答辩公告
我的位置在: 首页 > 答辩公告 > 正文
何庭钦答辩公告
浏览次数:日期:2019-05-27编辑:研究生教务办1

答辩公告

论文题目

大规模图聚类优化算法研究

答辩人

何庭

指导教师

蔡立

答辩委员会

主席

李肯立

学科专业

软件工程

学院

信息科学与工程学院

答辩地点

信科523

答辩时间

2019529

上午900

学位论文简介

复杂网络提供了一种自然而强大的方法来模拟各个领域中复杂的现实世界系统由于现实世界网络在许多范围内都表现有意义的结构社区,有效地挖掘大规模网络的结构信息,发现复杂系统的隐藏功能等具有重要的研究价值和意义。随着新技术的进步,当前网络数据集的规模正呈数量级的增加,针对已有工作面向大规模图聚类存在的不足,本文重点优化了快速图聚类模型、面向高阶结构的图聚类模型及并行的距离动态模型,取得了以下主要创新性研究成果:

(1) 提出了一种随机路径抽样的图距离表示方法,可以快速而有效的度量节点间的全局距离解决密度峰聚类算法无法有效处理中存在的稀疏区域,提出了一种局部K-近邻密度,可以实现对局稀疏图聚类的检测;设计了优化异常噪音点的分配规则;

(2) 提出了一种新颖的高阶密度图聚类模型,基于高阶结构连接密度实现复杂网络中的社区结构,枢纽节点和异常节点的识别。提出了基于社区节点的相似度衡量指标,优先选择与社区相似度最大的节点作为核心节点完成下一阶段的社区扩充,有克服了传统密度图聚类中存在的问题;

(3) 提出基于局部扩充的高阶图聚类算法,引入了新的聚类质量评分标准,可更有效的反映高阶聚类密度,该算法为局部图聚类算法,计算时间开销较少,设计了基于模块图案的种子策略,能比其他方法获得更好的性能;

(4) 提出基于动态距离的并行图聚类算法,基于局部领导力来建立节点间强弱链接关系的约束,在动态交互之前加入先验约束以此来减少参与计算边数量,提升计算速度;解决了模型慢收敛问题,并基于Mapreduce并行平台进行实现,可以有效的处理大规模复杂网络的图聚类问题。

主要学术成果

[1] He Tingqin, Cai Lijun, Meng Tao, et al. Parallel Community Detection Based on Distance Dynamics For Large-scale Network[J]. IEEE Access, 2018.(SCI,第一作者)

[2] 蔡立军(导师), 何庭钦, 孟涛, . 基于层次拓扑树的虚拟机节能分配算法[J]. 湖南大学学报: 自然科学版, 2017, 44(2): 137-148. (EI, 导师第一作者)

[3] He Tingqin, Cai Lijun, Deng Ziyun, et al. Queuing-oriented job optimizing scheduling in cloud mapreduce[C]//International Conference on P2P, Parallel, Grid, Cloud and Internet Computing. Springer, Cham, 2016: 435-446. (会议, 第一作者)

[4] Meng Tao, Cai Lijun, He Tingqin, et al. K-Hop Community Search Based On Local Distance Dynamics[J]. KSII Transactions on Internet & Information Systems, 2018, 12(7). (SCI)

[5] Cai Lijun, Zhang Jing, He Tingqin, et al. Enhanced Distance Dynamics Model for Community Detection via Ego-Leader[J]. KSII Transactions on Internet & Information Systems, 2018, 12(5). (SCI)

[6] Meng Tao, Cai Lijun, He Tingqin, et al. A Modified Distance Dynamics Model for Improvement of Community Detection, 2018,10. (SCI)


上一篇:
孟涛答辩公告
下一篇:
刁祖龙答辩公告