-
公开(公告)号：CN118413451A
公开(公告)日：2024-07-30
申请号：CN202310577875.7
申请日：2023-05-22
申请人： 平顶山学院
IPC分类号： H04L41/142
摘要： 本发明提供了一种基于光衰减模型的关键节点提取方法、装置及计算机设备，属于数据处理领域，包括：根据节点的度值与其Ks值计算节点自身影响值；根据二阶邻域节点的度值、Ks值和距离，借助光衰减模型LAM计算影响值贡献；将节点自身影响值和二阶邻域内节点的影响值贡献相结合，计算节点的综合影响值。本发明通过节点的自身影响值和邻域节点的影响值贡献来计算节点的影响值，节点自身影响值不仅融入了节点的度，而且还融入了节点在网络中的位置信息(Ks值)。在计算邻域节点的影响值贡献时，本发明融入了二阶邻域节点的信息，既降低了计算的时间复杂度，又提高了算法的精度。同时引入LAM，增加邻居节点贡献的区分度。
-
公开(公告)号：CN116320320A
公开(公告)日：2023-06-23
申请号：CN202310421354.2
申请日：2023-04-19
申请人： 平顶山学院
摘要： 基于国产海思平台的音视频处理及传输系统，包括基于海思芯片的信号处理板、若干个云台摄像机、鼠标、键盘、显示器和云端服务器，信号处理板通过网络或HDMI与各个云台摄像机连接，鼠标和键盘均通过信号线与信号处理板连接，显示器通过HDMI或EDP接口与信号处理板连接，信号处理板通过网络与云端服务器连接。本发明功能多、使用灵活、操作方便、能够人为的选择音视频的来源，能够进行多种样式、自定义的图像拼接与音频处理，可以满足多种场景的客户需求。
-
公开(公告)号：CN112015954B
公开(公告)日：2021-08-27
申请号：CN202010884765.1
申请日：2020-08-28
申请人： 平顶山学院
IPC分类号： G06F16/901 , G06Q50/00
摘要： 本发明公开了基于马太效应的社团检测方法，涉及信息科学技术领域，所述方法包括：输入由节点和边构成的网络G；对所述网络G进行初始化，将每个节点划分为一个独立的社团；计算所述网络G的核心分组；采用迭代方法在马太效应模型中模拟马太效应过程；判断网络结构是否达到最优划分；若未达到最优，则再次进行马太效应的迭代模拟；若达到最优，则进行社团划分，获得社团划分结果。
-
公开(公告)号：CN118210961A
公开(公告)日：2024-06-18
申请号：CN202410310753.6
申请日：2024-03-19
申请人： 平顶山学院
摘要： 本发明实施例公开了一种节点影响程度确定方法、装置、设备和存储介质，其中，方法包括：获取目标节点网络，并从目标节点网络确定至少一个待检测节点；基于待检测节点在目标节点网络中的网络位置信息，确定待检测节点的第一影响程度指标；根据待检测节点的相邻网络节点的节点影响程度，确定待检测节点的第二影响程度指标；根据第一影响程度指标和第二影响程度指标，确定待检测节点的目标节点影响程度值。本发明实施例的技术方案解决了现有技术确定传染病网络中节点影响程度的准确性不足的问题，可以基于待检测节点本身的影响程度和其相邻节点的影响程度，共同确定待检测节点的影响程度，提高确定节点影响程度的准确性。
-
公开(公告)号：CN117786235A
公开(公告)日：2024-03-29
申请号：CN202310592165.1
申请日：2023-05-24
申请人： 平顶山学院
IPC分类号： G06F16/9536
摘要： 本发明公开了一种网络重要节点挖掘方法、装置、设备和存储介质，涉及计算机技术领域。通过先获取目标网络，然后确定该目标网络中各节点的度、特征向量中心性、该目标网络的网络密度以及目标网络中的每个节点到各其他节点的度密度，最后类比热传导模型，根据该五种中心性指标得出目标网络中各节点的输出能力，从而可对各节点进行排序，从前至后获得目标网络中的重要节点。本发明通过五种中心性指标，类比热传导模型，得到复杂网络中各节点的输出能力，使得在考察复杂网络各节点的重要性时，能够更加全面的兼顾复杂网络的各方面特性，同时避免了单一中心性指标的不稳定性对挖掘结果准确性的影响，提高了网络重要节点挖掘的准确率。
-
公开(公告)号：CN111382318B
公开(公告)日：2024-02-02
申请号：CN202010178455.8
申请日：2020-03-14
申请人： 平顶山学院
发明人： 孙泽军
