检索结果-南通市图书馆

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

稠密子图挖掘算法与应用

稠密子图挖掘算法与应用

作者：王钢华南理工大学

学位级别：硕士

稠密子图挖掘是图数据分析的一个基础而重要的研究方向,伴随着互联网和社交媒体的快速发展,稠密子图挖掘技术被广泛地应用各种领域中,如社交网络、生物信息学、商业智能等,具有很高的应用价值。给定一个无向图G=(V,E),稠密子图挖掘的目... 详细信息

稠密子图挖掘是图数据分析的一个基础而重要的研究方向,伴随着互联网和社交媒体的快速发展,稠密子图挖掘技术被广泛地应用各种领域中,如社交网络、生物信息学、商业智能等,具有很高的应用价值。给定一个无向图G=(V,E),稠密子图挖掘的目标是从中寻找一个具有一定规模的子图G1=(V1,E1),使得子图G1节点间有足够的边连接。本文在复杂度为O((n+t△)21ogW△)的最大加权三角密度子图挖掘算法(MWTD)基础上进行研究(其中n是原图G的顶点数,t△是原图G的三角形数,W△是所有三角形的权重和),提出了一种新型最大加权三角密度子图挖掘算法(MWTD+)。新算法将有向流图转化为二部图,使用低复杂度的二部图Preflow-Push最大流算法搜索子图。当t△>n时,本文实现的两种MWTD+算法时间复杂度分别为O((nt△+n3)log W△)和O((nt△+n2min(n,(?)))log W△)。新算法不仅可以挖掘出具有最大加权三角密度的子图,而且在大型图上当t△>>n时,极大地降低了 MWTD算法的时间复杂度。后续将MWTD+算法拓展得到新型最大加权k-团密度子图挖掘算法(MWKD+),并通过实验验证了新算法性能。本文还将稠密子图挖掘算法应用到特征选择中。通过使用最大信息压缩指数MICI值衡量样本数据特征间信息冗余度,并基于MICI和稠密子图挖掘问题,提出了一种最大非冗余特征选择算法。该算法首先基于特征间的MICI值创建特征矩阵并建立特征图GF,在特征图上应用新型最大加权边密度子图挖掘算法提取出稠密子图,子图顶点集对应平均边权重最大的非冗余特征组合。实验结果显示,该算法可以过滤掉大量无关和冗余特征,保留原数据集中主要的特征信息,选择的特征集在各种分类模型上表现良好。

关键词：稠密子图图挖掘二部图最大流算法特征选择

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图挖掘的脑网络建模分析及应用研究

基于图挖掘的脑网络建模分析及应用研究

作者：陈楠兰州大学

学位级别：硕士

人脑是自然界中最高级的复杂系统,研究人脑对于脑疾病的治疗,甚至于理解人类智能的本质至关重要。随着核磁共振影像（Magnetic Resonance Imaging,MRI）技术的发展,借助脑影像进行脑研究成为了近年来的研究热点。网络神经科学为研究人... 详细信息

