-
题名基于SIP协议的银行网络对讲监控系统设计与实现
被引量：1
- 1
-
-
作者
彭胜波
周靖
阮鸥
-
机构
湖北工业大学计算机学院
-
出处
《软件导刊》
2016年第1期96-98,共3页
-
基金
湖北省教育厅重点项目(D20151401)
-
文摘
基于会话初始协议(Session Initial Protocol,SIP)设计网络通话系统以及挖掘SIP协议在一些专业领域的应用,是当前的一个研究热点。提出了SIP协议的一个新应用领域——银行网络对讲监控系统,设计了基于SIP协议的银行网络对讲监控系统解决方案,给出了系统设计架构图以及系统基本功能设计,并详细阐述了系统的硬件和软件实现方案。
-
关键词
会话初始协议
SIP
对讲监控系统
网络电话
-
分类号
TP319
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于密度聚类的增量动态社区发现算法
被引量：10
- 2
-
-
作者
郭昆
彭胜波
陈羽中
郭文忠
-
机构
福州大学数学与计算机科学学院
福州大学福建省网络计算与智能信息处理重点实验室
福州大学空间数据挖掘与信息共享教育部重点实验室
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2018年第11期965-978,共14页
-
基金
国家自然科学基金项目(No.61300104
61300103
+11 种基金
61672158)
福建省自然科学基金项目(No.2013J01230
2014J01232)
福建省高校杰出青年科学基金项目(No.JA12016)
福建省高等学校新世纪优秀人才支持计划项目(No.JA13021)
福建省杰出青年科学基金项目(No.2014J06017
2015J06014)
福建省科技创新平台计划项目(No.2009J1007
2014H2005)
福建省高校产学合作项目(No.2014H6014
2017H6008)
海西政务大数据应用协同创新中心资助~~
-
文摘
现实世界中社交网络中的节点和边随时间动态增加或消失,导致网络中的社区结构也随之发生变化,因此,文中提出基于密度聚类的增量动态社区发现算法.首先,基于改进后的DBSCAN生成初始时刻社区.然后,提出边变化率指标,并结合余弦相似度指标确定相邻时刻邻居发生变化的节点及其邻居节点的社区归属调整.在进行社区归属度计算时,不仅考虑节点直接邻居的影响,还考虑间接邻居的影响.最后,通过迭代更新模块度增益进行社区合并,以减少噪声社区的干扰.在人工数据集和真实数据集上的实验表明,文中算法可以有效应对网络结构突变和增量计算累积误差带来的影响,具有较低的时间复杂度.
-
关键词
动态社区发现
密度聚类
边变化率
模块度
-
Keywords
Dynamic Community Detection
Density Clustering
Edge Variation Rate
Modularity
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于密度峰值和社区归属度的重叠社区发现算法
被引量：4
- 3
-
-
作者
郭昆
彭胜波
张瑛瑛
陈羽中
-
机构
福州大学数学与计算机科学学院
福建省网络计算与智能信息处理重点实验室
空间数据挖掘与信息共享教育部重点实验室
国网信通亿力科技有限责任公司
-
出处
《小型微型计算机系统》
CSCD
北大核心
2019年第5期1127-1136,共10页
-
基金
国家自然科学基金项目(61300104
61300103
+10 种基金
61672158)资助
福建省高校杰出青年科学基金项目(JA12016)资助
福建省高等学校新世纪优秀人才支持计划项目(JA13021)资助
福建省杰出青年科学基金项目(2014J06017
2015J06014)资助
福建省科技创新平台计划项目(2009J1007
2014H2005)资助
福建省自然科学基金项目(2013J01230
2014J01232)资助
福建省高校产学合作项目(2014H6014
2017H6008)资助
-
文摘
现实世界中,网络节点通常会隶属于多个重叠社区,例如社交网络、文献引用网络等.因此,重叠社区发现在复杂网络分析中具有重要意义,如何高效准确地识别网络中的重叠社区是社区发现研究的难点.提出一种基于密度峰值和社区归属度的重叠社区发现算法.首先,提出一种基于节点直接邻居和间接邻居的节点间距离度量方法.其次,给出密度峰值聚类算法簇中心的局部密度阈值和跟随距离阈值计算方法,根据这两个阈值自动选取簇中心.最后,把密度峰值聚类算法应用到社区发现中,并给出社区归属度的计算方法,根据社区归属度对社区边界节点进行社区归属划分.在人工数据集和真实数据集上的实验表明:该算法能够准确的识别重叠社区结构,且具近似线性的时间复杂度,适用于大规模复杂网络.
-
关键词
重叠社区
密度峰值
节点间距离
簇中心自动选取
社区归属度
-
Keywords
overlapping community
density peaks
distance between nodes
cluster centers automatic selection
community belongingness
-
分类号
O157.5
[理学—数学]
TP301.6
[理学—基础数学]
-