IPC分类号： G06F18/2323 , G06F18/22 , G06F16/901 , G06Q50/00 , G06Q50/20
摘要： 本发明公开了一种基于信息动力学的动态社团检测方法，包括以下步骤：S1、初始社团识别：S11、输入无向网络图G＝(V，E)；S12、初始化网络中每个节点v的信息Iv,计算节点间的杰卡德相似系数Suv和连接强度Huv；S13、计算节点v的邻居节点平均相似度Avg_S(v)和平均度Avg_D(v)；S14、使用信息动力学模型模拟节点间信息动力学交互过程，直到达到平衡状态；S15、根据信息量进行社团划分，有相同信息量的邻居节点划分到同一社团；S16、输出初始社团C；S2、增量式社团检测；S21、提取发生改变的子图ΔGi；S22、检测子图ΔGi对应的社团ΔCi；S23、计算未发生改变的社团C′i‑1；S24、计算时间片Ti的社团
-
公开(公告)号：CN115630328A
公开(公告)日：2023-01-20
申请号：CN202211071418.2
申请日：2022-09-02
申请人： 平顶山学院
IPC分类号： G06F18/2413 , G06Q50/00 , G06Q50/28
摘要： 本发明提供了应急物流网络中关键节点的识别方法，涉及复杂网络技术领域，首先对全网中节点的投票得分进行初始化，并计算每个节点的投票能力，通过每个节点综合自身影响力、邻居节点的投票能力和投票概率等因素，计算获得节点的投票得分，同时选择投票得分最大的节点作为关键传播节点，更新选定节点的投票得分和投票能力，最后进行迭代循环，直到选择出所需的关键传播节点数量为止。本发明综合考虑节点的度值和节点的邻居数量、邻居节点的投票能力和节点间相似性等因素，并引入节点间的相似性实现当选节点对其邻居投票能能力的自适应削弱，解决了现有投票机制粗粒化的问题，具有较优的性能。
-
公开(公告)号：CN114943430A
公开(公告)日：2022-08-26
申请号：CN202210518642.5
申请日：2022-05-13
申请人： 平顶山学院
摘要： 本发明提供一种基于深度强化学习的智能电网关键节点识别方法，包括：根据电网数据建立电网、通信网的拓扑结构，结合电力网络的业务属性和物理特性构建真实电力网络，并构建生成网络模型；根据真实电力网络与生成网络的网络特征，构建基于深度学习的全阶子图特征分类模型；根据全阶子图特征分类模型，通过深度的全连接学习输出各动作对应的奖励值；利用获得的动作和对应的奖励值，构建电力网络深度强化学习模型；输入待识别的电力网络至训练好的电力网络深度强化学习模型，输出各节点指标值，根据指标值确定关键节点。本发明构建一种基于深度强化学习的电力网络关键节点识别模型，通过该模型可以准确识别不同类型电力网络的关键节点。
-
公开(公告)号：CN114743688A
公开(公告)日：2022-07-12
申请号：CN202210339059.8
申请日：2022-04-01
申请人： 平顶山学院
摘要： 本发明提供了一种基于动态社团的疾病传播网络检测方法，属于网络检测领域。在本发明中，将疾病传播数据按时间序列构建动态网络，开始时，每个网络节点都有自己的资源，并被视为一个单独的组。其次，相互吸引导致一些节点基于共同利益形成核心组。然后，由于马太效应，越来越多的节点被吸引加入核心组。最后，每个节点被吸引到不同的群体中，形成最终的社区。本发明采用批处理方法在每个网络快照中增量显示社区，具有高质量的社区检测、无参数操作和良好的可扩展性。在合成和真实动态网络上的大量实验表明，本发明优于几种最先进的动态网络检测方法，能够快速高效的检测和分析疾病的传播情况。
-
公开(公告)号：CN112015954A
公开(公告)日：2020-12-01
申请号：CN202010884765.1
申请日：2020-08-28
申请人： 平顶山学院
IPC分类号： G06F16/901 , G06Q50/00
摘要： 本发明公开了基于马太效应的社团检测方法，涉及信息科学技术领域，所述方法包括：输入由节点和边构成的网络G；对所述网络G进行初始化，将每个节点划分为一个独立的社团；计算所述网络G的核心分组；采用迭代方法在马太效应模型中模拟马太效应过程；判断网络结构是否达到最优划分；若未达到最优，则再次进行马太效应的迭代模拟；若达到最优，则进行社团划分，获得社团划分结果。
-
-
-
-
-
-
-
-
-
搜索结果
22 条记录 (耗时 0.027 秒)
