福建省自然科学基金(2013J01232)
- 作品数：7 被引量：52H指数：4
- 相关作者：陈羽中郭文忠方明月郭昆陈国龙更多>>
- 相关机构：福州大学更多>>
- 发文基金：福建省自然科学基金福建省科技创新平台建设项目福建省教育厅资助项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于小波变换与差分自回归移动平均模型的微博话题热度预测被引量：10
- 2015年
- 研究话题热度预测问题对于网络广告传播效应最大化、网络舆论引导与控制等具有重要意义.首先,根据用户关系及话题因素计算用户影响力,进而定义话题影响力.然后,基于老化理论并考虑话题影响力和话题相关微博数定义话题能量值,量化话题热度.最后,提出基于小波变换与差分自回归移动平均模型的微博话题热度预测方法,以此预测话题热度(能量值)及话题能量峰值.实验表明,文中方法可有效预测话题热度及峰值,具有较低的残差和遗漏率.
- 陈羽中方明月郭文忠郭昆
- 关键词：小波变换
- 面向微博热点话题发现的多标签传播聚类方法研究被引量：16
- 2015年
- 微博热点话题发现是目前的研究热点.针对传统热词抽取方法难以适用于微博数据的问题,提出一种基于老化理论的词生命值计算模型用于热词抽取,并基于热词间的相关性构建词共现网络;针对传统的词聚类算法不能较好地解决话题间存在重叠热词以及时间效率不佳的问题,引入多标签传播思想,设计一种接近线性时间复杂度的多标签传播聚类算法(TCMLPA)用于词共现网络的热词聚类,获得热点话题集.实验结果表明,词生命值计算模型能够有效过滤噪声并提取热词,TCMLPA算法则能够在保证聚类结果稳定性的情况下,有效提高热点话题发现的精度和效率.
- 陈羽中方明月郭文忠
- 一种面向车辆自组网的多人博弈数据融合算法被引量：4
- 2016年
- 针对车辆自组织网络中数据融合的研究,目前主要集中于大规模簇间数据融合分析,而对簇内数据融合的研究却很少涉及.为了评估簇内数据融合性能,研究了节点可信特征以及动态车辆自组网的网络结构变化特征,提出了一种基于纳什均衡的数据融合算法,用于分析簇内节点在数据融合过程中存在的竞争和合作关系,进而分析簇特征冗余度和网络结构变化程度的均衡关系.通过对算法进行扰动,可以得到效益最优传输策略.实验结果证明,最优效益解在数据融合精确度和网络结构稳定性方面具有优势.
- 陈羽中翁诗宁郭昆
- 关键词：车辆自组织网络数据融合博弈论
- 基于节点层级与标签传播增益的重叠社区发现被引量：1
- 2015年
- 多标签传播算法具有接近线性的时间复杂度,但用于重叠社区发现时存在精度低、稳定性差的问题.文中基于重叠节点更可能出现在社区边缘的思想,提出基于节点层级与标签传播增益的重叠社区发现算法.该算法首先利用改进的基于节点中心度与社区分布约束的单标签传播方法发现非重叠社区,并在标签传播过程中利用局部信息同步计算节点中心度.然后根据节点中心度定义节点层级函数,标记节点在所属社区中的层级.最后基于节点间的标签传播增益,利用新的多标签更新规则,获得重叠社区结构.实验表明该算法能有效提高精度和稳定性.
- 陈羽中施松陈国龙於志勇
- 多云环境下基于代价驱动的科学工作流调度策略被引量：3
- 2015年
- 针对多云环境下带截止日期约束的科学工作流调度问题,引入局部关键路径算法思想,提出基于代价驱动的科学工作流调度策略,目的是在满足科学工作流截止日期约束的同时,尽可能降低执行代价.该策略充分考虑多云环境和科学工作流的独有特性,首先根据工作流自身结构合并存在有向割边的相邻任务;再基于关键父任务迭代机制寻找带局部截止日期的局部关键路径;最后为局部关键路径分配最适合实例,并执行所有任务.实验表明,文中策略有效提高现有真实科学工作流的执行效率,并大幅减少执行代价.
- 林兵郭文忠陈国龙陈煌宁
- 关键词：云计算科学工作流优化调度
- 基于链路预测的微博用户关系分析被引量：18
- 2014年
- 随着以微博为代表的在线社交网站的发展,微博用户之间形成了复杂的社会网络。针对微博社会网络,研究了影响微博用户之间关系形成的各种因素,提出了基于链路预测的微博用户关系分析模型。首先分析了网络结构特征在微博社会网络中的作用,同时针对微博社会网络的特点,引入微博属性特征,构造基于随机森林的链路预测模型,并将模型应用于新浪微博用户数据集,进行微博用户关系的训练预测,通过比较引入微博属性特征前后的预测性能以及特征的重要性分布,分析了各类特征对微博用户关系形成的影响,揭示了除传统的网络结构特征外,微博属性特征对微博用户关系的形成具有重要的影响力。
- 傅颖斌陈羽中
- 关键词：链路预测社会网络
- 一种评估社会网络中重叠社区影响力的方法
- 2015年
- 社会影响力分析是社会网络研究的热点问题之一.针对社会影响力的研究,目前主要集中于社会网络中个体节点影响力的分析,而对社区级的社会影响力的研究却很少涉及.从一个全新的角度提出一种评估重叠社区影响力的方法.该方法主要包含两个部分:(1)评估每对节点(用户、实体)间的相互影响力,为了量化该影响力,提出一个相互评价学习模型MEL(Mutual Evaluation Learning);(2)基于该模型和PageRank算法的思想,设计了一种重叠社区影响力排序的算法CCIR(Cross-community Influence Rank).真实网络中的实验结果表明,该算法能够适应不同真实网络的场景,合理有效地反应真实社会网络中的社区影响力分布情况.
- 罗宇敏陈羽中詹振峰施松
- 关键词：社会网络PAGERANKCCIR
