检索结果-南通市图书馆

作者：丁海洋西京学院

学位级别：硕士

互联网时代的到来,国内的网民数量与日俱增,网络在给人们带来极大便利的同时,也出现了信息过载导致人们无法快速有效查阅到所需的资料,推荐系统便成为有效解决信息过载问题的方法之一。IT行业的迅速崛起,致使越来越多的人愿意从事计算... 详细信息

互联网时代的到来,国内的网民数量与日俱增,网络在给人们带来极大便利的同时,也出现了信息过载导致人们无法快速有效查阅到所需的资料,推荐系统便成为有效解决信息过载问题的方法之一。IT行业的迅速崛起,致使越来越多的人愿意从事计算机行业,同时行业内工作人员需要不断的学习新的技术知识来应对IT技术的快速更新迭代,面对这种需求,技术文章推荐平台应运而生。可当下国内主流的推荐平台仍存在诸多问题,给用户的针对性推荐不够明显。同时传统的推荐算法较为单一,例如:基于内容的推荐不能及时捕获用户兴趣的变化,协同过滤算法中计算相似度时比较粗糙且计算开销较大。针对上述问题,并结合实习期间某企业的实际项目,为了开发出满足需求的互联网技术类文章推荐系统,本文的主要研究内容如下:为了改善相似度计算粗糙的问题,本文将网络社区的思想与协同过滤算法相结合,提出基于社区发现的推荐算法。首先建立文本模型计算文章间的相似度,同时建立用户行为矩阵,通过改进的余弦公式计算用户间的相似度,将二者加权得到用户综合相似度,设定相似度阈值并建立用户关系网络模型。其次根据Louvain算法对模型进行社区划分,划分后同一社区内的用户兴趣相似,对同一社区内的用户,采用协同过滤算法并根据用户兴趣度公式进行文章推荐。在选择近邻用户集时,不再是针对整个网络,仅需计算社区内用户间的相似度,缩小了近邻用户的计算范围。最后通过在Zhihu Rec与财新网新闻两个数据集上进行实验评估,证明本文提出的基于社区发现的推荐算法能有效提高选择近邻用户集与文章推荐的准确率。本文还对基于社区发现的互联网技术类文章推荐系统做了详细设计,该系统包含5个模块,分别为:数据爬取模块、数据预处理模块、社区模型构建模块、社区发现推荐算法模块与推荐展示模块。数据爬取模块为系统做底层数据支撑,采用了Scrapy框架爬取CSDN博客平台各专栏下的文章,开发了爬虫脚本并实现了GUI界面。数据预处理模块主要用于提取文章的特征词。社区模型构建模块根据设计的相似度计算方法及设定的相似度阈值建立用户社区模型。社区发现推荐算法模块采用Louvain算法对模型进行社区划分并筛选出近邻用户集,再利用协同过滤算法为社区内用户生成个性化推荐列表。推荐展示模块负责数据的页面渲染。本文最后根据上述的所有设计与技术,实现了基于社区发现的互联网技术类文章推荐系统,并经系统测试验证,该系统的功能与性能均达到预期要求。

关键词：社区发现算法用户关系网络模型用户兴趣推荐系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

移动平台恶意软件检测算法的设计与实现

移动平台恶意软件检测算法的设计与实现

作者：邵福骏电子科技大学

学位级别：硕士

随着数字技术的快速发展,移动终端的性能越来越高,人机交互越来越智能,特别是随着5G技术的逐步普及,网速也不再是移动终端用户体验的瓶颈。技术的发展给人们带来便利的同时,也为恶意应用提供更加坚实的软硬件环境。因此,手机安全防护在... 详细信息