人脑是自然界中最高级的复杂系统,研究人脑对于脑疾病的治疗,甚至于理解人类智能的本质至关重要。随着核磁共振影像（Magnetic Resonance Imaging,MRI）技术的发展,借助脑影像进行脑研究成为了近年来的研究热点。网络神经科学为研究人脑这个复杂系统提供了理论基础,它将脑抽象为一个图（网络）,其不同的区域建模为图的节点,区域之间的关系建模为图的边。脑网络可以根据其源影像数据的类型主要分为:由功能核磁共振影像（functional Magnetic Resonance Imaging,f MRI）构建的功能脑网络和由弥散张量成像（Defusion Tensor Imaging,DTI）构建的结构脑网络等。在人工智能时代,图挖掘和机器学习算法为脑网络的研究提供了有效的研究工具,如图建模、图分类、社区检测、拓扑分析等。在脑网络的背景下,基于其研究现状和图挖掘的相关理论工具,本文建立了模型展开研究,主要贡献如下:（1）为了对比动静态脑网络对于抑郁症的诊断效力,本文提取了动态功能脑网络的时间和空间信息作为特征,进行了抑郁症的辅助诊断。与静态功能脑网络提取的拓扑特征对比,动态特征表现更好。通过对分类决策中的脑区贡献度分析,本研究发现动态功能脑网络的作用机制是其捕捉到了颞回和小脑的动态性,而静态功能脑网络提取到的感觉和视觉区的静态特性可以作为动态功能脑网络特征的补充,结合动态和静态功能脑网络特征构建的抑郁症辅助诊断系统可以达到94.5%的准确率,有望进一步应用于临床诊断中。（2）鉴于动态功能脑网络能更好地区分抑郁症患者与正常人,本文提出了一种动态功能脑网络中组水平重叠社区的检测方法,并将其应用于抑郁症的脑异常发现。本研究发现,抑郁症患者和正常人两组检测到的社区是成对匹配的,但重叠的大脑区域几乎完全不同,这可能意味着抑郁症对社区整体检测的影响不大,而抑郁症患者重叠脑区的改变可能与枢纽（hub）节点的改变有关。与正常人相比,抑郁症患者在5个社区上的活力显著降低,这些社区在功能上可映射为视觉网络、默认模式网络、认知控制网络、双侧边缘网络和听觉网络,这可能有助于更好地理解抑郁症的发病机制。此外,对比传统的方法,本研究的新方法能够检测跨时间窗共享、组内一致且组间匹配的重叠社区,为脑网络的研究提供了便利,且能够很方便的迁移应用到其他精神疾病,甚至是其他哺乳动物的脑网络研究中。（3）为了实现功能和结构脑网络拓扑的联合分析,本文构建了功能-结构多层网络,并定义了全新的层间连接:同质性指数（HI）,之后进一步构建了完整的分析框架。本研究将这套方法应用在了肠易激综合征患者的研究中,主要得到了三个发现:（i）多层网络的层内hub节点在肠易激综合征患者中更脆弱,优先被攻击;（ii）肠易激综合征患者的一些层内hub节点会转化为层间hub节点;（iii）层间hub节点可能受到肠易激综合征严重程度的影响而转换为一般节点。这些发现给肠易激综合征病理带来了一些新的见解,并有望在之后帮助临床医生更好的诊断、治疗肠易激综合征。（4）为了方便利用既有的图挖掘和机器学习算法,而无须借助复杂的融合框架,本文尝试将功能与结构脑网络的融合提前到网络构建阶段,并提出了一种基于消息传递的非线性网络融合算法。本研究将融合后的连通性作为特征应用于抑郁症分类来评估本研究所提出方法的有效性,同时对算法参数分析表明了该方法的鲁棒性。此外,应用本研究的方法也能够为抑郁症的病理研究提供有价值的见解。

关键词：图挖掘动态功能脑网络多模态脑网络

一种基于加权软件行为图挖掘的软件错误定位方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机学报 2016年第11期39卷 2175-2188页

作者：苏小红王甜甜杨劭君马培军哈尔滨工业大学计算机科学与技术学院

已有错误定位方法通常仅给出可疑语句排序而缺少必要的上下文信息,导致难于理解软件失效的产生原因.为了解决该问题,定义了加权软件行为图来表示成功和失败的程序执行路径,由于图中边的权重表示了路径的执行频率,因此与LEAP方法相比,可... 详细信息

已有错误定位方法通常仅给出可疑语句排序而缺少必要的上下文信息,导致难于理解软件失效的产生原因.为了解决该问题,定义了加权软件行为图来表示成功和失败的程序执行路径,由于图中边的权重表示了路径的执行频率,因此与LEAP方法相比,可以较好地分析与循环和递归等结构相关的软件错误.在此基础上,执行基于分支限界搜索的加权软件行为图挖掘算法,识别成功和失败执行之间最有差异的子图来获得错误签名,不但可以有效定位错误位置,还能输出缺陷语句相关的执行路径,从而提供失效产生的上下文.分析Siemens基准测试集和flex程序的结果表明,在检查相同百分比的语句的情况下,文中方法可以比Tarantula方法和LEAP方法定位到更多的错误.特别是对于冗余代码、缺失代码和变量替换,以及会直接改变执行路径类的错误,文中方法具有较高的定位精度.

关键词：错误定位软件行为图图挖掘错误签名分支限界搜索

在线全文

学校读者我要写书评

暂无评论

一种基于图挖掘的LDA改进算法

计算机与现代化 2022年第7期 61-66页

作者：李珊陈妙苗郑晨南京航空航天大学经济与管理学院江苏南京211106

LDA作为文本主题识别领域中使用最广泛的模型之一,其基于词袋模型的假设简单化地赋予词汇相同的权重,使得主题分布易向高频词倾斜,影响了识别主题的语义连贯性。本文针对该问题提出一种基于图挖掘的LDA改进算法GoW-LDA,首先基于特征词... 详细信息

LDA作为文本主题识别领域中使用最广泛的模型之一,其基于词袋模型的假设简单化地赋予词汇相同的权重,使得主题分布易向高频词倾斜,影响了识别主题的语义连贯性。本文针对该问题提出一种基于图挖掘的LDA改进算法GoW-LDA,首先基于特征词对在文本中的共现先后关系构建语义图模型,然后利用网络统计特征中节点的加权度,将文本的语义结构特点和关联性以权重修正的形式融入LDA主题建模中。实验结果显示,GoW-LDA相较于传统LDA和基于TF-IDF的LDA,能够大幅降低主题模型的混淆度,提高主题识别的互信息指数,并且有效减少模型的训练时间,为文本主题识别提供了一种新的解决思路。

关键词：文本主题识别图挖掘潜在狄利克雷分布

基于环型网络模体应用马尔科夫聚类的图挖掘模型

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2017年第9期30卷 803-814页

作者：任永功索全明刘洋辽宁师范大学计算机与信息技术学院大连116081

针对图数据挖掘效率低、精度低等问题,提出基于环型网络模体应用马尔科夫聚类的图挖掘模型.首先,依据输入图的点集,采用Erd o″s-Rényi模型生成随机图,在输入图和随机图的子图挖掘过程中利用向量的加法性质判定环型子图,计算网络模体... 详细信息

针对图数据挖掘效率低、精度低等问题,提出基于环型网络模体应用马尔科夫聚类的图挖掘模型.首先,依据输入图的点集,采用Erd o″s-Rényi模型生成随机图,在输入图和随机图的子图挖掘过程中利用向量的加法性质判定环型子图,计算网络模体的统计特征,判断子图是否为网络模体.然后,求解图中边的绝对贡献值关联矩阵,通过动态阈值法求得阈值,二值化处理该矩阵.最后,对已稀疏化的图进行扩张和膨胀操作,使其达到收敛状态.实验表明,文中模型有效减少运行时间,在保证聚类质量同时提高图挖掘效率.

关键词：图挖掘环型网络模体马尔科夫聚类

在线全文

学校读者我要写书评

暂无评论

基于大数据的图挖掘和偏置协同过滤算法研究

信息技术与信息化 2022年第1期 43-45,49页

作者：黄旭彬广东茂名幼儿师范专科学校广东茂名525000

网络智慧教育体系图挖掘技术和偏执协同过滤算法是当前学习资源获取、分享、分析和学习的重要技术支持和关键平台。使用大数据分析学习者的学习行为和学习情况等特征,并结合图挖掘算法信息检索能力、关键词获取能力和图挖掘向量分类能... 详细信息

网络智慧教育体系图挖掘技术和偏执协同过滤算法是当前学习资源获取、分享、分析和学习的重要技术支持和关键平台。使用大数据分析学习者的学习行为和学习情况等特征,并结合图挖掘算法信息检索能力、关键词获取能力和图挖掘向量分类能力实现教育资源信息共享共建;偏置协同过滤算法通过融合用户活跃程度相似度、融合兴趣相似度实现兴趣用户推荐,同时解决了算法稀疏性和冷启动问题,实现了算法的预测精度和个性化推荐过程。通过协同图挖掘和偏执协同过滤算法,让学习者更精准地找到有共同学习兴趣的学习伙伴,提升学习者对教育虚拟社区的黏性。

