基于多属性偏好信息集结的复杂网络重要节点辨识

为了准确辨识复杂网络中的重要节点,避免单一属性指标评价节点重要性出现的偏差,提出了一种基于多属性偏好信息集结的复杂网络重要节点辨识方法。首先根据节点的局部特性、全局特性及空间位置等特性,选取度中心性、介数中心性、紧密度、结构洞、K-核(Ks)五个属性指标构建多属性复杂网络重要节点辨识模型,对节点属性偏好信息进行分析、集结和融合;然后将网络中所有节点作为评价主体,构建复杂网络多属性决策矩阵,根据熵理论对节点属性赋权,计算其与理想重要节点的贴近度,对节点重要性进行精细化排序。将该模型应用到"风筝网络"和"ARPA网络"中,根据节点重要性辨识结果对网络进行破坏性实验,结果表明,该方法的准确性比已有方法更高。     

基于多参数节点排序的SDN控制器部署策略

针对已有的软件定义网络（SDN）控制器部署关注基于控制消息路由时延最优的问题,引入节点的介数中心性作为参数,分析了介数中心性对于控制器部署位置选择的重要性,并联合节点的可靠性提出了一种基于多参数节点排序方案（MFRS）的控制器位置部署策略,将节点进行排序并分层,依据节点间的连接关系计算出控制权值,最终确定控制器位置. 仿真结果表明,MFRS的控制消息路由跳数小于基于时延的最短路径算法,且基于MFRS的网络可靠性高于基于时延的最短路径算法.     

基于PSNodeRank算法的电力系统关键节点辨识方法

电力系统中的某些关键节点在系统发生大规模连锁故障的时候可能会对故障的扩大起着推动的作用。为了提高关键节点辨识的速度和准确性,该文通过对Google公司提出的PageRank算法进行改进,提出基于PSNodeRank算法的电网关键节点辨识方法。该方法选取电网关键节点的重要评价指标,建立电力系统有向加权网络模型。考虑电力系统网络的网络链接方向和权值的特性,该文提出PSNodeRank值对节点进行评估,并具体描述每个节点的重要性,再利用电力系统分区特点,对大电网节点重要性的复杂计算过程进行改进,大大提高了运算速度,减少了运算所需存储容量。最后,通过对IEEE 39节点系统进行仿真,所得结果表明:该文所提方法计算的指标可以有效、准确地辨识出电网中的关键节点,判断它们在交直流电网自组织临界演化过程中的作用。对预防系统向连锁故障临界状态演化有着重要的意义。     

基于交叉熵的节点重要性排序算法

如何高效地度量节点的重要性一直是复杂网络研究的热点问题。在节点重要性研究中,目前已有许多算法被提出用于判断关键节点,然而多数算法局限于时间复杂度过高或评估角度单一。考虑到熵可用于定量描述信息量的大小,因此,提出了一种基于交叉熵的节点重要性排序算法,该算法兼顾了中心节点与其近邻节点之间的整体影响力,并将节点的邻域拓扑信息有机地融合,使用交叉熵值来量化节点之间的信息差异性。为验证该算法的性能,首先采用单调关系、极大连通系数、网络效率以及SIR模型作为评价指标,其次在8个不同领域的真实网络上与其他7种算法进行比较实验。实验结果表明,该算法具有有效性和适用性,此外时间复杂度仅为O(n),适用于大型网络。     

基于节点中心性的移动机会网络网关选择算法

移动机会网络中,为使用户快速从因特网获取数据,需要选择某些合适节点担任网关。研究了移动机会网络网关选择问题。证明了k网关选择判定问题是NP难的。基于移动节点的中介中心性、度中心性、接近中心性,利用贪婪策略,提出了移动机会网络的网关选择算法。实验结果表明,基于节点中心性的3种网关选择算法均可改善网络性能。特别是基于节点接近中心性的算法可使性能得到最大幅度提升;基于节点中介中心性和度中心性的算法的性能受网络规模、需选择网关数目影响不大;基于节点接近中心性的网关选择算法对网络性能的改善幅度随需选择的网关数目的增多而增大。     

