在運用近鄰網(wǎng)絡排序集生成邊界掃描測試向量方法中,多以網(wǎng)絡局部或全局信息進行節(jié)點近鄰關系排序,導致偽近鄰點的識別排序能力較差。該文結合LeaderRank算法引入節(jié)點偽近鄰作為局部重要性指標,首先利用LeaderRank求得網(wǎng)絡節(jié)點的全局重要度,然后基于相關鄰居關系提出節(jié)點偽近鄰比計算方法,最后綜合LeaderRank的全局重要度值與節(jié)點偽近鄰性求得總體重要度,從而獲得近鄰網(wǎng)絡重要度排序。采用所提方法和以往近鄰排序算法對實際電路板網(wǎng)絡模型進行近鄰關系排序,對排序結果進行比較,并用SIR傳染病模型進行仿真分析。實驗結果表明,所提方法能夠彌補以往排序算法的不足,從而獲得更為精確的排序結果。 

【文章來源】：現(xiàn)代電子技術. 2020年02期 北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

局部節(jié)點偽近鄰性

對所提算法進行仿真與分析驗證前，首先根據(jù)Protel DXP提供的電路板結構信息、網(wǎng)表信息建立短路故障網(wǎng)絡模型。本文以某機載雷達信號處理板為樣例建立短路故障模型[2]，如圖2所示。分別用最短路徑法、重要度評價矩陣法、LeaderRank、本文的PseudoRank算法對圖2網(wǎng)絡節(jié)點進行排序，結果如表1所示（由于篇幅限制，只列出排名前10的節(jié)點）。由表1可知，與其他算法相比，PseudoRank算法更容易對網(wǎng)絡偽近鄰節(jié)點進行有效區(qū)分。由圖2可以看出，節(jié)點1和34有相同鄰居節(jié)點14,20,22,32，但由式（1）可知，節(jié)點1,34的非共同鄰居節(jié)點不同，導致對兩節(jié)點影響不同。對于節(jié)點1，其鄰居節(jié)點2,3,4的重要性相對較高，從而對其影響較大；相對節(jié)點34而言，能夠對其有重要影響的鄰居節(jié)點只有排名相對較高的節(jié)點33，故相比之下節(jié)點1重要性高于34更為合理。同樣，本文算法所得到的重要性排序結果中，節(jié)點8要高于32，雖然節(jié)點32的鄰居節(jié)點33,34重要性排名在節(jié)點8的鄰居節(jié)點1,2,3,4之前，但節(jié)點32的鄰居節(jié)點相對較多，因節(jié)點間相互影響，其他鄰居節(jié)點反而削弱了節(jié)點33,34對節(jié)點32的影響。因此，本文算法求得節(jié)點8的近鄰關系重要性排在節(jié)點32之前。

從圖3知，重要度評價、LeaderRank和PseudoRank節(jié)點傳播重要度分布線性程度、收斂程度較好，說明本文方法排序結果更為準確合理，且各方法SIR值逐漸增大即傳播深度逐漸加深。同時，圖3中本文算法節(jié)點傳播重要度較高的部分，其離散程度相對較低，故PseudoRank算法的網(wǎng)絡節(jié)點近鄰重要度排序更合理。對各算法在圖2的排序結果進行傳播驗證，選取傳播步數(shù)為50，觀察網(wǎng)絡節(jié)點處于I狀態(tài)節(jié)點個數(shù)SI占總數(shù)的比例隨時間的變化情況。為確保仿真結果的準確性，分別選取各算法排序結果前10%的節(jié)點作為傳播起始點，傳播仿真結果如圖4所示。


本文編號：2949076