基于传播影响力的重叠社区划分算法

在研究经典标签传播算法的基础上,提出了一种基于传播影响力的重叠社区划分算法COPRA-PI,可用于挖掘加权网络中的社区结构。该算法在COPRA算法的基础上从节点影响力、边影响力、历史标签影响力3个方面综合考虑传播影响力;同时针对COPRA算法中每个节点在每次迭代过程中均具有相同的最大标签数,且该最大标签数目需手动设置等不足,该算法中设计了一个自适应的最大标签数。实验结果表明,COPRA-PI算法在经典的数据集上对比现有经典算法更能挖掘出高质量的社区结构且收敛速度较快。     

一种基于非对称三角形割的重叠社区发现算法

发现由相似功能的个体所形成的社区结构是复杂网络分析的重要任务之一. 提出一种基于非对称三角形割的重叠社区发现算法,首先根据社区内三角形连接情况对社区质量进行评价,并根据节点与社区的三角形连接定义了节点对社区的归属度和连接强度. 考虑到网络不同部分连接密度的差异,在将节点从社区中移除或加入社区的过程中,为每个节点分别设置了不同的移除阈值和扩展阈值,以提高社区发现质量. 将每个节点与其邻居节点组成初始社区,将归属度低于移除阈值的边缘节点从社区中移除,将连接强度高于扩展阈值的外围节点加入社区,社区节点移除和扩展阶段迭代进行直至社区结构趋于稳定,最后去掉重叠率过高的社区得到最终结果. 在7个带社区标签的网络上将所提算法与其他7个经典重叠社区检测算法进行比较,通过重叠标准互信息和F₁指标进行评价,结果表明所提算法可以较好地发现不同规模网络中的社区结构.     

复杂网络上的局域免疫研究

在网络全局结构信息未知的情况下,如何对大规模网络进行有效的免疫是疾病预防控制中的重要课题之一.本文介绍了针对社区网络、自适应网络和双层耦合网络等的局域免疫方法研究.对于社区网络,通过对5个真实社区网络的分析,发现桥节点的弱连接数目具有一定程度的异质性,存在一些更重要的桥中心节点,进而提出了一种有效的局域桥节点发现算法.对于自适应网络,发现传播过程中会出现很强的社区结构,由此提出一种基于社区效应的局域控制策略,结果显示疾病并非控制越早效果越好.对于双层耦合网络,提出一种促进-抑制的非对称耦合传播模型,研究危机意识的局域散布对于疾病传播的影响,分别解析得到了意识和疾病传播的爆发阈值与稳态分布.这些研究增进了人们对于复杂网络中关键节点的理解,也为实际的疾病防控工作提供了一些借鉴.     

基于复杂网络的社会化标签分析

标签和标签系统在社会化网络中应用广泛,针对标签空间缺乏组织和难以描述的问题,提出基于复杂网络的标签分析方法：将标签空间本身作为一个社会网,研究其中的语义联系.当2个标签被频繁共同使用,用以描述某类Web资源时,将两者联系到一起,由此建立起一个标签社会网图.再利用复杂网络的分析方法来考察标签网络的结构特征,包括网络的平均路径长度、聚集系数和节点度数分布等.结果表明,此标签网络符合小世界模型和无尺度网络模型,且标签词汇间存在语义联系.该结论能为未来的标签系统设计带来启发.     

相依型双层Holme-Kim网络合作行为研究

现实世界中的网络往往具有“无标度”、“高聚类”、“相互连接”的特点。为模拟这些特点,该文提出了一种相依型Holme-Kim网络构造算法,并分析了囚徒困境博弈在该算法构造的网络模型上的演化。通过仿真实验,研究了构造算法中提出的连接度、连接概率以及囚徒困境收益矩阵中背叛诱惑等参数对相依型网络上合作行为演化的影响。研究发现在较低的背叛诱惑参数下,同等规模的网络上连接度、连接概率的值越低越有利于相依型网络上合作行为的形成;当背叛诱惑参数超过一定的阈值,会导致网络中大量背叛行为的出现。     

一种基于完全子图与标签传播的重叠社区检测算法

提出了一种基于完全子图和标签传播的重叠社区检测ＣＬＰＯＡ算法。该算法首先搜寻完全子图,并为每个子图分配唯一标签,实现快速标签预处理;然后根据每个节点的邻接节点标签来更新该节点的标签,同时提出接触频数优化标签选择策略降低标签随机传播概率;最后,通过网络标签分布情况进行社区划分。选取两个小规模标准数据集和两个大规模网络数据集进行实验,结果表明ＣＬＰＯＡ算法能保持和ＣＯＰＲＡ算法相同社区划分质量,同时具有更好的算法稳定性和时间性能。     

