超图

摘要： 常规宽度学习系统(Broad Learning System,BLS)通常采用的线性稀疏特征提取方法难以对数据的复杂非线性特征进行有效表征.此外,当标记样本量较少时,BLS的泛化性能难以得到保证.为此,提出一种基于自编码器和超图的半监督宽度学习系统(Autoencoder and Hypergraph-based Semi-supervised BLS,AH-SBLS).主要步骤为:首先,使用包括标记样本和无标记样本在内的全部样本训练自编码器,利用训练好的自编码器自动提取数据的复杂非线性特征;其次,将自编码器特征层中的特征作为AH-SBLS的特征节点并对其进行宽度拓展;然后,构造半监督超图以挖掘标记样本和无标记样本间的高阶流形关系,并将超图正则项引入宽度学习系统的目标函数中;最后,利用岭回归对目标函数进行求解,实现对无标记样本的类别预测.在图像分类实验上的结果表明,AH-SBLS能够实现半监督分类且获得较高的分类精度.

摘要： 在数值相对论研究方面,侧重于将爱因斯坦场方程转化为3 + 1维的柯西问题。在3维空间超曲面上给出初始柯西条件,随时间演化。而Wolfram模型也把爱因斯坦场方程作为先验柯西问题,在单个空间超图上指定初始柯西数据,然后通过超图重写规则进行演化,得到的因果网络结构对应时空的共形不变性结构。侧重研究Jonathan Gorard如何使用Wolfram模型提供广义相对论的数值解法,对Jonathan Gorard对Berger和Colella提出的自适应网格细化进行数值验证(包括史瓦西黑洞、克尔黑洞、史瓦西黑洞极限)。将该代码的结果和没有PDE系统的Wolfram模型演化结果进行比较,发现会在相同极限收敛,继而说明Wolfram模型的可靠性。

摘要： 近年来,空间结构和社会多样性对群体合作演化的影响吸引了人们极大的关注.本文在空间公共品博弈中引入了异质增益因子,研究超图上合作行为的演化.除所有博弈群组具有相同增益因子的原始模型外,还考虑了包括均匀分布、指数分布和幂律分布在内的不同异质性强度的三类异质增益因子分布.数值模拟结果显示,上述4种增益因子分布对应的公共品博弈中,均匀随机超图阶数g的增大有利于提高群体的合作水平.更进一步地,对比超图上原始空间公共品博弈的演化结果,群体中博弈群组增益因子异质性的引入能够显著促进群体的合作行为,幂律分布情况下能够使得系统获得最高合作水平.此外,研究了超边数目对群体合作演化的影响,结果表明上述结论对超边数目鲁棒,并且超边数目L的增大会抑制公共品博弈中合作行为的涌现.一定程度上,本文的研究结果有助于我们更好地理解超图上空间公共品博弈的演化动力学.

摘要： 识别网络中的关键节点对研究网络的拓扑结构及功能特性具有重要的实际应用价值。基于超图的超网络拓扑结构为超图,由于超图中的超边可以包含任意数量的节点,使得超网络能够清晰明了地表达出多元、多维、多准则的复杂关系。为了更好地挖掘超网络中的关键节点,基于超图理论及性质,提出超图中的邻接结构熵识别超网络中的关键节点,该方法通过研究节点及其直接与间接节点间的关系,利用节点信息熵刻画不同节点在超网络中的重要性。其优势在于不仅考虑了超网络中节点自身的性质,也融合了邻居节点的影响力,且由于该算法只利用节点的局部属性,故其复杂度较低。并通过对科研合作超网络进行的实证分析,结果表明邻接结构熵能够准确有效地识别超网络中的关键节点,为今后研究超网络中的关键节点以及研究超网络的拓扑结构提供一定的借鉴和参考。

摘要： 将直觉模糊超图的概念推广到对应双极的框架,并进一步讨论了双极直觉模糊有向超图的形式,同时对两类双极模糊超图的一些基本特征进行了刻画.

摘要： 在合作博弈的一般模型中总是假设所有联盟都能形成。不过,在实际中由于受到一些因素的制约,有些联盟是不能形成的。基于此,Myerson提出了具有图通讯结构的合作博弈。Myerson值和Position值是超图博弈上的两个重要分配规则。2005年,Slikker给出了在图博弈上Position值的公理化刻画。但超图博弈上Position值的公理化刻画一直悬而未决。本文通过引入“赋权平衡超边贡献公理”,并结合经典的“分支有效性”,提出了超图博弈上赋权Position值的公理化刻画。作为推论,解决了超图博弈上Position值的公理化刻画问题。