随着数字技术的快速发展,移动终端的性能越来越高,人机交互越来越智能,特别是随着5G技术的逐步普及,网速也不再是移动终端用户体验的瓶颈。技术的发展给人们带来便利的同时,也为恶意应用提供更加坚实的软硬件环境。因此,手机安全防护在安全领域的地位愈发重要,甚至已经成为国家安全的重要组成部分。PC端基于机器学习的恶意软件检测技术日渐成熟并且达到了较高的准确率,但在移动端防护方面受限于相对有限的计算资源,依旧处于一个较为薄弱的境地。而在机器学习算法特征选择的众多研究中,系统调用序列逐渐成为研究人员最常使用的动态特征之一。但现有系统调用序列的获取方法大多基于模拟软件对安卓应用的随机操作,该方法产生的系统调用序列随机性极高且存在较大噪声,对检测效果造成不小的影响。本文针对上述问题,采用移动端检测和PC端检测相结合的二级风险评判机制。在移动端提出一种轻量级的恶意软件检测方法,以满足计算资源有限的条件下对安卓应用进行第一级风险评判;而在PC端第二级风险评判中提出了一种基于方法调用图的恶意家族聚类算法,该算法克服了系统调用序列随机性大的不足,同时不局限于安卓应用良性或恶意二分类的研究,进一步探索了方法调用图在恶意家族聚类上的效果,对于摸清同一恶意软件家族的恶意行为规律,更有针对性的做好手机安全防护工作有着积极的作用。具体工作内容如下:(1)提出了一种轻量级的移动端恶意软件检测方法。权限是安卓恶意软件静态检测最常使用的特征之一。随着安卓系统的不断升级,安卓权限的数目也不断增加。安卓系统的权限机制要求应用必须显示的申请想要使用的权限,而良性和恶意安卓应用在申请权限的种类和数量上存在明显的差别。相比良性安卓应用,恶意应用需要更多的敏感权限。但是,存在部分权限在恶意或良性安卓应用中几乎都没有被使用,也有一部分权限几乎被所有安卓应用申请,还有部分权限之间往往成对出现,存在着明显的关联性。基于上述分析,同时为了适应移动端轻量级的需求,本文提出了一种基于信息熵和关联规则的特征选择算法,引入信息论中信息熵的概念,放弃对恶意检测贡献度低的部分权限,并结合关联规则算法,挖掘权限之间的强关联规则,进行特征选择。(2)提出了一种基于方法调用图的恶意家族聚类算法。应用程序接口(API)是衔接开发人员与底层系统的桥梁,开发人员通过调用不同的API完成不同的功能。良性安卓应用聚焦于给用户更好的使用体验,API的使用风格简单高效;而恶意应用则更加热衷于窃取、传输私密数据,甚至会尝试获取移动设备的控制权,势必会涉及大量敏感操作。因此,良性安卓应用和恶意安卓应用在API的使用种类和频率上同样存在较大区别。基于上述分析,本文利用污点分析框架构建安卓应用的方法调用图,提出了一种基于社区发现算法和图嵌入技术的恶意程序检测算法,并构建样本关系图,再通过对样本关系图进行社区发现的方法,完成恶意家族的聚类。该算法采用无监督的学习方式,更有利于发现新的恶意家族。(3)设计并实现了智能移动终端恶意程序主动检测系统。该系统分为移动端和云端两部分,采用二级风险判断的方式对样本进行检测。移动端负责第一级风险判断,基于已经训练好的检测模型,完成安卓应用的特征提取和静态检测,将风险较高的应用上传至云端检测平台进行二次评估;云端检测平台负责疑似样本的二级风险判断,给出最终结果并分类存储。考虑到移动端计算资源(例如:电量、内存等)有限的弊端,本系统在云端完成静态检测模型的训练,训练完成后迁移到移动端使用。

关键词：特征选择恶意家族聚类社区发现算法图嵌入

基于深度学习的稻瘟菌水稻互作相邻组学间关系挖掘算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的稻瘟菌水稻互作相邻组学间关系挖掘算法研究

作者：袁帅吉林大学

学位级别：硕士

稻瘟菌是影响水稻产量的主要病原菌之一。因此,寻找长效且广谱的稻瘟菌病防治方法十分重要。然而,稻瘟菌侵染水稻是一个复杂的生物过程,需要从多个组学层面来研究其生物分子互作过程,才能全面理解其内在机制。因此,研究基于稻瘟菌和水... 详细信息