具有深度阈值噪声消除的多尺度分析调制识别网络（英文）

为了提高多变环境下调制信号识别的准确性、减少先验知识不足等因素对识别结果的影响,研究人员逐渐采用深度学习技术来替代传统的调制信号处理技术。为了解决低信噪比下调制信号识别精度低的问题,我们设计了一种具有深度阈值噪声消除的多尺度分析调制识别网络,在标签平滑的对称交叉熵函数作用下识别实际采集的调制信号。该网络由一个具有深度自适应阈值学习的消噪编码器和一个具有多尺度特征融合的解码器组成。将两个模块进行跳跃连接,共同作用以提高整体网络的鲁棒性。实验结果表明,该方法在低信噪比下比以前的方法具有更好的识别效果。该网络展示了对噪声阈值的灵活自学习能力以及所设计的特征融合模块对各种调制类型的多尺度特征获取的有效性。     

基于监督注意力机制的语义标签生成图像

由于卷积神经网络内部存在局部连接,通过学习局部特征,模型能够较好地生成纹理风格信息,但是对高级语义特征的学习能力较差,导致生成图像中语义目标出现模糊失真的现象。为提高神经网络的全局特征处理能力,使生成图像中的语义目标更清晰真实,本研究提出一种监督注意力机制应用于端到端结构的级联细化网络图像生成模型。对第一级精细化模块输出的多维低分辨率大感受野特征和语义标签内多维语义特征做特征融合,加强网络内部多维特征之间的全局一致性,通过语义布局指导模型从全局信息中生成真实感图像,提升了由语义标签生成图像中语义目标的清晰度和真实性。将级联细化网络图像生成模型在Cityscapes验证集语义标签上得到的生成图像语义分割平均像素精度提升了8.6%,mIoU精度提升了26.7%。     

社会化标签系统语义相关度的拓扑图法计算

针对Web2.0社会化标签系统中标签组织混乱和标签语义模糊的问题,围绕标签共现网络的拓扑图,建立了一种形式化的标签语义相关度计算模型．该模型利用基于统计的标签语义相关度计算结果,为标签共现网络的拓扑图扩展以语义相关度权值,并定义算子围绕标签共现网络的拓扑图来计算权值的综合效应,从而可以显式地描述标签语义关联的交叉影响,并在标签语义相关度的计算中融入这些影响因素．从照片共享网站Flickr中抓取热门标签数据,通过实验对该模型的计算过程、计算结果的有效性和实用性等进行了分析评价．实验表明,该模型的标签语义相关度计算结果更为准确,可以更好地引导和约束Web2.0用户的标签使用行为．     

演化网络模型中的巨分支相变

提出了一个演化无标度网络模型,研究了网络中出现巨连通分支的相变.在模型中每步加入一个新节点,其带的边数服从泊松分布,这些边按照择优连接机制与网络中的旧节点进行连接.通过求解网络中连通分支演化满足的率方程,得到了网络中出现巨分支的条件,给出了模型的完整相变图.相变点表达式说明择优连接机制有助于巨分支的产生.     

关于三维单代号流水网络图的研究

本文通过系统工程方法对流水网络进行了深入研究，确认横道图，单代号网络图和现有流水网络图，都不是流水施工的理想表达方式，经过全面系统研究，首次建立了三维单代号流水网络图基本模式，该模式具有：构图科学，参数种类少，计算简捷和实用性强等特点。     

信息融合系统改进型BA模型及网络动力学特性

从信息融合系统的性能指标与网络动力学参数的结合为切入点,分析了信息融合系统的无尺度特性,采用复杂网络中的无尺度BA模型作为信息融合系统的基本拓扑模型.结合信息融合系统的特殊要求对BA模型生成算法中的增长性和择优连接性均做了相应的改进,给出一种信息融合系统改进型BA模型的生成算法.仿真验证表明,改进型BA模型更符合信息融合的网络动力学特征,其平均距离比BA模型改善10%,聚簇系数也有一定程度的改善,并带来整个系统抗毁性能的提升.     

