一種新的圖像置亂算法

1、計(jì)算機(jī)研究與發(fā)展DOI:10.7544issn10001239.2016.JournalofComputerResearchDevelopment卷(期):起止頁(yè)年收稿日期收稿日期：20160316；修回日期修回日期：20160426六號(hào)基金項(xiàng)目基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目（60903098）；吉林省工業(yè)技術(shù)研究和開(kāi)發(fā)項(xiàng)目(JF2012c0162)；吉林大學(xué)研究生創(chuàng)新基金項(xiàng)目(2015040)ThiswkissupptedbytheN

2、ationalNaturalScienceFoundationofChina(60903098)theProjectofJilinProvincialIndustrialTechnologyResearchDevelopment(JF2012c0162)theGraduateInnovationFundofJilinUniversity(2015040).六號(hào)，核實(shí)準(zhǔn)確完整的基金名稱和英文翻譯通信作者通信作者：彭濤（tpeng@jlu.

3、）（注：此模板非完整論文，已做刪減。只看格式，勿參考內(nèi)容）（注：此模板非完整論文，已做刪減。只看格式，勿參考內(nèi)容）異質(zhì)網(wǎng)中基于張量表示的動(dòng)態(tài)離群點(diǎn)檢測(cè)方法異質(zhì)網(wǎng)中基于張量表示的動(dòng)態(tài)離群點(diǎn)檢測(cè)方法題目三號(hào)劉露1左萬(wàn)利12彭濤12作者四號(hào)宋體，作者和單位的對(duì)應(yīng)關(guān)系標(biāo)注在作者姓名的右上角1（吉林大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院長(zhǎng)春130012）單位小五號(hào)2（符號(hào)計(jì)算與知識(shí)工程教育部重點(diǎn)實(shí)驗(yàn)室（吉林大學(xué)）長(zhǎng)春130012）1（.）小五號(hào)TensRepr

4、esentationBasedDynamicOutlierDetectionMethodinHeterogeneouswkTitle四號(hào)四號(hào)LiuLu1ZuoWanli12PengTao12Name五號(hào)1（CollegeofComputerScienceTechnologyJilinUniversityChangchun130012）Depart.Crespond小五號(hào)2（KeyLabatyofSymbolComputationKnow

5、ledgeEngineering（JilinUniversity）MinistryofEducationChangchun130012）AbstractMiningrichsemanticinfmationhiddeninheterogeneousinfmationwkisanimptanttaskindatamining.Thevaluedatadistributiongenerationmechanismofoutliersarea

6、lldifferentfromthatofnmaldata.Itisofgreatsignificanceofanalyzingitsgenerationmechanismeveneliminatingoutliers.Outlierdetectioninhomogeneousinfmationwkhasbeenstudiedexpledfalongtime.Howeverfewofthemareaimingatdynamicoutli

7、erdetectioninheterogeneouswks.Manyissuesneedtobesettled.Duetothedynamicsoftheheterogeneousinfmationwknmaldatamaybecomeoutliersovertime.ThispaperproposesadynamicTensRepresentationBasedOutlierdetectionmethodcalledTRBOutlie

8、r.Itconstructstensindextreeaccdingtothehighderdatarepresentedbytens.Thefeaturesareaddedtodirectitemsetindirectitemsetrespectivelywhensearchingthetensindextree.Meanwhilewedescribeaclusteringmethodbasedonthecrelationofshtt

9、extstojudgewhethertheobjectsindatasetschangetheiriginalclustersthendetectoutliersdynamically.Thismodelcankeepthesemanticrelationshipinheterogeneouswksasmuchaspossibleinthecaseoffullyreducingthetimespacecomplexity.Theexpe

10、rimentalresultsshowthatourproposedmethodcandetectoutliersdynamicallyinheterogeneousinfmationwkeffectivelyefficiently.Abstract五號(hào)，至少200字，影響EI索引Keywdsdynamicoutlierdetectionheterogeneousinfmationwktensrepresentationtensinde

11、xtreeclusteringKeywds五號(hào)摘要挖掘隱藏在異質(zhì)信息網(wǎng)絡(luò)中豐富的語(yǔ)義信息是數(shù)據(jù)挖掘的重要任務(wù)之一離群點(diǎn)在值、數(shù)據(jù)分布、和產(chǎn)生機(jī)制上都明顯不同于正常數(shù)據(jù)對(duì)象檢測(cè)離群點(diǎn)并分析其不同的產(chǎn)生機(jī)制，最終消除離群點(diǎn)具有重要的現(xiàn)實(shí)意義目前，針對(duì)異質(zhì)信息網(wǎng)絡(luò)動(dòng)態(tài)離群點(diǎn)檢測(cè)的研究工作相對(duì)較少，還有很多問(wèn)題有待解決由于異質(zhì)信息網(wǎng)絡(luò)的動(dòng)態(tài)性，隨著時(shí)間的變化，正常數(shù)據(jù)對(duì)象也可能轉(zhuǎn)變?yōu)殡x群點(diǎn)針對(duì)異質(zhì)網(wǎng)絡(luò)提出一種基于張量表示的動(dòng)態(tài)離群點(diǎn)檢測(cè)方法，并

