随着在线社交应用和媒体的迅速扩散,在线社交网络(Online Social Network,OSN)已将我们的日常生活与网络信息空间连接起来.这些连接产生了大量的数据,不仅包括传播信息,还包括用户行为.社交关系挖掘的研究是社交网络挖掘中的一个重要领...随着在线社交应用和媒体的迅速扩散,在线社交网络(Online Social Network,OSN)已将我们的日常生活与网络信息空间连接起来.这些连接产生了大量的数据,不仅包括传播信息,还包括用户行为.社交关系挖掘的研究是社交网络挖掘中的一个重要领域,为我们对网络的形成机理、用户的交互模式和动态机制的理解提供了一个机会.社交关系(Social Ties)是社交网络中人与人连接和交互的纽带,也是社交网络中信息传播的基础.从计算学的观点来看,社交关系挖掘的研究包括社交关系的形成机理、社交关系的语义化以及基于社交关系人与人之间的交互.该文综述性地分析了这3个方面的研究现状,具体来说,在社交关系形成机理方面介绍关系链接预测,在基于社交关系的交互方面介绍关系交互预测,在社交关系语义化方面介绍关系类型预测.首先给出社交网络分析问题的形式化描述和相关概念、常用数据,然后分别介绍关系链接预测、关系类型预测和关系交互预测3个方面的方法、理论和模型,并给出重要的应用实例及其效果.最后,该文给出了未来工作的展望.展开更多
为保证驾驶安全,提高车辆控制系统的智能化水平,实现"手不离盘"操作,设计并实现了一种基于眼电图(EOG)的安全辅助驾驶系统。该系统利用安装在驾驶员眼睛周围的生物电极采集其在观测抬头显示器(HUD,head up display)上提示符...为保证驾驶安全,提高车辆控制系统的智能化水平,实现"手不离盘"操作,设计并实现了一种基于眼电图(EOG)的安全辅助驾驶系统。该系统利用安装在驾驶员眼睛周围的生物电极采集其在观测抬头显示器(HUD,head up display)上提示符时所产生的扫视信号,生成多种车载设备控制命令;对原始多导联EOG信号进行端点检测后,使用了独立分量分析(ICA,independent component analysis)方法进行空域滤波后提取眼动信号特征参数,并结合支持向量机实现了上、左与右扫视动作的识别。实验室环境下对所提算法进行了测试,15位受试者在疲劳与非疲劳状态下的在线平均正确率达到了98.43%与96.0%。实验结果表明,基于ICA多类扫视信号识别算法的安全辅助驾驶系统在眼动信号分析中呈现出了良好的分类性能。展开更多
针对大数据时代背景下,对海量数据的高效智能处理方式的需求,提出了一种简化大规模网络求解最大流的方法 MFLPA(maximum flow based on label propagation algorithm)。基于标签传播将初始有向网络划分成多个子网络;结合商空间理论通过...针对大数据时代背景下,对海量数据的高效智能处理方式的需求,提出了一种简化大规模网络求解最大流的方法 MFLPA(maximum flow based on label propagation algorithm)。基于标签传播将初始有向网络划分成多个子网络;结合商空间理论通过计算将子网络压缩成单个节点,形成规模较小的商网络;最后,在商网络中求解初始网络的近似优解,有效降低了计算复杂性。实验结果表明,MFLPA在不同网络上运行速度均比ISAP(improved shortest augument path)和Dinic有显著提升,效果随着网络规模的增大而越显著,缩小网络规模达到70%以上,实验误差不超过5%。展开更多
文摘随着在线社交应用和媒体的迅速扩散,在线社交网络(Online Social Network,OSN)已将我们的日常生活与网络信息空间连接起来.这些连接产生了大量的数据,不仅包括传播信息,还包括用户行为.社交关系挖掘的研究是社交网络挖掘中的一个重要领域,为我们对网络的形成机理、用户的交互模式和动态机制的理解提供了一个机会.社交关系(Social Ties)是社交网络中人与人连接和交互的纽带,也是社交网络中信息传播的基础.从计算学的观点来看,社交关系挖掘的研究包括社交关系的形成机理、社交关系的语义化以及基于社交关系人与人之间的交互.该文综述性地分析了这3个方面的研究现状,具体来说,在社交关系形成机理方面介绍关系链接预测,在基于社交关系的交互方面介绍关系交互预测,在社交关系语义化方面介绍关系类型预测.首先给出社交网络分析问题的形式化描述和相关概念、常用数据,然后分别介绍关系链接预测、关系类型预测和关系交互预测3个方面的方法、理论和模型,并给出重要的应用实例及其效果.最后,该文给出了未来工作的展望.
文摘为保证驾驶安全,提高车辆控制系统的智能化水平,实现"手不离盘"操作,设计并实现了一种基于眼电图(EOG)的安全辅助驾驶系统。该系统利用安装在驾驶员眼睛周围的生物电极采集其在观测抬头显示器(HUD,head up display)上提示符时所产生的扫视信号,生成多种车载设备控制命令;对原始多导联EOG信号进行端点检测后,使用了独立分量分析(ICA,independent component analysis)方法进行空域滤波后提取眼动信号特征参数,并结合支持向量机实现了上、左与右扫视动作的识别。实验室环境下对所提算法进行了测试,15位受试者在疲劳与非疲劳状态下的在线平均正确率达到了98.43%与96.0%。实验结果表明,基于ICA多类扫视信号识别算法的安全辅助驾驶系统在眼动信号分析中呈现出了良好的分类性能。