摘要： 阿尔茨海默症(Alzheimer’s Disease, AD)是一种常见于中老年人的神经退行性疾病,其病理机制至今尚未明确。通过多模态脑影像来表征脑网络在阿尔茨海默症研究中已显示出巨大的潜力和前景。然而,由于多模态数据之间的异质性,现有大多数融合算法都不能有效利用不同模态数据之间的功能–结构互补信息。为解决上述问题,本文基于超图理论和生成对抗策略,提出了交替式超边神经元算法和最优超图同态算法的多模态脑网络计算方法。具体来说,首先将功能磁共振(fMRI)和弥散张量成像(DTI)利用最优超图同态算法进行超图数据构建,再利用交替式超边神经元算法对fMRI和DTI数据的功能–结构互补特征进行深度融合,最终学习得到疾病相关的多模态脑网络。该模型的优势在于能够最大限度地挖掘疾病相关互补信息,进行多层级交替式深度融合。实验结果表明,该模型不仅能提高阿尔茨海默症早期识别性能,而且能有效检测与阿尔茨海默症相关的异常脑连接作为疾病标志物,为病理机制溯源提供基础。

摘要： 图神经网络对非欧式空间数据建立了深度学习框架,相比传统网络表示学习模型,它对图结构能够实施更加深层的信息聚合操作.近年来,图神经网络完成了向复杂图结构的迁移,诞生了一系列基于复杂图的图神经网络模型.然而,现有综述文章缺乏对复杂图神经网络全面、系统的归纳和总结工作.将复杂图分为异质图、动态图和超图3种类型.将异质图神经网络按照信息聚合方式划分为关系类型感知和元路径感知两大类,在此基础上,分别介绍普通异质图和知识图谱.将动态图神经网络按照处理时序信息的方式划分成基于循环神经网络、基于自编码器以及时空图神经网络三大类.将超图神经网络按照是否将超图展开成成对图划分为展开型和非展开型两大类,进一步按照展开方式将展开型划分成星形展开、团式展开和线形展开3种类型.详细阐述了每种算法的核心思想,比较了不同算法间的优缺点,系统列举了各类复杂图神经网络的关键算法、(交叉)应用领域和常用数据集,并对未来可能的研究方向进行了展望.

摘要： 网格计算应用主要针对大规模计算任务,任务调度时为了提高寻找效率,设计了一种多目标最优资源聚类调度方法 MORC(task scheduling algorithm based on multiple-objective optimal resource clustering),利用超图理论构建模型,用遗传算法将多目标转化为单目标,对资源进行聚类预处理;任务调度时以最小执行时间为主要目标,并兼顾资源负载均衡。该方法不但可以有效均衡资源负载,还能够缩短任务与资源的匹配时间,使任务调度的性能大幅度提高。

摘要： 地下轨道交通具有典型且清晰的超网络特征。本研究在一般网络虽直观,但不能反映网络定量特征和特性的缺点的基础上,选取中国目前地下轨道交通里程建设前三名的三大城市上海、北京、广州进行超网络分析对比。建立地下轨道交通节点-超边超图分析模型并提出了超图超边权重设置及分割算法,提供了新的网路分析路径。分析结果表明,三大城市地下轨道交通有各自的优缺点,都存在需要优化改进的地方。同时三大城市地下轨道交通正处于发展期,建设的进度及分布同各城市经济发展板块和人口分布特征相吻合。

摘要： EBSN中的个性化推荐服务是一个十分重要且颇具应用价值的问题,目前已有研究工作主要是基于普通图模型来对EBSN中的关系进行建模,但EBSN是一种异构型复杂社交网络,具有多种不同类型实体,因而用图对EBSN进行建模存在可能丢失数据在高维信息下的不足,从而降低了推荐质量.基于此,本文提出了一种基于超图的EBSN个性化推荐算法(Personalized Recommendations via Hypergraph in EBSN-PRH),其基本思想是:利用超图可准确表示数据在高维下各种关系而不丢失信息的特性来对EBSN进行建模,并运用流行排序策略进行正则化计算,最终实现精准推荐.实验结果验证了该算法比以往基于普通图的算法具有更高的推荐准确性.

摘要： 特征建模通过领域分析确定共同特征和可变特征,为软件产品开发参与人员提供了领域内唯一可确定的抽象.特征地图及其元模型对特征模型进行扩展,支持特征选取确定可复用框架之上的资产制品快速定位和组装,生成满足依赖关系和约束条件的软件产品家族.通过为特征地图及其元模型分别建立语义超图形式化模型,并提供语义跳转机制实现语义层次之间语义信息的关联,构成纵横交错的语义结构,可满足软件产品线语义多样性表达和一致性验证的需求.

