传输,且只考虑了静态人体姿势下的场景。利用时域有限差分方法建立35种连续姿势下的人体模型,分析动态人体通信信道(HBC)的传输特性。确立了路径损耗与通信距离的正比关系;将修正后的S-V模型作为动态人体信道模型分析多径效应,并进行了验证;最后,根据二阶信息准则确定了平均功率增益的累计概率密度符合对数正态分布。结果与UWB频段下进行对比,人体运动在
业界通常采用路由保护方案来提高域内路由可用性。然而已有的路由保护方案存在下面两个方面的问题:a)没有考虑网络中链路的失效概率,同等对待网络中所有的链路,事实上在互联网中,不同链路的失效概率是不同的,因此应该在路由保护方案中考虑链路的失效概率;b)将保护链路的数量作为设计目标,事实上方面某些链路出错的概率非常低,保护这些链路反而会增加开销,而另一方面某些链路出错的概率非常高,需要重点保护这些链路。因
针对有向视觉传感器网络在保持连通性的前提下使网络覆盖面积最大化的问题,提出了装有鱼眼镜头的传感器网络连通保持覆盖控制策略。首先建立单个有向视觉传感器节点的数学模型和覆盖性能函数,然后确定了链式连通保持策略,该策略通过对比节点左右两侧的覆盖强度H_l(z)和H_r(z)确定运动方向,使网络向外扩散;又通过控制器,使得约束节点的转动角度不超过最大转动角Δθ_(ij),运动步长不会走出链接点■_i的视野
针对无人机航拍图像位姿估计采用单目视觉SLAM(simultaneous localization and mapping)时具有尺度不确定性、大场景下累积误差带来的轨迹漂移以及得到的是一个局部坐标系下的相对位姿问题,提出了一种无人机航拍图像实时位姿估计的方案。首先,实时进行视觉图像的跟踪,通过引入RTK(real-time kinematic)信息得到视觉坐标系与世界坐标系的转换关系并且解决尺度
为了进一步挖掘自适应JPEG隐写图像中隐写噪声信号特征,提出基于噪声感知残差网络的JPEG隐写分析方法。该方法由噪声感知、噪声分析和判断三部分组成。其中,噪声感知部分提取图像噪声,利用图像去噪网络,更加全面地捕获隐写引入的扰动;噪声分析部分获得噪声信息的统计特征;判断部分确定图像是否携带隐写信息。此外,网络中的残差连接有效融合多尺度特征,并防止训练中出现梯度消失和爆炸。多种条件下的对比实验结果表明
为了提高信息嵌入率和实现直接解密后无损恢复原始图像,提出了基于Paillier的可分离密文域可逆信息隐藏算法。首先图像拥有者利用Paillier算法对图像进行加密后上传云服务器;而后信息隐藏者在云服务器中生成三个零矩阵,通过构造尺寸大小为2×2的填充分块进行信息嵌入;接收方根据不同的密钥,实现信息提取与图像解密的可分离。实验结果表明,相比于传统的可逆嵌入算法,该算法直接解密后不会存在失真的现象,并
可交换加密数字水印(CEW)是一种密码和数字水印相结合的技术,用于多媒体信息安全和版权方面的保护。为了保证载体数据的安全性,提出了基于祖冲之(ZUC)的交换加密水印算法。算法采用ZUC序列密码产生密钥,对载体信息进行模运算加密,水印嵌入操作与数据加密操作的先后顺序,不影响含水印密文数据的产生;在提取水印时,可以实现密码和水印操作的交换。实验表明,密文域提取的水印与明文域提取水印一致,含水印图像的质
针对在网络切片场景下以往的VNF(虚拟网络功能)资源分配策略无法满足动态的资源需求,很容易导致资源分配不足或过度分配的问题,提出了一种基于两阶段算法(two-stage algorithm,TSA)的VNF资源需求预测方法。该方法首先基于数据特征筛选出与预测目标高度相关的候选特征集,然后利用贪婪式前向搜索策略对候选特征集进一步筛选获得最优特征集,最终训练出不同类型的预测模型。仿真结果表明,基于该方
针对有监督超分辨率算法训练过程需要大量成对图像、处理真实低分辨率图像视觉恢复效果差等问题,提出了一种基于改进CycleGAN的半监督算法Cycle-SRNet。首先,利用退化模型获得与真实低分辨率人脸相似的图像,用于训练网络参数;其次,通过重建模型恢复出具有真实效果的高分辨率人脸图像;最后引入感知损失函数保持人脸结构相似性,以更好地恢复面部特征。实验结果表明,该算法不需要成对的图像进行网络训练,在