一般网络上随机行走的平均首到达时间

平均首到达时间（Mean First-Passage Time,MFPT）是衡量复杂网络上随机行走效率的一个重要统计指标,一直是复杂网络领域研究的重点、难点。本文提出了一种新的、简便的计算方法,得出了一般网络上任意两点间随机行走的平均首到达时间的精确解。首先运用图谱理论的相关知识,推导出平均首到达时间的数学解析公式,在求解过程上优于已有的方法,并能给出了这一解析解的下界。以无标度网络（BA网络）为例进行了计算机仿真,其结果与解析结果一致。     

基于PSO-DE算法的分布式光伏优化配置研究

为解决分布式光伏电源接入配电网的优化配置问题,提出一种基于粒子群和差分进化的PSO-DE算法,同时构建了包含网损最小、投资成本最低、电压质量最优的无偏好多目标分布式光伏选址定容综合优化模型。首先对差分进化算法的变异过程进行改进,然后利用粒子群算法对差分进化算法中的缩放因子和杂交因子进行优化,采用标准测试函数对PSO-DE算法进行测试和参数敏感度分析,验证了算法的客观性和稳定性;并利用无偏好可变权重对多目标模型进行处理;最后以分布式光伏选址定容优化的实际应用为例,并与其他算法对比,验证了模型和算法的有效性和实用性。     

基于二阶信息的复杂系统弹性度量研究

基于节点最近邻信息,复杂系统弹性预测模型通过将多维方程映射为一维方程,度量复杂系统弹性。然而该模型并未引入节点二阶邻居的信息。基于复杂系统弹性预测模型,通过在映射过程引入节点二阶邻居信息,该文提出了一种考虑节点二阶邻居信息的复杂系统弹性预测模型,并在Barabási-Albert（BA）无标度网络、Watts-Strogatz（WS）小世界网络上验证了新模型的有效性,进而讨论了不同网络拓扑结构对新模型效果的影响。实验结果表明,在平均度不同的BA无标度网络和WS小世界网络中,基于节点二阶邻居信息的复杂系统弹性预测模型均可更准确地预测系统弹性。其中,网络平均度为2的BA无标度网络和WS小世界网络的系统弹性测量精度分别提高了79.89%和59.53%。且在同类网络中,网络平均度越小,基于节点二阶邻居信息的模型越适用。同时,针对同类型平均度相同的网络,改进后模型在BA无标度网络上的效果优于WS小世界网络。该文的研究为有效度量复杂系统弹性状态和设计弹性系统提供了科学的研究手段和理论支持。     

时变参数系统瞬态响应的确定

本文前两部分论述了时变参数系统在其应用,性质及分析方法等方面的新近进展情况。在此基础上,提出了一种用来确定时变参数系统瞬态响应的计算机辅助分析方法。其特点是选电容器的端电压和电感器的电流作为独立变量。这样可使分析得以简化。     

资源基础理论视角下的协同创新网络演化机制与模型研究

协同创新网络的演化依赖于创新主体之间的相互关系,每一个微小的变化都会影响网络拓扑结构,从而导致不同的演化结果。网络演化与创新行为之间存在着逻辑关系,准确理解网络结构的特征有助于创新主体采取适当的创新行为。该文主要基于资源基础理论和复杂网络理论,通过两个典型案例的探索性研究,对协同创新网络主体的行为规则进行设定,确立了基于资源优先的连接机制,充分结合协同创新的阶段式合作特性,建立网络演化模型。通过仿真,对网络特性和演化规律进行了模拟实验。结果表明资源优先连接机制符合现实情境,有利于保持持续的创新网络活力,对企业和政府的行为决策具有一定的管理实践意义。     

利用改进的无标度网络理论研究生态系统

无标度网络能较好地描述现实世界中网络的增长和偏好依附的特性。然而由于生态系统的开放性、流动性、发展性和方向单一性，以及生态系统组成部分的多元性，其间关系的非线性及反馈性，结构层次性，整体涌现性以及演诧中学习的能力所形成的自组织临界性，提出了一个改进的无标度网络模型。从注重于整体性方面，对生态系统展开分析。     

房地产品牌价值评估

当前对房地产价值的计量基本上都集中于其物质形态,而忽略了品牌所带来的价值.文中针对房地产品牌评估不同于一般无形资产的特殊性,采用系统分析的观点,在超额收益法的基础上将模糊集合论的思想和方法引入评估过程,建立评估的系统模型,最后给出实例验证,并对模型的应用做出评价.