稻瘟菌是影响水稻产量的主要病原菌之一。因此,寻找长效且广谱的稻瘟菌病防治方法十分重要。然而,稻瘟菌侵染水稻是一个复杂的生物过程,需要从多个组学层面来研究其生物分子互作过程,才能全面理解其内在机制。因此,研究基于稻瘟菌和水稻互作相邻组学间关系挖掘算法有助于分析数据之间的相关性,识别各组学致病标志物和数据集之间的相互关系,是挖掘真菌致病标志物内在联系的有效方法。通过这种方法,我们可以更全面地了解稻瘟菌和水稻的互作机制,从而为寻找更有效的防治方法提供理论基础和指导意义。本文采用深度学习方法,从水稻和稻瘟菌的基因组学、转录组学、蛋白组学互作对出发,横向构建每个组学的调控网络。同时,利用稻瘟菌调控关系互作对作为纵向数据基础,构建整体多组学共调控网络。通过挖掘共调控网络中的关键调控模块,阐明了稻瘟菌对水稻侵害的过程。首先,论文采用不同的方法针对不同组学数据进行互作对构建,得到基因组学互作对1678个、转录组学互作对4413个、蛋白组学互作对15860个,以及稻瘟菌调控关系互作对866个。其次,本文提出了一种新的挖掘多组学共调控模块的算法M-GAL(Multi-omic Graph Autoencoder&Louvain),该算法结合了MHAVGAE(Multi-head Adversarial Variational Graph Autoencoder)和AR-Louvain(Adaptive-Rules Louvain)算法,利用多头图注意力机制的图自编码器和自适应规则社区发现算法可以实现更加准确的社区划分,具有更高的效率和精度。M-GAL通过横向挖掘每个组学中的关键因子,并在纵向上构建多组学共调控模块,从而实现对多组学数据的全面分析。最后,通过分析共调控模块的GO功能模块和KEGG富集通路,深入挖掘稻瘟菌侵染水稻过程中的调控网络和核心调控因子。本研究结果表明,稻瘟菌不仅对水稻蛋白质合成和运输产生影响,还会干扰水稻代谢过程并利用水稻的营养物质为其生存提供支持。由此可见,稻瘟菌侵染对水稻的影响是广泛的,不仅局限于蛋白质合成和代谢。虽然目前使用深度学习算法构建多组学共调控网络以分析稻瘟菌对水稻影响的方法存在着一定的不足,但是本文提出的一种新的基于深度学习的多组学共调控算法M-GAL能够更加高效、低成本地挖掘致病因子,并为预防和治疗植物真菌病提供全新的研究思路。此外,本研究还揭示稻瘟菌在侵害水稻过程中的重要调控分子和作用机理。这些新的发现为制定全面、长期有效的防治策略和提高农作物的抗病能力提供了有力的支持。同时,本文研究成果将有助于进一步深入研究植物病害的发生和防治机理,从而为农业生产提供更多有价值的科学参考。

关键词：稻瘟菌水稻多组学图注意力机制图自编码器社区发现算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于群体行为的移动边缘计算协同缓存研究

基于群体行为的移动边缘计算协同缓存研究

作者：舒鹏南京航空航天大学

学位级别：硕士

移动边缘缓存是移动边缘计算(Mobile Edge Computing,MEC)中的核心技术,可以有效缓解移动网络负载压力。现有的大多数工作在制定缓存策略时仅考虑单一用户的位置或访问偏好特性,忽略了用户间的相似关系,导致缓存策略制定难度增大、缓存... 详细信息

