基于网页等级的PageRank算法改进

为了提高PageRank算法的准确性,从网络用户对已知网页进行评价的角度引入网页等级,从网页链接分析的角度解决权威性需求.结合网页链接分析和页面内容分析提出一种改进的PageRank算法PRP（PageRank based on Page-level）.实验证明,算法为扩展PageRank提供了广阔的空间,通过选择合适的参数page-level,可以提高传统PageRank算法的网页排序的准确性,有效防止恶意链接对pagerank排序值（PR值）造成的影响.     

PageRank算法权威值均分的改进

在分析PageRank算法模型基础上,针对该算法存在的对所链接页面平均分配权威值问题进行了说明,并分析了部分国内外学者的改进思想,提出了笔者的改进算法.在原算法基础上通过嵌入页面转移概率,保证了权威值的合理分配,实验结果表明,改进的算法提高了网页排序的精确度.     

用户差别化和主题敏感的PageRank算法

为了通过相同的查询词,可以返回满足不同用户需求的搜索结果,使搜索结果的排序因人而不同,将用户进行差别化对待,依据不同用户的不同兴趣爱好、个性的特点、不同的需求等,借助改进后的主题敏感的PageRank算法,调整网页排序的结果.用户差别化和主题敏感的PageRank算法在一定程度上解决了PageRank算法存在的主题漂移问题,并且针对主题敏感的PageRank算法进行改进,使其具有主题扩展性、减少算法的在线计算时间,在查询过程中提供更快的响应速度.最终用户差别化和主题敏感的PageRank算法可以提高用户对网页排序算法和搜索引擎响应速度的满意程度,并且提高网页排序的准确程度.     

基于中心性和PageRank的网页综合评分方法

为准确、高效地对网页进行评分,提出了一种基于中心性(结点度、居间度和紧密度)和PageRank算法的网页评分方法CentralRank.它采用PageRank算法计算网页分数,借助中心性度量的方法计算页面在Web社会网络中的重要性.为了验证CentralRank的性能优势,设计了一个网页抓取器,可利用该抓取器自动、准确地下载网页信息.该网页抓取器集成了网络信息采集、页面内容分析和页面消重3项技术.基于大量真实数据的实验结果表明:CentralRank在保证网页评分时间性能的前提下,比单纯基于中心性的网页评分算法和PageRank算法更准确、有效,预测准确性分别提高约14.2%和7.5%.     

基于多层复杂网络的中欧班列运输网络关键节点识别研究

若运输网络中的重要节点发生故障,中欧班列的运输效率和货物流动会受到严重制约。 本文提出一种基于改进TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution) 法及灰色关联分析的多层网络节点重要性评价方法。首先,以中欧班列运输网络结构特征为基础,构建中欧班列多层网络;其次,选取度中心性、介数中心性及接近中心性等多个评价指标,运用改进TOPSIS法计算节点单层网络重要度评价值,采取灰色关联分析融合得到节点综合重要度评价值;最后,利用多层网络SIR(Susceptible Infected Recovered Model)模型验证方法的有效性。 结果表明：本文识别出的关键节点包含中欧班列主要线路的起讫城市、境内外重要口岸和中欧班列集结中心,结果与实际情况较为契合;采用排序前10%重要节点作为初始感染节点,SIR网络感染率在 20 次迭代后达到 97.8%,本文提出方法的网络节点感染率及传播速率均高于 BC (Betweenness Centrality)算法、DC(Degree Centrality)算法和PageRank算法等传统单一网络排序方法,即识别的关键节点对全局网络的影响更为普遍和高效。此外,根据排序结果从国家层面提出相应的政策建议,有助于提高中欧班列运输网络的鲁棒性。     

基于分治策略的两种排序算法和基于贪心算法的两种问题的讨论

本文主要描述了分治策略和贪心算法的基本思想,并且用分治策略实现了快速排序和归并排序两种排序算法。从分、解、合三方面剖析排序,从而得到分割方式影响排序效率的关键,并将分治法扩展应用到更多排序方法中。本文还用贪心算法实现了背包问题与单源点最短路径问题,从荷值比等方面对资源分配进行分析,并将贪心算法应用更广泛。     

基于模糊理论的停车诱导决策方法研究

从停车者的角度出发,建立最优泊位选择模型,通过车位引导系统引导驾驶员合理停车。采用模糊理论方法,把用户停车泊位的主要特性指标进行量化,并根据这些停车泊位的量化值,采用有序加权平均算法,确定停车泊位的隶属度值并进行排序,选取最大隶属度值的泊位为最优泊位。     

基于扩展置信规则库的海盗袭击事件风险预测

为有效应对海盗袭击事件，减少可能产生的损失，本文提出一种新的基于扩展置信规则库 (EBRB)联合优化的海盗袭击事件风险预测模型。通过引入Relief F算法和差分进化算法，从结构和参数两个角度对EBRB系统进行优化，以确保EBRB系统具有最优的参数数量和取值，利用实际海盗事件数据集进行模型验证。结果显示，联合优化的EBRB系统预测结果与实际情况的拟合效果较好，相对于初始的EBRB系统，联合优化EBRB系统将海盗事件的风险预测准确性提高 了60%。此外，与现有其他预测模型对比发现，基于联合优化EBRB系统的预测模型在提高预测准确性方面具有一定的优势。     

基于改进PageRank算法的路网重要交叉口筛选方法

为便于对饱和交通状况下的城市道路交叉口进行分级管理,需解决城市道路交叉口的重要性排序问题,综合考虑全路网中各交叉口之间的静态结构连接关系和动态流量影响,在改进PageRank算法的基础上,提出了能够反应全路网动态变化的交叉口繁忙程度指标,并将该指标用于路网重要交叉口排序筛选来分析交叉口的状态。研究结果表明:排序越靠前的交叉口越繁忙也越重要,交叉口繁忙程度指标综合考虑了全路网交叉口状况,弥补了以饱和度为评价指标只能片面衡量单个孤立交叉口状态的不足,更准确地反映了饱和交通状况下交叉口之间的相互影响;本文方法排序结果与饱和度评价指标排序结果相比,40%交叉口的排序升降幅度在3位以内,30%交叉口的排序平均下降了7位,其余30%交叉口的排序平均上升了8位。该研究结果为饱和交通状况下交叉口的合理分级提供了量化手段,有助于及时发现急需管控的交叉口。      

基于改进PageRank算法的轨道交通产业集群分析

基于轨道交通产业集群内各企业之间的关系往来,结合发展规模、集群的组织结构、科技实力等因素,运用复杂网络理论和改进的PageRank算法,定量分析轨道交通产业集群网络的拓扑指标,探讨其发展现状和方向。利用复杂网络模型分析轨道交通产业集群网络的特点,并通过熵权法改进PageRank算法,以此来计算轨道交通产业集群内部企业的PR值,根据计算出的PR值可知集群内的重点企业。以成都市轨道交通产业集群为例,分析出该集群具有复杂网络特征,通过计算复杂网络统计量可以得出网络的度分布符合小世界网络,即少数企业与其他企业之间业务往来频繁,而多数企业之间只有少数业务往来。网络的平均路径长度为4.3622,网络聚集系数为0.0113,集群的聚集程度较低。