多通道图注意力解耦社交推荐方法

提出具有解耦能力的多通道图注意力社交推荐模型,该模型主要包括深度聚类模块、多通道图注意力聚合模块和评分预测模块。其中,深度聚类模块用于对用户和项目进行分组,并利用聚类结果将用户社交图和用户项目图拆分成多个用户社交子图及用户项目子图,以学习用户兴趣分组及用户对不同类项目的兴趣；多通道图注意力聚合模块学习不同子图对预测结果的注意力；评分预测模块将学习到的用户表示向量和项目表示向量输入多层感知机进行评分预测。在多个真实数据集上的实验结果表明:提出的方法优于其他社交推荐算法。与最新的用于社交推荐的图神经网络方法相比,在Ciao和Epinions数据集上,均方根误差分别降低了2.26%和2.07%,平均绝对误差分别降低了2.58%和3.06%。     

一类新的优美树

Rosa 等人于1966年提出了著名的优美树猜想,即任何树都是优美图.该猜想至今没有得到证明或否定,仅有一些特殊树类被证明是优美图.通过构造路Pn=v0v1…vm的平衡标号f使f(v0)=k,其中k为任意不大于n的非负整数,且4k≠n,3n,进而给出一种新的优美树的构造方法,使已知的优美树大大增加.     

基于复杂性的战场损伤定位流程评价模型研究

损伤定位流程制定的合理与否是衡量一个评估员水平高低的重要指标之一。对损伤定位流程的评价涉及到所用时间、工具、操作的难度等指标都可以用其复杂性来表示,目前鲜有关于损伤定位流程评价的研究,因此提出战场损伤定位流程的复杂性,并借鉴软件工程领域的程序复杂性量化方法——图熵法对其进行量化。经过数据验证,复杂性与评估时间之间存在较好的拟合关系,并用实例说明了模型的应用效果。     

基于DoDAF与Petri网的预警卫星系统建模分析

预警卫星系统在弹道导弹防御系统中处在最前沿,在战争中起着其他装备无法替代的作用。依据DoDAF和预警卫星系统的作战流程,构建了预警卫星系统作战状态转换(OV-6b)模型,以描述预警卫星系统作战过程的时序关系、各作战节点的状态转换以及信息流关系。基于Petri网将各节点OV-6b模型转换成可执行模型进行驱动,并构建和分析了各Petri网模型的可达图,结果表明,建立的OV-6b模型和Petri网模型是合理的、正确的。     

GPS定位系统显示定位座标的一种方法

通过对地图座标的分析,介绍了在计算机上显示的地图中,显示GPS定位信息的座标转换方法、图形调用方法,并结合实际进行了分析。     

航空集群机载网络Failure-Oblivious路由策略

航空集群机载网络作为集群成员间信息交互的纽带,其路由策略性能优劣直接影响信息传输实时性与可靠性,从而制约网络化集群作战效能发挥.考虑到航空集群机载网络具有诸多不确定性,为应对路由失效以及尽可能避免路由更新,从路由选择算法的角度,在软件定义网络架构下提出Failure-Oblivious路由策略.与传统路由策略不同的是,...     

利用交互依赖活动集对C4ISR系统进行重组

一个复杂的C4ISR系统由若干子系统组成,子系统之间的交互依赖关系应该尽量少.利用活动模型构造系统的活动邻接矩阵,用图论中的路径矩阵来识别强连通子图,从而得出交互依赖活动集.具有交互依赖关系的活动尽量安排在一个子系统内部.利用这种方法来对C4ISR系统进行重组.     

P3，4m的优美性

设u、v是两个固定顶点,用b条内部互不相交且长度均为a的道路连接u、v所得到的图用Pa,b表示.Kathiresan证实P2r,2m-1(r,m均为任意正整数)是优美的,且猜想除了(a,b)=(2r+1,4s+2)外,所有的Pa,b都是优美的.杨元生已证实P2r+1,2m-1是优美的.本文证明P3,4m是优美图,从而当a=3时Kathiresan猜想成立.     

面向蛋白质功能预测中有向无环图标记结构的多示例多标记学习

在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从原始数据的特征空间训练出所有标记共享的低维子空间,通过随机梯度下降方法来降低模型排序损失,并融入标记间有向无环图结构关系对预测标记进行优化。将该算法应用于多个数据集的蛋白质功能预测中,实验结果表明,该算法具有更高的效率及预测性能。     

警报关联图：一种网络脆弱性量化评估的新方法

作为一种基于模型的脆弱性分析技术,攻击图能够识别网络中存在的脆弱性和它们之间的相互关系,分析出可能的攻击路径和潜在威胁.论文在攻击图的基础上提出了警报关联图的概念,利用攻击图中蕴含的脆弱性先验知识,将实时IDS警报信息映射到攻击路径,动态反映攻击进程和攻击者意图.在此基础上提出了一种基于警报关联图的网络脆弱性量化评估方法,通过计算警报关联边的权值对网络脆弱性进行动态分析,这种方法结合了静态的网络脆弱性先验知识和动态变化的攻击者意图,能有效反映网络脆弱性在动态攻击情况下的变化.