移动边缘缓存是移动边缘计算(Mobile Edge Computing,MEC)中的核心技术,可以有效缓解移动网络负载压力。现有的大多数工作在制定缓存策略时仅考虑单一用户的位置或访问偏好特性,忽略了用户间的相似关系,导致缓存策略制定难度增大、缓存针对性不强。然而,现实场景中移动用户间由于具有一定的社交关系和相似的网络访问行为存在群体特征,客观上形成了移动社区网络。挖掘移动社区网络中用户群体结构,针对具有相似兴趣或行为的用户群体在群体用户经常活动的位置缓存感兴趣的内容不仅可以提升资源利用率,还可以更好地满足用户的访问需求、极大地缓解链路压力。论文的主要贡献和内容如下:(1)对于传统的社区发现(Community Detection,CD)算法难适用于包含多种实体和关系的移动社区网络的问题,论文提出了一种融合多维信息的移动社区发现算法(BNMF-NF)。首先通过用户通话记录(Call Detail Record,CDR)和移动网络访问记录(Usage Detail Record,UDR)进行了用户行为描述,分析了移动用户的社交行为和网络访问行为,构建了基于用户行为的移动社区网络模型。根据用户社交关系、访问位置偏好关系和访问内容主题偏好关系分别构建了社交相似网络、位置偏好相似网络和主题偏好相似网络,采用网络融合(Network Fusion,NF)技术融合多维相似关系构建用户行为相似网络,并改进了有界非负矩阵分解(Bounded Nonnegative Matrix Factorization,BNMF)算法来对用户行为相似网络进行矩阵分解,从而确定最优的用户群体结构。(2)将移动社区网络中运用BNMF-NF社区发现算法发现的用户群体结构应用于移动边缘缓存中,提出了一种基于群体行为的移动边缘计算协同缓存方法(Group Behavior-Based Collaborative Caching for Mobile Edge Computing,GBCC)。首先建立了基于群体的协同缓存模型,分析了本地优先访问的访问时延,并以最小化的平均访问时延为目标建立多约束优化问题,该问题是一个NP难问题。论文设计了启发式搜索算法对问题进行求解,将用户群体结构映射到基站构建了边缘节点缓存协作域,并提出了缓存增益度量标准,以贪心迭代策略对问题求局部最优解从而实现缓存内容的放置位置优化。论文选取某市电信运营商提供的匿名移动网络访问记录数据集和生成的通话记录数据集作为数据源并进行筛选处理,对提出的BNMF-NF社区发现算法和GBCC协同缓存方法进行仿真实验。结果表明,论文提出的社区发现算法能够有效发现移动社区网络中具有相似行为特征的用户群体结构,并且提出的协同缓存方法能够有效降低平均访问时延、提高整体缓存命中率。

关键词：移动边缘计算非负矩阵分解社区发现算法协同缓存贪心迭代策略

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于网络嵌入的复杂网络社区发现及应用

基于网络嵌入的复杂网络社区发现及应用

作者：薛堃太原理工大学

学位级别：硕士

网络(图)是一种非常强大的语言,用于表示社会、自然和学术领域中对象之间的关系,在现实生活中的许多系统都可以抽象为复杂网络,从网络结构的数据中提取隐藏信息有助于理解相应的系统。其中社区结构是复杂网络中一种重要的结构拓扑特性,... 详细信息

