-
公开(公告)号：CN107231252B
公开(公告)日：2020-05-05
申请号：CN201710366159.9
申请日：2017-05-23
Applicant: 浙江工业大学
IPC: H04L12/24
Abstract: 一种基于贝叶斯估计和种子节点邻居集合的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在边的概率，根据二节点之间长度2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和种子节点邻居集合，计算二节点之间长度为2和3路径每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合种子节点邻居集合，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
公开(公告)号：CN106295907A
公开(公告)日：2017-01-04
申请号：CN201610712688.5
申请日：2016-08-23
Applicant: 浙江工业大学
Abstract: 一种基于二阶局部社团信息的预测网络未知连边的方法，构建网络模型；获取一对未连接节点的一阶共同邻居节点和二阶共同邻居节点，这些节点及其之间的连边构成二阶局部社团；记录该社团的节点总数和连边总数；计算该社团的边聚类系数、简谐平均距离和二阶局部社团系数；计算节点对之间的相似性分数指标；遍历整个网络，对任意两个未连接节点，计算相应的节点对之间的相似性分数指标，将所有的未连接节点对之间的相似性分数按降序排列，取前m个指标对应的节点对为预测连边。本发明考虑了两个未连接节点之间的含一阶共同邻居和二阶共同邻居的二阶局部社团，充分利用了网络局部结构信息，预测效果好，准确率高。
-
公开(公告)号：CN106157603A
公开(公告)日：2016-11-23
申请号：CN201610712082.1
申请日：2016-08-23
Applicant: 浙江工业大学
IPC: G08G1/00
Abstract: 一种衡量公交网络交通流空间分布不均衡程度的方法，包括以下步骤：步骤一：实际城市公共交通网络数据的统计和收集；步骤二：构建城市公交系统的加权有向空间网络模型；步骤三：任意选取网络的一条边e，计算该边的介数；步骤四：遍历整个网络，对每一条边计算其介数；步骤五：计算网络的基尼系数。本发明可以评价和衡量公交网络交通流空间分布不均衡程度，有助于对公共交通进行更好地管控和缓解城市交通拥堵。
-
Patent Agency Ranking
公开(公告)号：CN108847996A
公开(公告)日：2018-11-20
申请号：CN201811003224.2
申请日：2018-08-30
Applicant: 浙江工业大学
Abstract: 一种动态网络的延迟修复方法，包括以下步骤：步骤一：构建网络；步骤二：计算网络所有节点负载，步骤三：计算网络所有节点容量；步骤四～步骤六：计算节点发生故障对周围正常节点影响；步骤七：提取网络中所有发生故障的节点，按照这些节点的度降序排序；步骤八：直接修复最重要A％节点，A的取值范围为8到15；步骤九：延迟修复中间A％至B％节点，B的取值范围为40到60；步骤十：直接修复剩下节点。本发明结合延迟修复，为崩溃网络的修复提供一种在提高修复速度的同时，提高修复成功率的动态网络的延迟修复方法。
-
公开(公告)号：CN106157603B
公开(公告)日：2018-09-07
申请号：CN201610712082.1
申请日：2016-08-23
Applicant: 浙江工业大学
IPC: G08G1/00
Abstract: 一种衡量公交网络交通流空间分布不均衡程度的方法，包括以下步骤：步骤一：实际城市公共交通网络数据的统计和收集；步骤二：构建城市公交系统的加权有向空间网络模型；步骤三：任意选取网络的一条边e，计算该边的介数；步骤四：遍历整个网络，对每一条边计算其介数；步骤五：计算网络的基尼系数。本发明可以评价和衡量公交网络交通流空间分布不均衡程度，有助于对公共交通进行更好地管控和缓解城市交通拥堵。
-
公开(公告)号：CN107231252A
公开(公告)日：2017-10-03
申请号：CN201710366159.9
申请日：2017-05-23
Applicant: 浙江工业大学
IPC: H04L12/24
Abstract: 一种基于贝叶斯估计和种子节点邻居集合的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在边的概率，根据二节点之间长度2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和种子节点邻居集合，计算二节点之间长度为2和3路径每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合种子节点邻居集合，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。
-
公开(公告)号：CN106886679A
公开(公告)日：2017-06-23
申请号：CN201710058276.9
申请日：2017-01-23
Applicant: 浙江工业大学
IPC: G06F19/00
CPC classification number: G16Z99/00
Abstract: 一种基于二阶局部群落共同邻居比例和节点相关性的预测网络连边的方法，建立网络模型，提取两个无连边节点的一阶和二阶共同邻居节点及其之间的边组成二阶局部群落，记录该群落的节点和边的总数，计算此群落的边聚类系数、简谐平均距离、连边密度和二阶局部群落系数。计算两个无连边节点间的皮尔逊积矩相关系数，计算共同邻居比例，计算两节点间的相似性指标，对整个网络任意两个无连边的节点，计算二者之间的相似性指标，将所有无连边节点对间的相似性分数按降序排列，取前h个指标对应的两个节点为预测连边。本发明考虑了节点之间的共同邻居比例、皮尔逊相关系数以及局部群落的内部属性，有效利用了网络的相关性信息，准确性较高，预测精度较高。
-
公开(公告)号：CN106878069A
公开(公告)日：2017-06-20
申请号：CN201710058270.1
申请日：2017-01-23
Applicant: 浙江工业大学
IPC: H04L12/24
CPC classification number: H04L41/14 , H04L41/142 , H04L41/147
Abstract: 一种基于二阶局部群落信息分配和节点相关性的预测网络连边的方法，建立网络模型，提取两个无连边节点的一阶和二阶共同邻居节点及其之间的边组成二阶局部群落，记录该群落的节点和边的总数，计算此群落的边聚类系数、简谐平均距离、连边密度和二阶局部群落系数，计算两个无连边节点间的皮尔逊积矩相关系数和群落信息分配属性，计算两节点间的相似性指标；对整个网络任意两个无连边的节点，计算二者之间的相似性指标，将所有无连边节点对间的相似性分数按降序排列，取前h个指标对应的两个节点为预测连边。本发明考虑节点之间的信息分配、皮尔逊相关系数以及局部群落的内部属性，有效利用了网络的相关性信息，准确性较高，预测精度较高。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