关键词：图挖掘协同过滤教育虚拟社区

在线全文

学校读者我要写书评

暂无评论

多样性度量的Top-K区分子图挖掘

计算机科学与探索 2017年第9期11卷 1379-1388页

作者：王章辉赵宇海王国仁李源东北大学计算机科学与工程学院沈阳110819

区分子图可以用来描述复杂的图数据结构和构建高效的图分类模型。提出了多样性度量的Top-K区分子图挖掘问题,避免了挖掘结果之间出现高度相关的子图模式,提高了区分子图模式的可用性。通过组合图结构相似性与支持集相似性约束,给出图模... 详细信息

区分子图可以用来描述复杂的图数据结构和构建高效的图分类模型。提出了多样性度量的Top-K区分子图挖掘问题,避免了挖掘结果之间出现高度相关的子图模式,提高了区分子图模式的可用性。通过组合图结构相似性与支持集相似性约束,给出图模式的多样性度量标准。提出两个高效算法Greedy-TopK和LeapTopK挖掘多样性度量的Top-K区分子图。Greedy-TopK算法采用两阶段的增量式贪婪方法快速挖掘K个区分子图模式。Leap-TopK算法通过在挖掘过程中限制扩展结构相似的图模式,实现了跳跃搜索子图模式空间。实验结果表明,Leap-TopK算法的效率明显优于Greedy-TopK算法;在可用性方面,利用Leap-TopK算法与Greedy-TopK算法挖掘结果构建的图分类器具有相似的分类精度,且都优于传统区分子图挖掘算法产生的结果。

关键词：图挖掘图分类子图模式区分子图多样性

在线全文

学校读者我要写书评

暂无评论

基于图挖掘的文本主题识别方法研究综述

中国图书馆学报 2015年第6期41卷 97-108页

作者：郭红梅张智雄中国科学院文献情报中心

本文通过文献调研分析,将基于图挖掘的文本主题识别方法总结为中心度方法、紧密关联子图查找和图聚类三种,后两者又细分为基于clique子团或类clique子团、基于图拓扑结构或结点属性聚类的方法。中心度方法通过对比文本网络中术语结点的... 详细信息

本文通过文献调研分析,将基于图挖掘的文本主题识别方法总结为中心度方法、紧密关联子图查找和图聚类三种,后两者又细分为基于clique子团或类clique子团、基于图拓扑结构或结点属性聚类的方法。中心度方法通过对比文本网络中术语结点的重要度来实现文本主题的识别,紧密关联子图查找和图聚类方法则是根据文本图中术语结点和边的属性相似度来识别文本核心主题。基于语言文本网络自身特性,如何构建复杂文本关系图来同时揭示术语间的句法、共现和语义关系,如何基于术语关联和图拓扑结构识别其中的紧密关联子团,基于何种标准将紧密关联子团聚类以揭示文本核心主题,都是未来需要进一步深入研究的问题。

关键词：文本主题识别图挖掘中心度 Clique子团

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

结合图挖掘和支持向量机的错误定位

计算机科学与探索 2018年第10期12卷 1614-1621页

作者：陆凯姜淑娟王兴亚中国矿业大学计算机科学与技术学院江苏徐州221116 桂林电子科技大学广西可信软件重点实验室广西桂林541004

已有错误定位方法通常只给出可疑语句的排序列表,缺少错误的上下文信息,导致开发人员难以理解程序失败的原因。对此,提出结合图挖掘和支持向量机(support vector machine,SVM)的软件错误定位方法。首先,根据程序调用信息将程序建模为加... 详细信息

已有错误定位方法通常只给出可疑语句的排序列表,缺少错误的上下文信息,导致开发人员难以理解程序失败的原因。对此,提出结合图挖掘和支持向量机(support vector machine,SVM)的软件错误定位方法。首先,根据程序调用信息将程序建模为加权行为图;其次,应用支持向量机提取频繁边对所有执行分类,并通过分类精度的变化度量方法的可疑度,最终生成一个可疑方法集合帮助开发人员判断错误位置。实验结果显示使用频繁边作为特征执行分类保持或者提升了分类精度,表明了方法的有效性。

关键词：错误定位程序行为图图挖掘支持向量机