网络(图)是一种非常强大的语言,用于表示社会、自然和学术领域中对象之间的关系,在现实生活中的许多系统都可以抽象为复杂网络,从网络结构的数据中提取隐藏信息有助于理解相应的系统。其中社区结构是复杂网络中一种重要的结构拓扑特性,对复杂网络中社区结构的研究有着十分重要的意义。早期的社区发现算法主要基于网络结构拓扑分析,随着网络规模的不断增长,基于网络拓扑的社区发现算法已经不再适用于大规模的网络,而网络嵌入学习具有诸多优势,逐渐成为网络分析的一个重要方法。网络嵌入算法的目的是将网络的节点映射到一个低维特征空间中,同时保持网络的拓扑结构、节点信息等等,经过网络嵌入算法后,每个节点都具有一个节点表示向量,这样就可以使用基于矢量的机器学习算法对网络进行分析。网络嵌入算法有着无穷的潜力,然而仍然存在着很多挑战。在社区检测方面,大多数的网络嵌入算法只关注节点的一阶接近度及二阶接近度,往往忽略了复杂网络的社区结构特征,而社区结构是复杂网络中一个重要的特征,所以网络嵌入算法需要关注复杂网络的社区结构特征,本文的研究旨在解决大多数网络嵌入算法缺乏保留社区结构特征的问题,本文主要研究的内容如下:(1)针对网络嵌入算法中缺乏对社区结构特征关注的问题,本文提出了一种基于竞争游走的网络嵌入算法(CWNE),用于复杂无向无权网络的社区发现。该算法明确地考虑了社区结构特征提取,首先通过竞争行走提取样本序列,通过Skip-gram训练获得节点表示向量。竞争行走使提取的样本序列集中在同一社区中,有效地保存了网络的社区结构特征。在真实数据集和LFR基准网络的进行实验,结果表明该模型在无向无权网络的社区发现方面可以取得较好的结果。此外,可视化实验表明,CWNE使来自同一社区的节点在低维空间中分布更紧密。(2)为了进一步拓展CWNE的适用范围,针对无向加权网络的特点,提出一种适用于加权网络的嵌入算法W-CNWE,用于无向加权网络的社区发现。该算法主要针对在加权网络提取样本序列时,粒子会陷入反复游走的情况,本文改进了其游走方式,在粒子经过某条边后,会暂时修改该边的权重值,从而避免粒子回到原来的节点。在真实数据集上的测试结果表明,该模型在无向加权网络的社区发现方面可以取得较好的结果。(3)为了验证提出的社区发现算法CWNE的实用价值,设计了基于社区结构的无线传感器网络的路由协议CWNE-LEACH,在经典无线传感路由协议LEACH的基础上,优化了传感器节点的通信过程。首先利用k-近邻建立无线传感器网络的拓扑结构,利用形成的社区结构代替每轮的成簇过程;在选择簇头时,在社区内部选举剩余能量最高的无线传感器作为簇头。实验证明,在相同的数据传输条件下,在CWNE-LEACH协议中会有更多的节点存活,保证无线传感器网络的正常运行,延长了无线传感器网络的寿命。

关键词：复杂网络社区发现算法网络嵌入算法竞争游走无线传感器网络路由协议

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于社区发现的网络舆论导向系统研究与应用

基于社区发现的网络舆论导向系统研究与应用

作者：韩瑞凯北京交通大学

学位级别：硕士

谴着网络技术的发展和普及,互联网已经深入到人们生活的各个方面,如何有效地对网络舆论进行引导逐步成为决策者或舆论监督部门面临的重大课题。社区发现技术的研究与应用已经成为复杂网络领域的研究热点。社区发现技术的研究有助于深入... 详细信息

谴着网络技术的发展和普及,互联网已经深入到人们生活的各个方面,如何有效地对网络舆论进行引导逐步成为决策者或舆论监督部门面临的重大课题。社区发现技术的研究与应用已经成为复杂网络领域的研究热点。社区发现技术的研究有助于深入了解网络结构、分析网络特性,这对于理解网络的结构和功能特性有深刻的理论和现实意义。首先,本文研究了复杂网络领域的相关理论知识,包括研究模型、基本性质、社区结构等,并深入剖析目前主要的社区发现算法,总结出存在的问题和改进的方向。此外,对社会网络分析法的基本概念、研究方法、研究内容和常用参数进行了分析总结,重点研究其在网络舆论研究方面的价值。其次,在社会网络分析法基础之上,利用用户威望度、中心度、中介度、紧密度等参数,并结合网络舆论领袖分析方法,进而设计并利用Java编程实现了一种基于社会网络分析法的网络舆论领袖挖掘方案,实现对互联网用户活跃度和领导力的分析。为进一步发现网络舆论主导团体奠定基础。再次,本文在社区发现算法研究现状的基础上,从网络舆论研究角度出发,引入兴趣概率树,提出并实现了一种基于社区发现的网络舆论团体挖掘算法,并与GN算法进行实验对比,结果表明,本文算法提高了社区结构划分的准确性并降低了算法的时间复杂度。最后,基于以上工作,在网络舆论领袖挖掘和网络舆论团体挖掘研究基础之上,本文实现了网络舆论主导团体的挖掘功能,并进一步设计实现网络舆论主导团体分析系统,通过系统运行实验验证了其可行性和有效性。

关键词：社区发现算法兴趣概率树舆情领袖舆论团体层次聚类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于交互模块度的带权图网络社区发现