摘要： 由于高维空间中数据分布特殊,所以传统的离群数据挖掘方法不能很好的适用于高维空间数据集.本文针对这一问题提出了一种利用粗糙集的属性约简方法对数据集的属性进行约简以减少高维空间的维数,并在约简生成的子空间中对数据集进行基于超图模型的离群数据挖掘的方法.研究结果表明,对属性的约简可以节省数据存储空间,提高计算效率,而利用超图模型可以发现约简后的数据集中的离群数据.实验结果说明了此方法的高效性并且具有实用价值.

摘要： 空间数据是空间分析的基础,随着海量空间数据的增大,之间关系的日益复杂,空间数据的组织就显得愈发重要。基于超图的数据结构以超图和集合理论为基础,不但可以表达空间数据之间的层次关系,而且可以表示空间数据之间的横向关系,使GIS空间数据结构在空间分析中的完备性和适应性问题得到解决。本论文在对超图的层次数据结构和非层次结构进行了详细研究的基础上,初步探讨利用面向对象的关系数据库系统实现该模型,并参考数据仓库的OLAP方法进行基于超图空间模型的数据挖掘,以海洋数据为例,利用HBDS组织海洋原始数据、等深线数据、特征线数据、地貌数据等等,并展望基于超图的海洋对象数据模型在空间分析的中应用。

摘要： 本文针对现有冲突分析不适于模糊数据处理的现状,将冲突数据的Vague集描述引入到超图理论之中,重点讨论了不同Agent间的Vague冲突分析方法及其消除策略.

摘要： 该文使用超图表示约束模型，采用基于超图约束驱动的几何推理约束满足法进行参数化设计，几何实体的计算基于特征点。作者结合在AUTOCAD上开发参数化设计模块的实践， 得出该方法能处理多实体约束关系（如面积约束），提高求解效率，降低时间复杂度。

摘要： 该文给出拟超图、自补拟超图及布尔函数的分类公式。这几个公式，推广了de—Bruijn和F·Harary的结果，而且，其方法也比很多组合数学丛书中新介绍的简单。（本刊录）

摘要： 通过图例讨论了无β环数据库模式研究过程中涉及到的几种环之间的关系。系统地讨论了超图中α环与β环，β环与弱β环，弱β环与γ环之间的关系。给出了超图中有β环和有γ环情况下的定价命题，并进行了证明。

摘要： 本发明公布了一种基于超图的时空超图卷积交通流量预测方法，将交通线路图按照流量变化特征构建成时空超图，再建立时空超图卷积交通流量预测模型对交通流量进行预测。本发明提供的技术方案根据过往交通时序上的流量变化特征，将特征相似的交通站点进行聚类，在相邻两个时间点之间构造超边，将相邻时间点中同属一个类别的地铁站相连，构建跨时空超图；再通过构建基于超图的时空卷积网络模型，挖掘时空超图的时空关联性，预测未来交通流量，可有效提高区域交通流量预测的准确度。

摘要： 本发明涉及医疗技术领域，特别是涉及一种B超图像处理装置、脂肪肝B超图像处理装置及B超系统，所述B超图像处理装置包括：获取模块，用于获取目标区域的B超图像；降噪模块，用于对所述B超图像进行降噪处理；分割模块，用于对降噪处理后的所述B超图像进行图像分割以获取所述B超图像的特征矩阵；处理输出模块，用于利用预训练的卷积神经网络算法处理所述特征矩阵，输出所述目标区域的病变等级。本发明提供的B超图像处理装置通过对B超图像进行降噪处理，减少了噪声干扰，有利于医生更清楚地观察分析影像；通过输出病变等级可以为医生提供诊断参考，提高的诊断的准确率，降低误诊，提高诊断效率。

摘要： 本发明公开了一种基于超像素‑超图特征增强网络的极化SAR图像分类方法，包括以下步骤：步骤一、预处理极化SAR图像的输入数据；步骤二、利用超像素分割得到极化SAR超像素集；步骤三、生成超像素极化特征矩阵和空间特征矩阵，构建极化特征关联矩阵和空间特征关联矩阵；步骤四、构建两层超像素‑超图卷积神经网络，进行超像素级到像素级特征转换；步骤五、构建特征重建网络和局部特征提取网络，融合重建特征与局部特征实现特征的增强；步骤六、利用训练集对网络进行训练，输出分类结果。本发明提出的超像素‑超图特征增强网络，能够利用极化SAR图像的极化特征和空间特征，充分融合全局信息和局部信息，有效提升了极化SAR图像分类的精度。

