您的位置: 专家智库 > >

中国博士后科学基金(2012M521776)

作品数:5 被引量:28H指数:4
相关作者:孙鹤立黄健斌齐俊杰康剑梅张盼盼更多>>
相关机构:西安电子科技大学西安交通大学南京大学更多>>
发文基金:中国博士后科学基金国家自然科学基金中央高校基本科研业务费专项资金更多>>
相关领域:自动化与计算机技术理学更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 4篇自动化与计算...
  • 1篇理学

主题

  • 2篇子图
  • 1篇动力学模型
  • 1篇移动对象轨迹
  • 1篇语义
  • 1篇语义特征
  • 1篇数据挖掘
  • 1篇图数据挖掘
  • 1篇频繁子图
  • 1篇频繁子图挖掘
  • 1篇离群点
  • 1篇离群点检测
  • 1篇力学模型
  • 1篇模式树
  • 1篇聚类
  • 1篇聚类方法
  • 1篇类方
  • 1篇广度优先
  • 1篇轨迹预测
  • 1篇闭包
  • 1篇NETWOR...

机构

  • 4篇西安交通大学
  • 4篇西安电子科技...
  • 2篇南京大学
  • 1篇北京邮电大学
  • 1篇计算机软件新...

作者

  • 4篇黄健斌
  • 4篇孙鹤立
  • 1篇张盼盼
  • 1篇康剑梅
  • 1篇刘玮
  • 1篇齐俊杰
  • 1篇刘怀亮
  • 1篇邹建华
  • 1篇陈强
  • 1篇周瑜
  • 1篇王鹏

传媒

  • 1篇计算机研究与...
  • 1篇小型微型计算...
  • 1篇Chines...
  • 1篇计算机科学与...
  • 1篇中国科学:信...

年份

  • 1篇2015
  • 3篇2014
  • 1篇2013
5 条 记 录,以下是 1-5
排序方式:
检测最大密度子图的局部广度优先扩张与收缩方法
2014年
最大密度子图检测是一个重要的图挖掘问题,目前已经应用在诸如互联网、生物科学及图像处理等多个领域.在传统的最大密度子图检测算法基础上,提出一种新的基于局部广度优先扩张与收缩算法.首先,选定图中的最优结点,并从该结点出发做广度优先扩张;其次,对上面所得到的扩张结点集合进行收缩,从而得到当前迭代过程的局部最大密度子图;最后,在该局部最大密度子图相对于原图的补图上不断进行上述迭代,每次记录当前平均密度最大的子图,直至补图为空.该算法利用局部邻域优势,有效地提升了最大密度子图的平均密度.通过实验结果表明,与同类算法相比,利用该算法所得到的最大密度子图的平均密度更大.此外,通过实验表明,该算法与同类算法相比还具有更好的稳定性和适应性.
孙鹤立王鹏周瑜刘怀亮黄健斌
关键词:图数据挖掘
融合语义特征的移动对象轨迹预测方法被引量:7
2014年
提出一种融合语义特征的移动对象轨迹预测方法.该方法首先将用户的地理位置轨迹转化成语义轨迹,挖掘出语义模式集,同时在语义轨迹中分析用户的移动行为和规律,将具有相似语义行为的用户进行聚类,并挖掘出每个聚类的地理模式集.然后,基于挖掘到的用户个体语义模式集和相似用户地理模式集,构造用来索引和局部匹配的模式树STP-Tree和SLP-Tree.通过对STP-Tree和SLP-Tree的索引和局部匹配,引入一个加权函数实现给定对象运动的语义位置预测.此方法在传统的地理模式预测方法的基础上融合语义特征,可以有效地提取用户的语义活动行为,克服地理位置点特征的局限.在大量真实和人工轨迹数据集上的实验结果表明:该方法的预测准确率较传统方法均有显著提高.
黄健斌张盼盼皇甫学军孙鹤立
关键词:轨迹预测语义特征模式树
一种基于同步动力学模型的层次聚类方法被引量:7
2013年
本文基于建模同步动力学行为的Kuramoto模型提出了一种新的有效层次聚类方法.本文提出的方法基于局部邻域的概念,能够实现稳定的局部同步聚类.通过不断扩大对象同步的邻域半径,所提出的方法能够实现层次化的同步聚类.此外,提出对象邻域闭包的概念,在对象间到达完全同步之前就能预测出聚类的形成,从而减少对象动态交互的时间.本文的方法不依赖于任何数据分布假设,无需任何手工参数设置,可以检测出任意数量、形状和大小的聚类.由于同步过程能够有效地规避离群点,该方法有较强的噪声数据抑制能力.在大量真实数据集和人工合成数据集上的实验结果表明本文的方法聚类准确率高,且运行时间较同类基准算法显著缩短.
黄健斌康剑梅齐俊杰孙鹤立
关键词:层次聚类离群点检测
Detecting overlapping communities in networks via dominant label propagation被引量:10
2015年
Community detection is an important methodology for understanding the intrinsic structure and function of a realworld network. In this paper, we propose an effective and efficient algorithm, called Dominant Label Propagation Algorithm(Abbreviated as DLPA), to detect communities in complex networks. The algorithm simulates a special voting process to detect overlapping and non-overlapping community structure in complex networks simultaneously. Our algorithm is very efficient, since its computational complexity is almost linear to the number of edges in the network. Experimental results on both real-world and synthetic networks show that our algorithm also possesses high accuracies on detecting community structure in networks.
孙鹤立黄健斌田勇强宋擒豹刘怀亮
利用MapReduce平台实现高效并行的频繁子图挖掘被引量:4
2014年
频繁子图挖掘是数据挖掘领域的一个重要问题,并且有着广泛的应用。在Hadoop平台上实现了一种基于MapReduce的高效频繁子图挖掘算法Cloud-GFSG(cloud-global frequent subgraph)。该算法基于Apriori思想,在扩展边生成新的子图时,使用已经挖掘出的k-1阶的频繁子图生成k阶的频繁子图。同时,检查是否存在待扩展生成的子图,设定生成的频繁子图表示规则,保证了频繁子图信息的唯一性。较同类算法相比,该算法在挖掘频繁子图时更具通用性,并且在扩展边时避免产生大量的复制图,从而使得算法的正确性得以保证,且运行效率显著提高。
孙鹤立陈强刘玮黄健斌邹建华
关键词:频繁子图挖掘MAPREDUCEHADOOP平台
共1页<1>
聚类工具0