动态融合复杂网络节点重要度评估方法

为挖掘复杂网络中的关键节点及提高网络鲁棒性,针对有/无线多网融合的层级网络,提出了动态融合复杂网络模型及其节点重要度评估方法.结合动态融合复杂网络的特点,定义了边连通概率、路径连通概率、网络连通概率、融合节点比例、融合节点分布和融合路径比例等与网络动态性和融合性相关的参数.在单层复杂网络节点重要度评估指标的基础上,设计了融合网络节点度中心性、节点介数中心性和节点融合中心性指标.其中,融合节点的节点融合中心性表示融合节点对网络融合的贡献程度,非融合节点的节点融合中心性表示非融合节点对网络融合的辅助作用程度,主要体现在作为融合节点之间的中继节点.最后,综合考虑网络拓扑结构、动态融合特性等因素进行节点重要度评估.以改进的动态交织风筝网络为例进行仿真分析,结果表明该方法能够比较全面地刻画节点在动态融合复杂网络中的重要性.利用NS2搭建由光通信网和卫星通信网融合构成的仿真实验网络,进一步验证了在仿真网络环境中本方法的有效性.     

复杂网络节点重要性排序算法及应用综述

复杂网络中节点的异质性导致各个节点的重要性是截然不同的,而关键节点往往对网络的结构和功能具有巨大的影响力,所以通过节点重要性排序算法对关键节点进行挖掘的研究直受到各方面的关注。将复杂网络中关于节点重要性的排序算法进行研究,比较了各种方法的优势和缺陷,并对重要节点挖掘算法的应用方向和常用数据集进行介绍,最后对现有研究进行了总结,并对未来的研究方向进行展望。     

基于关联度分析的WSN节点信任模型研究

该文基于社会网络关联度分析的无线传感网络节点信任模型进行研究。给出了无线传感器网络的模型并将其与社会网络模型进行了相似性分析;建立了基于社会网络关联度的WSN节点信任模型,提出了基于关联度的传感器节点信誉度的计算方法;并设计了基于滑动窗口的传感器节点信任值计算及更新算法(SNTUA)。通过仿真实验,证明了该算法的有效性和准确性,其性能优越于其他两种算法。     

基于节点相似性的并行启发式网络拓扑结构发现算法

针对网络社区发现算法的低精确度与高复杂度问题，在节点相似性的基础上提出了一种适用于复杂网络的社区发现算法。利用邻接矩阵和经典决策规则，制定具有较高可靠性和准确性的相似性判定准则，实现网络拓扑中相邻节点之间关系的量化与计算。通过引入具有较少冲突的哈希表，提出具有并行运算结构的启发式社区发现算法，完成对复杂网络拓扑结构的高质量检测。仿真测试结果表明，与经典的Jaccard准则发现算法相比，基于节点相似性的发现算法具有更高的发现精确度及时间效率。     

基于TOPSIS的时序网络节点重要性研究

时序网络考虑事件发生的顺序,可以更准确地刻画复杂系统的演化特征。本文采用多属性排序方法（TOPSIS）对时序网络不同时间片段节点的影响力进行综合评价。具体的思想是通过计算不同层间相似性指标值与正理想解和负理想解的欧式距离,根据其接近正理想解和远离负理想解的程度对层间耦合关系的度量方法进行排名。基于Workspace数据集的实验结果表明,以优先链接指标（PA）度量时序网络时间层耦合关系,所挖掘出的重要节点准确率最高,在各时间层上平均达到50.82%。该文的工作为从多属性角度分析时序网络提供了借鉴。     

《人民日报》与“@人民日报”新闻传播机制的对比分析

运用内容分析法,对2013年《人民日报》及＂@人民日报＂进行研究,分析了两者在媒介组织的控制机制、新闻内容的选择机制以及新闻话语的表达机制等三个层面的异同,认为：＂@人民日报＂新闻网比《人民日报》有了一定程度的扩展,新闻话语机制得到转变以适应网络语境,但仍坚守主流价值观,引导舆论。     

基于不确定网络的关键蛋白质识别

生物学中,关键蛋白质及致病基因主要是通过生物医学实验来识别,然而这些方法的代价相当高,效率非常低,并且适用的物种有限。高通量蛋白质组技术的发展提供了大量的蛋白质相互作用数据,这使得通过计算机方法预测关键蛋白质成为可能。大部分方法对蛋白质相互作用网络中的噪声很敏感。考虑蛋白质相互作用网络的不可靠,构建不确定相互作用网络,提出一种名为EPU的关键蛋白质识别算法。算法采用期望稠密度作为评判一个子图能否预测为关键模块的准则,预测的模块将用于关键蛋白质识别;通过蛋白质在关键模块中出现的概率频率对蛋白质评分,分值越高,成为关键蛋白质的可能性越大。实验结果显示,EPU算法性能优于其他的关键蛋白质识别算法,是一种有别于现有方法的新型关键蛋白质识别算法。结果表明,不确定性数据管理理论有助于提高算法对蛋白质相互作用网络中噪声的鲁棒性。     

