海量公交数据的人群画像算法

面向海量公交数据的人群画像对分析城市群体出行特点、交通态势等极具价值,但对数据的处理存在耗时高、质量低、解释难等问题。提出一种海量公交数据人群画像的系统化解决策略,基于PageRank算法筛选出经过重要站点的人群轨迹,极大减少目标人群的轨迹数据;提出轨迹文本化分析方法来提高人群画像的可解释性;分析确定基于余弦距离的K-means算法作为人群画像分类的聚类算法。该算法在3 000万乘客公交出行数据上的实验表明:提出的解决策略能够较为系统性地解决海量公交数据的人群画像问题,同时基于余弦距离的K-means算法的聚类效果最好且准确率约达80%。将人群画像及其轨迹使用Flow Map进行可视化展示,结果符合真实世界的人群行为特征。     

基于页面关联比重的PageRank排序算法的改进

对比分析了基于链接分析的搜索引擎排序算法PageRank和HITS,针对原有PageRank算法采用的平分页面自身PageRank值的策略,提出了按基于关键词集的网页关联比重分配PageRank值的改进算法。该改进算法根据用户搜索的关键词,按照超链接的网页关联比重为超链接赋予权重,增强了已有算法的有效性。     

采用PageRank和节点聚类系数的标签传播重叠社区发现算法

基于标签传播的社区发现算法可以检测出复杂网络的重叠社区结构,因此提出了一种基于PageRank和节点聚类系数的重叠社区发现算法。该算法使用PageRank算法对节点的影响力进行排序,可以稳定社区发现结果,节点的聚类系数是一个与节点相关的值,使用节点聚类系数修改算法的参数并限制每个节点拥有最多标签的数量值,可以提高社区挖掘的质量。在人工网络和真实世界的网络上测试,实验验证了该算法能够有效地检测出重叠社区,并具有可接受的时间效率和算法复杂度。     

基于改进加权P ageRank的电子目标重要度评估方法

目标重要度评估是电子目标分析的重要内容,将电子目标群体抽象成复杂网络,可以通过对其网络特性的挖掘,从整体上对电子目标在敌方电子信息系统中的重要度进行评估,但传统基于网络结构的目标重要度评估指标具有片面性,难以对处于关键链路之上的重要节点进行挖掘,针对这一问题,将Pagerank算法与中间中心度指标进行整合,提出电子目标重要度评估算法BCIW PageRank,介绍了基于该算法的电子目标重要度评估流程,并利用模拟侦察数据对其进行了仿真分析。     

基于PageRank算法的武器装备体系重要节点评估

将武器装备系统抽象为网络节点,利用复杂网络理论研究评估武器装备体系中的重要节点。针对传统PageRank算法在该应用中存在的问题,提出一种修正的PageRank算法。该算法对悬挂节点及有向环状网络节点的重要度评估具备收敛性。仿真实例验证了该修正算法对双目标作战环节点重要度评估的有效性。为了进一步验证所提算法的准确性,引入特征谱理论和移除节点法评估网络的抗毁性。