公开(公告)号：CN105138667A

公开(公告)日：2015-12-09

申请号：CN201510562450.4

申请日：2015-09-07

Applicant: 中南大学

Inventor： 邓晓衡 ,  潘琰 ,  沈海澜 ,  桂劲松

IPC: G06F17/30 ,  G06Q50/00

CPC classification number: G06F17/30864 ,  G06Q50/01

Abstract: 一种考虑时延约束的社会网络初始关键节点选取方法。本发明首先结合见面概率和激活概率将网络中用户之间的影响力量化表示为信用分配过程结束后积累在节点上的信用值大小。通过对网络结构和用户行为记录的学习，将尝试见面并激活其他用户而产生的传播阻碍作用转化为传播增量路径度量，并结合时延约束条件限定性地分配信用。最后使用贪心思想递归选取边际收益最大的节点组成初始关键节点集合。本发明构建了一种新的社会网络初始关键节点选取方法，结合概率事件和时延约束条件，改进了以往仅基于节点度值评价节点影响力规则的弊端，提高了选取过程的执行效率，并更加真实有效地模拟和预测网络中行为的传播过程。

公开(公告)号：CN104537126A

公开(公告)日：2015-04-22

申请号：CN201510046401.5

申请日：2015-01-29

Applicant: 中南大学

Inventor： 邓晓衡 ,  李更好 ,  桂劲松 ,  刘安丰 ,  沈海澜 ,  李登

IPC: G06F17/30

CPC classification number: G06F17/30705

Abstract: 本发明提供一种基于边图随机游走的重叠社区发现方法，主要包括以下步骤：1)根据网络中成员的关系，构建一个相互连接的无向图G，由图G的关联矩阵B可得到有权边图LG的权值矩阵H，有权边图LG中的节点为初始无向图G中的边。2)在有权边图LG上进行长度为T的随机游走，初始转移概率矩阵P根据权值矩阵H得到，无向图G中边之间的相似度为T步内转移概率之和，再将相似度转化为距离，聚类产生边社区。3)定义节点受到边社区的吸引度，找出边社区之间的边缘节点，根据吸引度的阈值δ可对边缘节点划分，最后检测到允许节点重叠的社区。本发明方法简单易行，并且通过调整阈值δ能发现不同重叠程度的社区。

公开(公告)号：CN102496023A

公开(公告)日：2012-06-13

申请号：CN201110377763.4

申请日：2011-11-23

Applicant: 中南大学

Inventor： 沈海澜 ,  陈再良 ,  邹北骥

IPC: G06K9/46 ,  G06T7/00

Abstract: 本发明公开了一种像素层面的感兴趣区域提取方法，用于降低数据规模，提高图像处理的效率。该方法包括以下几个步骤：利用视觉注意模型得到显著图，并将显著图二值化，获得其中的显著点后将其聚类并针对聚类时出现的问题进行优化；同时将原图像二值化，并通过扫描二值图提取原图像的二值化图轮廓；优化后的聚类点作为种子点填充，然后与原图像掩膜，提取到图像的感兴趣区域。本发明以显著图为基础，以显著图中的像素点，即显著点为目标，提取图像中的感兴趣区域时的运算速度可和显著点的个数成线性关系，且感兴趣区域的漏分率至少降为原来的一半，而误分率无明显增加。

公开(公告)号：CN102063623A

公开(公告)日：2011-05-18

申请号：CN201010609931.3

申请日：2010-12-28

Applicant: 中南大学

Inventor： 陈再良 ,  邹北骥 ,  梁毅雄 ,  沈海澜 ,  王磊 ,  向遥 ,  廖胜辉 ,  辛国江

IPC: G06K9/46 ,  G06T7/00 ,  G06T7/40

Abstract: 本发明提出一种结合自底向上和自顶向下的图像感兴趣区域提取方法。该方法采用交互式的方式，由用户将其携带的观察任务等自顶向下信息转换为输入图像底层特征的不同权重值，同时结合Itti-Koch模型和Stentiford模型，吸取两模型优点，实现用户任务与图像视觉刺激相结合的感兴趣区域提取方法。将用户的查询意图以及对图像的理解转换为显著图权重的方式，即通过对底层特征加以相应权重来影响显著图的求解，缩短了用户查询意图与图像底层特征间的鸿沟，提取出来的感兴趣区域更符合用户的要求。对多幅图像的处理结果表明使用该方法提取用户感兴趣区域具有较好的结果。