基于子图交互关系的网络结构增强算法

已有研究基于子图交互关系构造子图网络来实现网络结构增强,然而其算法复杂度高.鉴于此,基于不同阶子图网络的拓扑属性分别对原始网络进行赋权,得到一阶和二阶加权网络,以权重的形式直观体现子图交互关系.同时,这两种加权网络的权重可以直接通过原始网络的拓扑结构计算得出,从而避免了子图网络的构造过程,大大降低了算法复杂度.最后,以...     

概率模型全文检索及排序算法设计与分析

本文讨论了概率模型的新闻资料全文检索及排序算法。作者提出了全文检索最佳排序原则。根据Neyman-Pearson决策规则导出了最优检索规则,并据此提出了BI概率模型和相应的最优查询。根据用户对被检索文献作出的相关判断,对构造BI模型的最优查询所需参数进行了估计。最后,提出了基于概率模型的全文检索排序算法。     

Layer-Constrained Triangulated Irregular Network Algorithm Based on Ground Penetrating Radar Data and Its Application

In this paper,a layer-constrained triangulated irregular network (LC-TIN) algorithm is proposed for three-dimensional (3D) modelling,and applied to construct a 3D model for geological disease information based on ground penetrating radar (GPR) data.Compared with the traditional TIN algorithm,the LC-TIN algorithm introduced a layer constraint to the discrete data points during the 3D modelling process,and it can dynamically construct networks from layer to layer and implement 3D modelling for arbitrary shapes with high precision.The experimental results validated this method,the proposed algorithm not only can maintain the rationality of triangulation network,but also can obtain a good generation speed.In addition,the algorithm is also introduced to our self-developed 3D visualization platform,which utilized GPR data to model geological diseases.Therefore the feasibility of the algorithm is verified in the practical application.     

节点可靠感知的高效虚拟网络映射算法研究

针对虚拟网可靠性和映射效率低的问题,提出一种节点可靠感知的高效虚拟网映射算法。首先将节点中心度、节点就近原则引入虚拟网节点映射中,提高虚拟网映射效率;之后为降低虚拟网运行中物理节点失效危害,建立了物理节点设备的可靠性度量模型,并将节点可靠度作为物理节点重要度排序指标之一;最后利用多属性综合排序方法对节点进行映射。仿真结果表明,该算法在保证虚拟网可靠性的同时,提高了虚拟网映射成功率和映射收益。     

Layer-Constrained Triangulated Irregular Network Algorithm Based on Ground Penetrating Radar Data and Its Application

In this paper,a layer-constrained triangulated irregular network (LC-TIN) algorithm is proposed for three-dimensional (3D) modelling,and applied to construct a 3 D model for geological disease information based on ground penetrating radar (GPR) data.Compared with the traditional TIN algorithm,the LC-TIN algorithm introduced a layer constraint to the discrete data points during the 3D modelling process,and it can dynamically construct networks from layer to layer and implement 3D modelling for arbitrary shapes with high precision.The experimental results validated this method,the proposed algorithm not only can maintain the rationality of triangulation network,but also can obtain a good generation speed.In addition,the algorithm is also introduced to our self-developed 3D visualization platform,which utilized GPR data to model geological diseases.Therefore the feasibility of the algorithm is verified in the practical application.     

识别流网络关键节点的虚拟外界投入产出分析法

网络关键节点识别是复杂网络研究的核心问题之一。经济学中的投入产出分析法可以用于评估带有外界流入流出量的开放流网络的节点中心性,但该方法不能直接应用于缺乏外界流入流出量的封闭流网络系统的关键节点识别。该文通过引入虚拟的外界节点将封闭流网络系统转化为开放的流网络系统,再在转换后的网络上进行标准的投入产出分析即可对网络关键节点进行识别。以中国铁路网络和世界粮农贸易网络关键节点识别问题为例,演示了虚拟外界投入产出分析法的应用过程与结果。该文方法为评估一般的封闭流网络系统中的节点中心性提供了一种可选手段。