基于交互模块度的带权图网络社区发现

作者：王书凯云南大学

学位级别：硕士

网络社区发现是近些年计算机科学领域比较热门的研究课题,与此同时,不仅仅在计算机科学领域,自然科学和社会科学的其他领域或者分支方向内的专家学者们都对它进行着不懈的探索。从1736年欧拉给出哥尼斯堡七桥问题解法开始,科学家、数学... 详细信息

网络社区发现是近些年计算机科学领域比较热门的研究课题,与此同时,不仅仅在计算机科学领域,自然科学和社会科学的其他领域或者分支方向内的专家学者们都对它进行着不懈的探索。从1736年欧拉给出哥尼斯堡七桥问题解法开始,科学家、数学家以及研究者们对图和它的性质的相关研究就一直在进行着,从未间断。自上个世纪30年代以来,对社会网络的研究一直是社会学领域研究的重要课题。在社区划分的各类算法中,大部分的算法都是在无权无向网络的基础上进行社区的划分,然而现实世界中的社会网络有一些是带权的和有向的,基于这样一个考虑,我们认为开展在带权值社会网络上的社区发现工作具有一定的实际意义,这在某种程度上也符合现实世界的客观需要和发展要求。本文所做的工作和主要的创新点如下所示：(1)首先,在当前基于带权值的社会网络上的社区发现研究并不多的情况下,以带权值的社会关系网络为研究对象,将网络社区内成员顶点之间的交互方向和交互权值考虑到社区划分的过程中;在交互度概念和度量方法的基础上,对社区划分结果度量的模块度方法进行改进,提出了交互模块度的概念、定义和计算公式,以此来对带权值的社会网络划分结果进行考量和评价。(2)根据交互模块度的定义和计算方法,设计了一个分裂式的基于贪心选择策略的社区发现算法。该算法设计的初衷是能够对带权值的社会网络结构进行社区发现工作,并根据交互模块度值的不同来寻找到最大的交互模块度值及其对应的划分结果。这个最大交互模块度值对应的划分即是与实际情形比较相符的划分,基本能够较好地反映真实的网络社区结构。(3)利用基于交互模块度设计的社区发现算法进行实验,在实际的带权值的社会关系网络上进行验证。我们分别在空手道俱乐部网络、海豚网络等带权值的网络上进行了验证,得到划分结果与实际的情形有一定的偏差,但是总体来说还是比较符合实际的网络社区结构的。实验表明,交互模块度能够较理想地对带权值的社会网络划分结果进行考量。本文中提出的基于带权值社会关系网络的IMC模块度能较好地度量划分出的社区与实际情况的吻合程度,并且在Zachary空手道俱乐部网络、海豚网络和Sade恒河猴网络上都进行了有效性的验证,这表明交互模块度在对带权值社会网络的划分结果进行衡量的工作中是有效的。我们能够利用交互模块度在有限的时间和步骤中根据贪心选择的策略寻找到近似最优的网络社区发现结果。

关键词：带权值社会网络交互模块度贪心选择社区发现算法

基于结构磁共振形态学的自闭症脑发育及行为学研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于结构磁共振形态学的自闭症脑发育及行为学研究

作者：吴鹏杭州电子科技大学

学位级别：硕士

自闭症是一种高度异质性的神经发育疾病,其症状的严重程度呈个体差异。目前自闭症的诊断和评测仍然具有一定的主观性。研究表明,结构磁共振形态学能够为自闭症的诊断和评测提供客观依据,多项研究发现自闭症的大脑发育与大脑结构的异常... 详细信息