12、根據(jù)張量表示的高階數(shù)據(jù)構(gòu)建張量索引樹(shù)通過(guò)搜索張量索引樹(shù)，將特征加入到直接3計(jì)算機(jī)研究與發(fā)展2016年定的關(guān)系類當(dāng)節(jié)點(diǎn)類型數(shù)量∣A∣1或邊的類型數(shù)量∣R∣1時(shí)，這樣的信息網(wǎng)絡(luò)被稱為異質(zhì)信息網(wǎng)絡(luò)反之為同質(zhì)信息網(wǎng)絡(luò)定義2異質(zhì)信息網(wǎng)絡(luò)中的N階張量我們將異質(zhì)信息網(wǎng)絡(luò)中的N階張量表示為X∈?其中，N為張量的階數(shù)(也可稱模NtypeNltypeltypelIII?2211數(shù))第1階張量的長(zhǎng)度記為l1，其對(duì)應(yīng)的實(shí)體類型為type1第N階張量的長(zhǎng)度記為l

13、N，其對(duì)應(yīng)的實(shí)體類型為typeNtypei∈A，1≤i≤N?公式用office2003編輯器或者mathtype，普通變量用斜體，向量、矢量、張量用黑斜體例如，文獻(xiàn)網(wǎng)絡(luò)可以被表示成1個(gè)4階張量，X∈?電影網(wǎng)絡(luò)可以被表示為1TermVenuePaperAuth4321llllIIII個(gè)4階張量X∈?或一個(gè)3階張LanguageGenreMovieAct4321llllIIII量X∈?GenreMovieAct321lllIII定義3張量索

14、引樹(shù)張量索引樹(shù)是包含n(n≥1)個(gè)節(jié)點(diǎn)且滿足下列條件的有限集合:1)張量索引樹(shù)中的每一個(gè)節(jié)點(diǎn)都由1個(gè)N(N≥1)維向量組成2)存在唯一一個(gè)向量節(jié)點(diǎn)X0，它是由一系列時(shí)序數(shù)據(jù)組成的向量，稱為張量索引樹(shù)的根節(jié)點(diǎn)3)張量索引樹(shù)同一層的節(jié)點(diǎn)可以包含不同類型的數(shù)據(jù)但同一類型的數(shù)據(jù)都處于張量索引樹(shù)的同一層中…………2.2張量索引樹(shù)的構(gòu)建我們之前提到過(guò)，張量矢量化可能破壞各階中數(shù)據(jù)之間的關(guān)系在大數(shù)據(jù)環(huán)境下，不可避免地會(huì)引起維數(shù)災(zāi)難而對(duì)于異質(zhì)網(wǎng)絡(luò)中的數(shù)

15、據(jù)，如何進(jìn)行高階統(tǒng)計(jì)也是我們需要考慮的問(wèn)題應(yīng)用張量分解方法，例如構(gòu)建鄰接矩陣，處理數(shù)據(jù)集中的樣本會(huì)出現(xiàn)嚴(yán)重的數(shù)據(jù)稀疏性問(wèn)題在本節(jié)中，我們提出了一種構(gòu)建張量索引樹(shù)的方法來(lái)處理異質(zhì)信息網(wǎng)絡(luò)中用張量表示的數(shù)據(jù)，進(jìn)而動(dòng)態(tài)發(fā)現(xiàn)網(wǎng)絡(luò)中存在的離群點(diǎn)我們首先描述張量索引樹(shù)的構(gòu)建過(guò)程由于本文主要解決動(dòng)態(tài)離群點(diǎn)發(fā)現(xiàn)的問(wèn)題，因此，張量索引樹(shù)的根節(jié)點(diǎn)為時(shí)序數(shù)據(jù)組成的向量X=(X1，X2，…，Xn)，如圖1中Layer1所示在本節(jié)中，我們使用文獻(xiàn)網(wǎng)絡(luò)中的3階張量

16、模型來(lái)說(shuō)明構(gòu)建過(guò)程在時(shí)間點(diǎn)X1中，順序遍歷N(N=3)階張量中的第1階張量將屬于type1類型的實(shí)體(作者名)加入第2層向量節(jié)點(diǎn)中同時(shí)，將該作者發(fā)表的論文依次加入第3層向量節(jié)點(diǎn)中第3層向量節(jié)點(diǎn)中的論文題目作為第2層向量節(jié)點(diǎn)中作者名的后繼節(jié)點(diǎn)……張量索引樹(shù)的構(gòu)建不僅可以加快離群點(diǎn)檢測(cè)的速度，而且可以有效解決在使用鄰接矩陣進(jìn)行計(jì)算時(shí)出現(xiàn)的數(shù)據(jù)稀疏性問(wèn)題X1X2XiXn1Xn...A11A12A1n1Length=n1A21A22A2n2Le

17、ngth=n2An1An2AnnmLength=nmP11P12P1u1P21P22P2u2Pn1Pn2PnumT11T12T1v1T21T22T2v2Tn1Tn2T2v...mLayer1:TimestampLayer2:AuthLayer3:PaperLayer4:TermLength=u1Length=u2Length=umLength=v1Length=v2Length=vm...........................

18、.........Fig.1Thetensindextreeconstructedbyathirddertensinbibliographicwk.圖1文獻(xiàn)網(wǎng)絡(luò)中由3階張量所構(gòu)建的張量索引樹(shù)中英文圖題用小五號(hào)，圖內(nèi)的字用英文六號(hào)3基于張量表示的聚類過(guò)程在本節(jié)中，我們?cè)敿?xì)介紹如何根據(jù)給定的入口entry(source，target)搜索張量索引樹(shù)，進(jìn)而使用聚類方法發(fā)現(xiàn)異質(zhì)網(wǎng)絡(luò)中存在的離群點(diǎn)(即源節(jié)點(diǎn)相對(duì)于目標(biāo)類別是否離群)張量索引樹(shù)可以根