基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统重要节点识别方法只考虑节点的某个单一性质,性质选择具有主观性,在不同结构网络中性能差异明显的问题,提出一种基于多指标融合(Multi-index Fusion MIF)的自适应重要节点识别方法.将不同的重要性指标作为节点的多维参数,利用主成分分析法降低不同指标间的相关性;基于熵权法确定各主成分指标的权重,最后使用灰色关联分析法对节点进行重要性排序.仿真实验表明,该方法能综合考虑节点多种重要性指标,与单指标方法相比具有更高的识别精度和准确度,并在传播能力上有更好的性能表现.
推荐文章
一种基于数据融合的身份识别方法
说话人识别
人脸识别
数据融合
神经网络
基于CHMMs的自适应行为识别方法
行为识别
耦合隐马尔可夫模型
加速度传感器
数据融合
面向多视频节点的自适应压缩融合跟踪方法
压缩感知
目标跟踪
无线视频传感器网络
数据融合
一种基于特征融合的手势识别方法
手势识别
指尖检测
HOG
支持向量机
YCrCb
特征提取
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种多指标融合的自适应重要节点识别方法
来源期刊 火力与指挥控制 学科 工学
关键词 重要节点 多指标 相关性 主成分分析 熵权法 灰色关联分析
年,卷(期) 2020,(12) 所属期刊栏目 理论研究
研究方向 页码范围 23-30,35
页数 9页 分类号 TJ01
字数 语种 中文
DOI 10.3969/j.issn.1002-0640.2020.12.005
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (133)
共引文献  (139)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1953(1)
  • 参考文献(0)
  • 二级参考文献(1)
1972(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(2)
  • 参考文献(0)
  • 二级参考文献(2)
1978(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(10)
  • 参考文献(0)
  • 二级参考文献(10)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(13)
  • 参考文献(0)
  • 二级参考文献(13)
2011(13)
  • 参考文献(0)
  • 二级参考文献(13)
2012(13)
  • 参考文献(0)
  • 二级参考文献(13)
2013(16)
  • 参考文献(0)
  • 二级参考文献(16)
2014(7)
  • 参考文献(1)
  • 二级参考文献(6)
2015(9)
  • 参考文献(0)
  • 二级参考文献(9)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(7)
  • 参考文献(7)
  • 二级参考文献(0)
2018(4)
  • 参考文献(4)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
重要节点
多指标
相关性
主成分分析
熵权法
灰色关联分析
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
火力与指挥控制
月刊
1002-0640
14-1138/TJ
大16开
山西太原193号信箱
22-134
1976
chi
出版文献量(篇)
9188
总下载数(次)
26
总被引数(次)
34280
论文1v1指导