自闭症是一种高度异质性的神经发育疾病,其症状的严重程度呈个体差异。目前自闭症的诊断和评测仍然具有一定的主观性。研究表明,结构磁共振形态学能够为自闭症的诊断和评测提供客观依据,多项研究发现自闭症的大脑发育与大脑结构的异常有关。因此,基于结构磁共振图像探究自闭症的脑发育和行为特征,对理解其神经生物学机制,建立自闭症的客观诊断和评测模型具有重要意义。目前自闭症的大脑发育研究和行为学研究多基于公开的脑图谱,已有脑图谱尺度的研究可能缺乏脑区内部精细结构的信息。本文基于结构磁共振成像数据提取大脑的顶点形态学特征,基于公开的标准脑图谱构建了更精细的高分辨率脑图谱。本文从标准脑图谱和高分辨率脑图谱两个视角,基于形态学特征预测脑龄探究自闭症的大脑发育,基于形态学特征预测行为学指标探究自闭症行为特征与其大脑结构的关系。具体研究内容分为以下三个模块:(1)高分辨率脑图谱的构建。为了细化已有脑图谱的分区,研究脑区内部的结构信息对自闭症大脑发育和行为学特征的影响,本文基于结构磁共振数据的形态学特征建立高分辨脑图谱。在标准脑图谱的每个脑区中,通过顶点的形态学特征建立形态连接网络。根据模块度选择算法效果最好的社区发现算法划分形态连接网络,将分割结果映射到标准脑空间中完成整个高分辨率脑图谱的构建。通过此研究,标准脑图谱的每个脑区被划分为不同数量的亚区,可以揭示脑区内部的结构信息。此研究的高分辨脑图谱是后续探索自闭症脑发育机制和预测自闭症行为学的基础。(2)自闭症大脑发育研究。自闭症大脑发育与大脑结构的关系一直是研究的重点,本文基于两种脑图谱的形态学特征建立脑龄预测模型,探究自闭症组和正常对照组大脑发育的差异。标准脑图谱实验表明,右脑:内嗅区、舌回,左脑:内嗅区、下顶叶、海马旁回共5个脑区与正常对照组具有显著发育差异(P发现更多影响自闭症大脑发育的脑区。(3)自闭症行为学研究。为了研究自闭症行为特征与其大脑结构的关系,本文基于两种脑图谱的形态学特征建立自闭症观察量表(Autism Diagnostic Observation Schedule,ADOS)指标预测模型。标准脑图谱实验表明,形态学特征只对ADOS刻板行为分数具有预测作用(r=0.28,P<0.01)。高分辨脑图谱实验表明,在ADOS的4种行为学指标中,某些脑区表现出一定的预测能力,并且左脑的脑区数量多于右脑的脑区数量。综上所述,自闭症的行为表现与其大脑结构具有相关性,高分辨率脑图谱作为一种更加精细的脑图谱,在研究自闭症行为学的大脑结构机制中具有重要意义,有利于阐明自闭症相关脑机制,并辅助建立客观诊断和评测模型。综上所述,自闭症的大脑发育与正常对照组存在显著差异,这与自闭症大脑结构的异常有关;自闭症的行为学特征(社交障碍、沟通障碍、刻板行为)与大脑结构具有相关性。本文提出一种新的脑图谱划分方法,将标准的脑区划分为更精细的亚区,通过亚区形态学特征建立预测模型,揭示了更多影响自闭症大脑发育和自闭症行为学的大脑结构特征。基于形态学特征构建的高分辨脑图谱的自闭症研究有助于理解其内在的神经及脑机制。

关键词：自闭症形态学特征脑龄行为学社区发现算法 Lasso算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图特征的欺诈检测方法研究与应用

基于图特征的欺诈检测方法研究与应用

作者：施朝浩浙江大学

学位级别：硕士

随着互联网和金融的不断融合与发展,衍生出了互联网理财、移动支付等各种产品,拉近了人们与金融之间的距离。同时,也产生了大量的金融欺诈行为,给人们和金融机构造成了巨大的经济损失。通过在线欺诈检测技术可以快速、有效地防止欺诈交... 详细信息

