36、网络特征优化与泰米尔字符识别：技术创新与实践探索

网络特征优化与泰米尔字符识别：技术创新与实践探索

1. 网络特征优化：Shell - Based Perturbation方法

在网络分析领域，为了实现主特征向量的本地化，有两种重要的方法被提出：随机扰动（RP）方法和基于壳的扰动（SP）方法。

1.1 现有随机扰动（RP）方法

现有RP方法在每次迭代中，会从原始图G的边中随机选择一条边e并删除它，然后从不在图G中的边里随机选一条边e1插入到图G中。若这些修改能提高逆参与率（IPR）值，就保留这些修改；否则，不考虑这些修改。这个步骤会持续迭代，直到达到预定的修改次数t。

1.2 基于壳的扰动（SP）方法

基于信息扩散建模中聚类对信息本地化的重要作用，提出了SP方法。该方法试图在网络的某些部分形成聚类，以实现更好的信息本地化状态。

SP方法的具体步骤如下：
1. 计算给定社交图G的初始IPR值，记为IIPR。
2. 对给定社交图G = (V, E)进行k - 壳分解：
- 复制图G得到G1 = G。
- 找到G1中度数最低的节点d，将它们放入桶d中，并从G1中移除。
- 找到步骤2 (ii)中节点的所有邻居，如果它们的度数降至 ≤ d，则将它们放入桶d中。
- 重复步骤2 (ii) - 2 (iii)，直到G1为空。
3. 根据步骤2的分解结构，将图G的节点集V分为两组：核心组X ⊆ V和非核心组Y = V - X。
4. 从非核心顶点之间的边集E1（E1 ⊆ E）中随机选择一条边e1，并从图G中删除它。
5. 随机选择两个非相邻的核心顶点a和b，在图G中插入边e2 (a, b