公共文化服务平台

何东晓: 作品数：11 被引量：256H指数：7; 供职机构：吉林大学更多>>; 发文基金：国家自然科学基金国家高技术研究发展计划中央高校基本科研业务费专项资金更多>>; 相关领域：自动化与计算机技术理学更多>>

合作作者

复杂网络社区挖掘综述被引量：72: 2013年; 复杂网络社区挖掘是近10年来多学科交叉的前沿研究热点之一,其研究不仅有重要的理论意义,而且有广泛的应用前景.介绍了社区挖掘及重叠社区挖掘的研究背景和研究意义,分析了研究现状,讨论了该研究所面临的一些主要问题及未来的发展方向.同时,为了对不同的社区挖掘算法进行更好地评估,选择了有代表性的6个社区挖掘算法和3个重叠社区挖掘算法进行测试,并给出了对比分析结果,试图为这个新兴研究领域勾画出一个较为全面和清晰的轮廓.; 刘大有金弟何东晓黄晶杨建宁杨博; 关键词：复杂网络网络聚类

基于免疫和进化扩散算法的全局优化问题求解算法被引量：3: 2009年; 在求解全局优化问题时,通常免疫算法、进化扩散算法分别在局部搜索和全局搜索方面表现较弱。针对这一情况,基于免疫和进化扩散算法,提出了一个免疫-进化扩散算法。该算法结合了免疫和进化扩散两种算法的优点,一方面通过引入基于共享机制的小生境算法,保持了群体的多样性,另一方面通过提出一种步长参数动态调整策略,提高了算法效率。实验结果表明,在给定精度下,该算法的效率和稳定性都明显优于Tsui的进化扩散算法和Ingber的自适应模拟退火算法。最后对步长参数动态调整策略进行了分析。; 金弟刘大有黄晶何东晓王新华; 关键词：人工智能全局优化算法小生境

智能视频监控中的运动目标检测方法研究: 智能视频监视系统是计算机视觉领域中一个备受关注的前沿方向，是该领域中的研究热点，也是保证现代社会公共安全的重要高科技手段与技术。在视频序列中把前景从背景图像中分离是计算机视觉领域中的最基本任务，具有广泛的应用前景，例如，...; 何东晓; 关键词：运动目标检测方法计算机视觉; 文献传递

基于聚类的背景建模与运动目标检测方法被引量：12: 2008年; 为克服目前动态背景建模方法中计算量和存储量大的问题,提出了一种基于聚类的动态背景建模与运动目标分割方法。由于动态背景下每个像素的取值在时间轴上呈多峰分布形式,因此将每个峰看成一个子类,用聚类技术快速实现了动态背景的建模与更新,然后利用建立的背景模型快速、准确地实现运动目标的分割。实验结果表明:提出的背景建模方法能有效捕获并适应背景的动态变化,可显著降低目前动态背景建模方法的计算量和内存需求量,易于在基于DSP或FPGA等硬件系统上实时实现。; 李庆忠何东晓; 关键词：聚类运动目标检测视频监控

复杂网络社区挖掘—基于聚类融合的遗传算法被引量：63: 2010年; 针对当前研究复杂网络社区挖掘的热点问题,提出了一种基于聚类融合的遗传算法用于复杂网络社区挖掘.该算法将聚类融合引入到交叉算子中,利用父个体的聚类信息辅以网络拓扑结构的局部信息产生新个体,避免了传统交叉算子单纯交换字符块而忽略了聚类内容所带来的问题.为使聚类融合的作用得以充分发挥,本文提出了基于马尔科夫随机游走的初始群体生成算法,使初始群体中的个体具有一定聚类精度并有较强的多样性.初始群体生成算法与基于聚类融合的交叉算子互相配合,有效地增强了算法的寻优能力.此外,算法将局部搜索机制用于变异算子,通过迫使变异节点与其多数邻居在同一社区内,有针对性地缩小了搜索空间,从而加快了算法收敛速度.在计算机生成网络和真实世界网络上进行了测试,并与当前具有代表性的社区挖掘算法进行比较,实验结果表明了该算法的可行性和有效性.; 何东晓周栩王佐周春光王喆金弟; 关键词：复杂网络遗传算法聚类融合局部搜索

