简介:链路预测是网络信息挖掘的主要研究内容,通过对网络结构和其他信息的分析,挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标.并在此基础上提出了一种基于这8种指标线性组合的度量指标,并经过实验找出了较好的优化参数。然后,提出了基于这8种指标的神经网络模型.并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明.基于FANN库的神经网络模型的预测结果最好,在4个数据集上最高的AUC值分别达到了0。95l8、0.9289、0.7480和0.8677,与单一指标最好的AUC值相比分别提高了3.92%、1.45%、7.06%和24.35%。
简介:在网络终端视频体验过程中,影响用户体验的两个关键指标为初始缓冲等待时间和卡顿缓冲时间,本文结合移动视频传输协议等相关知识,通过机理分析方法,对实验数据进行分析和挖掘,建立了初始缓冲时延映射模型与卡顿时长占比函数模型。并基于视频体验评分测试软件Speedvideo及其网络运营平台,对所在地多个区域进行了综合测试。
简介:以卷积神经网络为代表的深度学习算法在医学影像分析领域正引起广泛美注,并取得了令人惊叹的进步。为了进一步提高卷积神经网络在计算机辅助筛查肺结节应用的准确率,本文设计了2种改良的深度卷积神经网络,这些改进加快了神经网络的训练速度.有效地防止了算法的过拟合。相比只采用二维卷积核的其他检测模型,该模型能够有效地学习到CT影像三维重建后的图像特征。通过实验,改进的检测模型在LUNAl6数据集上的准确率明显好于其他模型,这种网络结构也可用于医学影像领域中其他三维图像的检测场景。最后,构建了一套适用于远程医疗的“计算机辅助肺癌筛查与诊断系统”,该系统能够自动检测出CT影像中肺结节,并给出结节的良恶性概率评估。通过该系统的应用,可以有效缓解放射科医生超高的劳动强度,提高阀片效率,服务更多患者;减少漏诊和误诊发生的次数,有助于提高肺结节的诊断准确率;从而促进我国肺癌早筛工作的推广。
简介:研究了对于三车道的高速公路,自动驾驶汽车对混合交通流的通行能力及安全性的影响。引入变道欲望值、连续刹车率、空间速度方差和时间速度方差的概念,基于交通流元胞自动机模型,针对手动和自动驾驶2种汽车,建立了单向三车道的加减速和换道规则。选取6个评价参数,针对三车道模型,研究了随着自动驾驶汽车比例的增加,车道平均速度、平均速度的方差、交通密度、连续刹车率以及变道次数的变化情况。实验结果表明:在通行能力方面,当自动驾驶汽车的比例持续增加时,整个车道的平均速度、交通密度显著增加,从而大大提高了此交通网路中的通行能力;同时空间速度方差和时间速度方差会显著减少,说明整个交通流的平稳性增加了。在安全表现方面,当自动驾驶汽车的比例持续增加时,整个交通网路中的连续刹车率、变道次数先逐渐增加,然后逐渐减少,从而很好地刻画了安全性。最后分析了模型的优缺点,并指出了改进的方向。
简介:针对介于全局网络与自中心网络间的社群现象及其网络结构的创新悖论,分析了不同层面网络社群结构的涌现特征,从组织间关系的非对称视角,探究网络社群动态变化对双元创新的差异性影响。利用高科技生物制药行业的合作与专利数据,使用快速压缩社群识别算法和多元回归模型进行实证检验。研究结果表明:宏观层面的全局网络存在显著“抱团”的多社群巨元组结构;中观层面的网络社群存在选择偏好的核心-边缘结构;微观层面社群组织动态的跨社群运动和成员流动二维变化加剧;社群动态的二维变化对突破式创新具有正向影响,与渐进式创新呈现倒U型关系;位置非对称性正向调节社群动态对双元创新的影响,技术非对称性的调节作用不显著。研究结论有助于揭示技术创新网络社群的合作创新模式,对提升组织创新能力,维持创新网络平稳运行具有重要意义。
简介:为了解决M/M/c模型在实际运用中模拟精度不高及使用范围有限的问题,本文立足系统状态变化与输入率和服务率的关系,通过引入输入概率和服务度,构建依赖系统状态的递进式输入率和服务率。递进式输入率和服务率通过研究系统实际运行状况设定临界值,其中输入率分为两阶段,服务率分为三阶段。此外,结合递进式输入率和服务率及排队论状态转移过程构建了递进式M/M/c模型,并采用后确定法确定模型参数。递进式M/M/c模型是M/M/c模型的扩展形式,提高了M/M/e模型的模拟精度,在一定程度上拓展了模型的应用范围。最后,通过一个生活实例验证了递进式M/M/c模型的优化性和实用性。