随着互联网和金融的不断融合与发展,衍生出了互联网理财、移动支付等各种产品,拉近了人们与金融之间的距离。同时,也产生了大量的金融欺诈行为,给人们和金融机构造成了巨大的经济损失。通过在线欺诈检测技术可以快速、有效地防止欺诈交易,减少损失。在实际应用中,欺诈检测需要满足实时性、高效性、稳定性和可解释性。为了满足以上需求,目前工业界通常先使用流处理技术计算历史交易数据以得到累积特征,再使用分类算法训练以获得检测模型。而随着图理论的不断发展,图算法在欺诈检测领域发挥了越来越重要的作用。本文先介绍了立论的相关背景与意义,同时介绍了目前领域的研究现状。之后详细阐述了图数据库、社区发现算法、Spark分布式计算框架和随机森林算法等相关技术。本文在交易数据集上使用Neo4j图数据库来实时获取图结构特征,并使用图并行计算技术实现了Louvain和BMLPA两种算法来获取社区特征。通过将图结构特征和社区特征引入到分类算法中,提高了模型的检测效果。本文的主要贡献有:1)提出了在工业界常用特征的基础上引入图结构特征与社区特征的方法论,通过在真实交易数据集上的大量实验,验证了此方法显著提升了模型欺诈检测的效果;2)在GraphX分布式图计算框架下实现了社区发现算法的并行化,并将其应用于交易数据集来获取社区特征;3)设计并实现了基于图数据库实时抽取图结构特征的方法,并易与工业界现有方法结合。

关键词：欺诈检测机器学习社区发现算法图数据库

共享单车骑行活动空间边界及其效应研究 ——以深圳市龙岗区为例

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

共享单车骑行活动空间边界及其效应研究 ——以深圳市龙岗区为例

作者：杜霖哈尔滨工业大学

学位级别：硕士

在全球环境的日益恶化以及城市交通拥堵难以疏解等背景下，共享单车作为一种低碳、绿色的出行方式得到了世界各地人们的广泛认可，同时也是解决城市出行“最后一公里”的重要手段。因此，各大城市开始重视自行车交通的发展并提供相应的... 详细信息

在全球环境的日益恶化以及城市交通拥堵难以疏解等背景下，共享单车作为一种低碳、绿色的出行方式得到了世界各地人们的广泛认可，同时也是解决城市出行“最后一公里”的重要手段。因此，各大城市开始重视自行车交通的发展并提供相应的政策支持和基础设施建设，这也使得对共享单车的有关研究愈发全面且成熟。在现有的共享单车研究中，大多围绕骑行影响因素以及骑行时空特征等方面展开，很少从边界的角度对共享单车出行影响进行研究分析。因此，共享单车骑行活动空间边界的研究可以帮助我们更好的理解骑行行为。　　通过文献整理与资料分析可知，共享单车是极易受到环境影响的一种出行方式，因此骑行活动空间边界的形成一定受到城市各类边界要素的影响。那么如何识别与测度这种影响是本研究讨论的重点。在识别边界方面，利用社区发现算法对空间交互数据进行计算，识别骑行活动社区并提取骑行活动空间边界，最后对骑行活动空间边界进行分类。在测度边界效应方面，为解决现有研究中使用对数线性回归计算边界效应出现的各类问题，提出基于粒子群优化算法的边界效应模型，并使用有放回抽样来计算粒子群优化拟合系数的显著性。为验证新方法的正确性与有效性，通过测度原始重力模型的方式进行对比分析，结果表明粒子群优化在模型整体以及参数评估、与边界效应适配程度方面都优于对数线性回归。　　为了充分验证本研究理论与方法的可靠性，选择深圳市龙岗区进行实证研究。研究结论表明在龙岗区内部存在骑行活动空间边界，这些边界对人们的骑行产生了阻隔作用。在龙岗区内共识别出37条骑行活动空间边界。其中自然类型边界主要以山体、水系等生态要素为主，形成原因与生态要素的面积、坡度等因素有关;交通设施类型边界主要以高速公路与铁路为主要构成要素;行政类型边界的分布没有固定的模式，这与社区层级的行政边界划分的方式存在一定联系。通过边界效应模型计算得出各类型边界厚度，其中自然类型边界厚度为2032米，行政边界厚度为1460米，交通设施边界为276米。利用有放回抽样检验边界厚度的显著性，发现其中交通设施边界厚度的值不显著。结合现有研究的部分结论，认为本次实证研究的结果能够与多数研究结论相吻合，进一步证实了基于粒子群优化测度边界效应方法的有效性。

关键词：城市规划共享单车骑行活动空间边界边界效应粒子群优化社区发现算法