局部搜索与遗传算法结合的大规模复杂网络社区探测被引量：53: 2011年; 基于遗传算法的复杂网络社区探测是当前的研究热点.针对该问题,本文在分析网络模块性函数Q的局部单调性的基础上,给出一种快速、有效的局部搜索变异策略,同时为兼顾初始种群的精度和多样性以达到进一步提高搜索效率的目的,采用了标签传播作为初始种群的产生方法;综上,提出了一个结合局部搜索的遗传算法(Genetic algorithm with local search,LGA).在基准网络及大规模复杂网络上对LGA进行测试,并与当前具有代表性的社区探测算法进行比较,实验结果表明了文中算法的有效性与高效性.; 金弟刘杰杨博何东晓刘大有; 关键词：复杂网络网络聚类遗传算法局部搜索

复杂网络簇结构探测——基于随机游走的蚁群算法被引量：48: 2012年; 网络簇结构是复杂网络最普遍和最重要的拓扑属性之一,网络聚类问题就是要找出给定网络中的所有类簇.有很多实际应用问题可被建模成网络聚类问题.尽管目前已有许多网络聚类方法被提出,但如何进一步提高聚类精度,特别是在没有先验知识(如网络簇个数)的情况下如何发现合理的网络簇结构,仍是一个未能很好解决的难题.针对该问题,在马尔可夫随机游走思想的启发下,从仿生角度出发提出一种全新的网络聚类算法——基于随机游走的蚁群算法RWACO.该算法将蚁群算法的框架作为RWACO的基本框架,对于每一代,以马尔可夫随机游走模型作为启发式规则;基于集成学习思想,将蚂蚁的局部解融合为全局解,并用其更新信息素矩阵.通过"强化簇内连接,弱化簇间连接"这一进化策略,使网络簇结构逐渐地呈现出来.实验结果表明,对一些典型的计算机生成网络和真实网络,该算法能够较准确地探测出网络的真实类簇数,与一些有代表性的算法相比,具有较高的聚类精度.; 金弟杨博刘杰刘大有何东晓; 关键词：复杂网络网络聚类簇结构随机游走蚁群算法

复杂网络社团结构发现方法研究: 揭示复杂网络中存在的社团结构是一个重要的数据分析任务，具有广泛应用前景。当前研究主要是针对结点社团发现；一些最新研究表明，链接社团发现或许能更好揭示网络中的复杂结构。本文从结点社团发现和链接社团发现两方面分别开展研究。针...; 何东晓; 关键词：复杂网络社团结构社团发现非负矩阵分解; 文献传递

网络社区智能挖掘算法的研究: 复杂网络社区挖掘是一个新兴的研究方向,它对复杂网络的拓扑结构分析、功能分析和行为预测等具有重要的理论意义和实际应用价值,因而得到科研工作者日益增加的关注。本文对复杂网络社区挖掘问题进行了深入地研究,针对当前遗传算法难以应...; 何东晓; 关键词：复杂网络遗传算法局部搜索; 文献传递

基于局部探测的快速复杂网络聚类算法被引量：20: 2011年; 目前复杂网络的规模越来越庞大,且呈现天然的分布式特性,因此从局部观点出发提出快速网络聚类算法就成为迫切需要.为解决这一问题,本文基于对网络模块性函数Q的分析,推导出一个针对于单个结点的局部目标函数f,并证明Q函数随网络中任一结点的f函数呈单调递增趋势,进而提出一个基于局部优化的近线性网络聚类算法FNCA.在该算法中,每个结点仅利用网络的局部簇结构信息来优化自身的目标函数f,所有结点通过相互协同来实现对整个网络的聚类.通过计算机生成网络和真实网络对算法FNCA进行测试,实验表明,该算法的运行效率和聚类质量都要明显优于当前的一些优秀网络聚类算法.; 金弟刘大有杨博刘杰何东晓田野; 关键词：复杂网络网络聚类簇结构

何东晓

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

何东晓

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