摘要： 本发明涉及一种面向气胸诊断的B超图像分析方法，包括以下步骤：获取肺部区域的超声检查视频，对其进行预处理；使用一维块匹配算法对超声检查视频进行处理，得到视频特征矩阵；将视频特征矩阵输入训练好的机器学习模型，所述机器学习模型的输出为诊断结果；将视频特征矩阵和诊断结果输出。在B超图像中可依据肺滑动征象来诊断气胸，但医生靠肉眼判断需要一定的时间且对医生有一定的技术与经验要求，与现有技术相比，本发明采用一维块匹配算法对超声检查视频进行处理，得到的视频特征矩阵能够直观量化反映超声视频中的肺滑动征象运动情况，从而通过计算机技术提高气胸诊断的效率与准确度。

摘要： 本发明公开了一种基于有向超图神经网络的会话推荐方法。该方法根据用户当前会话对用户兴趣建模，并推荐用户在下一步最可能感兴趣的物品。主要由四个部分组成：第一部分用所有会话和会话中的物品集合，构建包含了用户和物品交互关系的超图；第二部分根据有向超图神经网络，得到当前会话中的物品向量表征和会话向量表征；第三部分通过注意力机制，根据当前会话中的物品向量表征和会话向量表征，得到用户兴趣；最后，根据用户兴趣，给用户推荐物品。

摘要： 本发明涉及一种基于加权超图模型的页面显著性要素提取方法及系统，包括：利用简单线性迭代聚类算法进行超像素分割；利用模糊C均值聚类算法构建普通超图模型；根据显著性物体检测的先验知识，利用边界超像素和中心超像素的位置关系及颜色相似性为普通超图模型中的顶点和超边进行加权构建加权超图模型；根据转移概率矩阵生成规则得到转移概率矩阵，结合转移概率矩阵并利用随机游走算法检测出页面中的要素。本发明通过自定义的加权策略构建加权超图模型，将图像中的复杂背景弱化或者去掉，只将页面中的重要元素提取出来，降低了匹配时间成本，可更高效准确的服务于图像匹配算法，提高了UI页面自动化测试中的图像识别效率和准确率。

摘要： 本发明涉及一种基于超图神经网络的中草药方剂推荐方法。通过将中医证型和状态要素集成到推荐中，提出了一个高阶关系诱导的模型，称为多超图卷积神经网络(MHGCN)；该模型对患者间的高阶关系构建超图，从而联合相关患者学习病情的鲁棒表示。具体而言，首先分别利用证型和状态要素引起的患者之间的高阶关系进行建模，以超图的形式进行表示。然后，通过堆叠超图卷积得到病情的综合表示。最后，使用一个多层感知机作为分类器进行最终的中药预测。实验结果表明，与现有的方法相比，本发明方法获得了更精准的推荐结果，取得了较好的效果。

摘要： 本发明公开了一种基于三角形的超图稠密度度量方法，步骤如下：S1、输入超图HG＝(V，EH)，初始化集合S为空，集合S为Set，不可添加相同元素；S2、按序号从小到大遍历超图中所有的超边，对每条超边进行操作。本发明采用上述的一种基于三角形的超图稠密度度量方法，可以计算超图中存在的三角形个数并枚举所有三角形，可以应用于社区发现，高阶的超图分析，超图的稠密度计算，衡量社区是否紧密等领域。本发明提供了一种新型的超图三角形定义，并实现了一种高效的方案来度量超图稠密度的指标。

摘要： 本发明公开了一种基于k‑truss的面向超图的社区发现方法，具体步骤如下：S1、首先输入超图HG＝(V，Eh)、S、r，计算超图中所有超边的support；S2、初始化超图的极大k‑truss下界low＝0，上界up＝0，当Size(|H|)>S时，进行以下操作；S3、计算当前超图中的三角形个数T＝所有超边的support之和/3，令low＝max(low，最小的超边support，T/超边总数)，令up＝max(up，最小的超边support，r*(T/超边总数))；S4、将所有support小于上界up的超边从超图H中删除，得到一个新的超图H。本发明采用上述的一种基于k‑truss的面向超图的社区发现方法，在超图上实现了k‑truss分解和极大k‑truss的挖掘，大幅减少了不必要的计算内容，消除了传统算法的冗余计算过程，实现了对于超图的社区发现。

摘要： 本发明公开了一种在复杂大规模图数据集上使用超图进行数据建模、以及基于超图神经网络进行关键结点集发现的方法，包括以下步骤：S1、根据原始图数据构建多模态超图；S2、在超图结构数据集上进行k‑core子图搜寻；S3、计算超图k‑core中结点的重要性；S4、在k‑core中采样生成训练数据集；S5、使用超图神经网络融合自注意力机制进行训练；S6、使用训练完成的网络预测在给定部分关键结点集，剩余结点作为关键结点加入结果集的概率；S7、找到图数据上的关键结点集。本发明公开的方法克服了普通贪心算法无法利用图结构以及在大规模数据集上组合优化复杂性过高的问题。