申请/专利权人：西安电子科技大学

申请日：2019-07-18

公开（公告）日：2021-04-27

公开（公告）号：CN110535681B

主分类号：H04L12/24(20060101)

分类号：H04L12/24(20060101);G06F16/901(20190101);G06F16/906(20190101);G06Q50/00(20120101)

优先权：

专利状态码：有效-授权

法律状态：2021.04.27#授权;2019.12.27#实质审查的生效;2019.12.03#公开

摘要：本发明提出了一种基于开放运算语言OpenCL并行的量子粒子群算法的重叠社区检测方法，在保证检测正确率的基础上，提高检测效率，实现步骤为：配置开放运算语言OpenCL设备端；CPU主机端构建重叠社区结构的边图LG；CPU主机端构建共邻矩阵M；CPU主机端提取共邻矩阵M的特征值和特征向量；CPU主机端获取评价结果cost；CPU主机端构建网格Grid；OpenCL设备端编写不同的内核程序；OpenCL设备端基于量子粒子群算法并行计算和评价第t+1代粒子群的边图LG的重叠社区划分结果；CPU主机端构建非支配解集repnew；CPU主机端获取边图LG的重叠社区划分结果。

主权项：1.一种基于开放运算语言OpenCL并行的重叠社区检测方法，其特征在于，包括如下步骤：1配置开放运算语言OpenCL设备端：中央处理器CPU主机端通过PCIe总线与开放运算语言OpenCL设备端进行连接，并对开放运算语言OpenCL设备端进行配置，同时激活OpenCL设备端中的PN个工作项，PN∈[20,∞；2CPU主机端构建重叠社区结构的边图LG；2aCPU主机端构建以重叠社区成员为节点、以成员之间的关系为边且边数为N的图模型G，N＞0；2bCPU主机端构建以图模型G中的边为边节点、以任意两条边存在的重合节点为边的边图LG；3CPU主机端构建共邻矩阵M；3aCPU主机端根据边图LG构建邻接矩阵A： 其中，Aij表示边图LG中第i个边节点与第j个边节点之间的关系，Aij＝1，表示第i个边节点与第j个边节点之间有边相连，Aij＝0，表示第i个边节点与第j个边节点之间无边相连；3bCPU主机端根据邻接矩阵A构建共邻矩阵M'，并判断Aij＝0是否成立，若是，将Mij'置0，否则，对Mij'加一，得到共邻矩阵M，其中，M'和M的表达式分别为： 其中，Mij'表示边图LG中第i个边节点与第j个边节点的共同邻居节点数，其中AirAjr表示第r个节点是否为边图LG中第i个边节点与第j个边节点的共同邻居节点，AirAjr＝1，表示第r个节点是边图LG中第i个边节点与第j个边节点的共同邻居节点，AirAjr＝0，表示第r个节点不是边图LG中第i个边节点与第j个边节点的共同邻居节点，Mij＝Mij'+1×Aij；4CPU主机端提取共邻矩阵M的特征值和特征向量：CPU主机端对共邻矩阵M进行特征值分解，并对分解结果进行降序排列，得到N个特征值λ1,λ2,…,λN和N个特征值对应的特征向量V1,V2,…,VN；5CPU主机端获取评价结果cost：5aCPU主机端初始化量子粒子群算法的参数，包括迭代次数t＝1、最大迭代次数T＝200、粒子X'[t]的个数PN，粒子X'[t]的长度m2由激活标志h1的长度m和聚类中心h2的长度m拼接而成，m∈[10,N4]，每个粒子X'[t]表征边图LG中的m'个被激活的社区聚类中心centerm'，m'∈[2,m]；5bCPU主机端对粒子群中包含社区个数少于2的粒子X'[t]进行修正，使其至少包含2个社区，得到修正后的PN个粒子X[t]；5cCPU主机端计算特征向量V2中的每个值到每个粒子X[t]中m'个被激活的社区聚类中心centerm'的距离，并用V2中距离centerm'最近的值代替centerm'，形成新的m'个被激活的社区聚类中心并计算边图LG中每一个边节点分别到每个粒子X[t]中的m'个被激活的社区聚类中心的谱方法加权距离，并将每个边节点分类到距离centerm'最近的社区中，得到每个粒子的长度为N的重叠社区划分结果assignment[t]；5dCPU主机端构造多目标优化函数Evaluate，并通过Evaluate对PN个重叠社区划分结果assignment[t]进行评价，得到每个粒子的长度为2的评价结果向量cost[t]；6CPU主机端构建网格Grid：CPU主机端根据PN个粒子的评价结果向量cost[t]，对PN个粒子X[t]进行非支配排序，得到非支配解集rep，并通过非支配解集rep中所有非支配粒子的评价结果向量cost[t]构建包括10×10个小格子cell的网格Grid，其中rep中非支配粒子的个数小于等于20；7OpenCL设备端编写不同的内核程序：OpenCL设备端将基于量子粒子群算法，并通过网格Grid对单个粒子X[t]进行更新的过程编写为内核程序Kernel1，同时根据步骤5b的方法将对更新后的单个粒子X'[t+1]进行修正的过程编写为内核程序Kernel2，根据步骤5c的方法将对修正后的单个粒子X[t+1]进行重叠社区划分的过程编写为内核程序Kernel3，根据步骤5d的方法将对划分后的单个粒子X[t+1]进行评价的过程编写为内核程序Kernel4；8OpenCL设备端基于量子粒子群算法并行计算和评价第t+1代粒子群的边图LG的重叠社区划分结果：8aOpenCL设备端的PN个工作项并行执行内核程序Kernel1，实现对PN个粒子X[t]进行更新，得到更新后的PN个粒子X'[t+1]；8bOpenCL设备端的PN个工作项并行执行内核程序Kernel2，实现对更新后的PN个粒子X'[t+1]进行修正，得到修正后的PN个粒子X[t+1]；8cOpenCL设备端的PN个工作项并行执行内核程序Kernel3，实现对修正后的PN个粒子X[t+1]进行重叠社区划分，得到PN个粒子X[t+1]的重叠社区划分结果assignment[t+1]；8dOpenCL设备端的PN个工作项，并行执行内核程序Kernel4，实现对修正后的PN个粒子X[t+1]的重叠社区划分结果assignment[t+1]进行评价，得到PN个粒子X[t+1]的评价结果向量cost[t+1]；9CPU主机端构建非支配解集repnew：CPU主机端根据PN个粒子X[t+1]的评价结果向量cost[t+1]，对PN个粒子X[t+1]进行非支配排序，得到非支配解集rep'，并对非支配解集rep'与非支配解集rep进行合并，再对合并结果中的粒子进行非支配排序，得到非支配解集repnew；10CPU主机端获取边图LG的重叠社区划分结果：中央处理器CPU主机端判断t+1＝T是否成立，若是，采用模块度公式对非支配解集repnew中每个粒子所代表的重叠社区划分结果进行评价，并输出检测正确率最大的重叠社区划分结果，否则，以非支配解集repnew中所有非支配粒子的评价结果向量cost[t]构建网格Gridnew,并令t＝t+1,rep＝repnew，Grid＝Gridnew，并执行步骤8。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于开放运算语言OpenCL并行的重叠社区检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD