31、动态社交网络、手势识别、土壤水分预测及航空发动机异常检测研究

动态社交网络、手势识别、土壤水分预测及航空发动机异常检测研究

1 动态社交网络中社区结构的跟踪方法

在动态社交网络中，传统的社区跟踪方法多基于连续时间点的评估，然而这种方法可能无法准确反映社区的整体时间演变。为解决这一问题，提出了一种新的跟踪方法。

1.1 传统方法的局限性

传统方法通常使用 Jaccard 或修改后的 Jaccard 度量来研究两个连续时间戳社区的共同节点。但这种方法可能导致在社区生命周期结束时，最终的社区与最初观察到的社区没有共同节点，无法捕捉社区的整体时间演变。

1.2 新的跟踪方法

1.2.1 动态社交网络表示

用 $G = {V_{ti}, E_{ti} | 1 \leq i \leq m} = (g_{ti}) {1 \leq i \leq m}$ 表示从 $t_1$ 到 $t_m$ 时间段的动态社交网络。对于每个图 $g {ti}$，使用现有的社区检测算法定义一个划分 ${C_1^{ti}, C_2^{ti}, …, C_{q_i}^{ti}}$ 来表示在时间 $t_i$ 检测到的社区。

1.2.2 提取时间关系向量

为了捕捉在时间 $t_j$ 观察到的给定社区 $C_{tj}$ 的时间关系方面，使用特定框架提取相应的行向量 $v_j$，它反映了 $C_{tj}$ 与社交网络中其他检测到的社区的时间关系。

1.2.3 构建矩阵

• 二进制成员矩阵 $A$ ：构建一个二进制成员矩阵 $A(N_n×N_c)$，其中行对应于 $G$ 中的节点，列表示不同时间