基于点权有限的有向加权网络模型

在某些实际问题中,网络中节点的权重具有方向性。因此,在BBV模型和点权有限加权网络模型(LBBV)的基础上,提出了一个基于点权有限的有向加权网络模型。该模型着重考虑了加权网络节点强度的有限性和节点权重的有向性,使之具有更广泛的实际背景和应用范围。通过理论分析,当Si>2mw0,So>2mw0时,网络可以一直演化下去,并且该模型节点的出入度分布及节点的出入强度分布均服从幂律指数为2～3的幂律分布。仿真结果验证了理论分析的正确性。     

基于新局域世界的BBV网络模型演化研究

在BBV加权无标度模型演化过程中,节点加入时选取的是整个网络,而实际复杂网络中只有小部分节点能够获得全局网络的信息,大部分节点只能获取局部网络的信息。针对该问题,提出一个新局域的BBV加权网络模型,将新局域世界模型引入BBV模型中。理论分析及仿真实验结果表明,该模型节点强度具有幂律分布的特性,且幂律指数可以通过参数的修改在区间[1,3]内进行调节。     

承载有限的加权网络模型及其鲁棒性分析

在BBV模型的基础上提出了一个具有有限承载能力(即节点强度S和边权W均有限)的加权网络演化模型--LLBBV模型.理论分析和数值仿真均表明,这个模型生成的网络的节点度分布、强度分布和边权分布均具有幂律分布的特征,幂律指数不随S和W变化而变化,而且在蓄意攻击而引发的相继故障中,LLBBV模型比BBV模型的表现更好,其鲁棒性更强.     

基于复杂网络的Internet结构模型

在Internet网络的演化过程中,新增节点进行服务器选择时,不但要考虑网络的流量和带宽,而且还要考虑与服务器的距离.基于Internet网络中选择服务器的条件,建立了一个Internet网络结构演化模型.在网络模型中,把Internet网络流量作为链路的权重、节点的服务量能力作为节点强度、节点的连接负载作为连接度.应用数值分析方法,研究了网络的动态演化规律和节点强度的概率分布特性.研究结果表明,新模型的强度分布服从幂律分布,而且该模型是一个更一般化的BBV加权网络模型.     

结合相似度的新型加权网络模型

许多实际复杂网络都可以采用加权网络模型描述.现有加权网络多以节点强度作为择优连接的概率，而未考虑节点之间内在属性的相似也会增加两个节点连接的概率.基于典型的BBV加权网络模型，提出一个结合相似度的新型加权网络模型，改进了已有模型的连边增长方式和择优连接机制，提出了一种权重自适应演化机制.通过提出节点之间相似度的概念，网络演化中同时兼顾节点强度与相似度进行择优连接.网络增长时，既考虑了新节点与已有节点之间增加连边，又考虑到两个已有节点之间增加连边.理论分析和实验结果表明，该网络模型具有无标度特性和小世界特性，节点度和节点强度均具有幂律分布规律，具有更广泛的应用场景.     

分层供应链复杂网络局部演化模型研究

供应链是一种动态的、自适应性、自组织的复杂网络系统,具有典型的复杂网络特征。考虑了供应链网络的 整体宏观行为,通过分析企业节点的产生、衰亡及退出等生长演化规律,以节点多属性参数组合作为优先连接的依据, 建立了一个分层加权供应链网络模型。实验结果显示,该模型具有无标度特性,其幂律分布的指数落在(2,3)范围内, 而且具有较大的集聚系数及较小的平均路径长度,表明了其具有小世界效应。     

基于局域世界演化的BBV模型研究

在BBV模型和局域世界模型的基础上,提出了一个具有局域世界演化的BBV模型,该模型考虑了局域世界内部加点,加边,局域世界内外加边以及局域世界内减边四步操作。根据理论分析,导出了该模型的节点权值分布。通过合理地设置参数,该模型能自组织演化成幂律指数在2～3范围内的无标度网络,这与现实中的许多复杂网络相吻合。数值仿真验证了理论分析的正确性。因此,该模型更具有一般性。     

基于加权二分网络的冗余流量演化模型研究

针对互联网上用户重复访问网络资源形成冗余流量造成网络拥塞的问题,建立了随时间演化的加权二分网络(weighted bipartite network,WBN)模型.通过对用户网络行为及冗余流量的形成机制和演化规律的分析,WBN模型采用择优连接和拓扑增长的方式完成网络演化.仿真实验表明,在演化过程中,用户节点强度经历了由指数分布到幂律分布再到随机分布的变化,有效地模拟了Internet中冗余流量的演化过程.仿真结果和理论分析一致,进一步证明了WBN模型的正确性和实用性.     

基于藕合系数的无标度网络建模

经典的无标度网络模型在全局范围内按照一定的概率选取节点进行优先连接,而现实网络很难做到这一点。为了解决这一问题,在BA无标度网络模型的基础上,通过新增两个参数耦合系数和吸引因子来构建基于耦合系数的无标度网络模型,并通过理论计算得出该演化模型的度分布。分析发现,它具有更明显的无标度网络特性。实验仿真结果也表明,其度分布在服从幂律分布的基础上更具有平稳性和广泛的适用性。     

以制造商为核心的复杂供应链网络多级局域世界演化模型

为揭示以制造商为核心的供应链网络演化规律,以BA模型和多级局域世界理论为基础,结合现实网络中节点生成与退出机制,提出了一种五级局域世界网络模型。首先,研究了以制造商为核心的供应链网络的内在特性和演化机制;其次,分析了网络的拓扑结构和演化规则,建立了仿真模型;最后,仿真分析了不同时间步以及不同临界条件下节点数量、集聚系数、度分布等网络特性参数的变化,推导出网络的演化规律。仿真结果表明:以制造商为核心的供应链网络具有无标度、高集聚性;随着时间的推进以及节点增长速度的增加,网络整体的度分布趋近于指数为3的幂律分布;网络内各级局域世界的度分布不同,二级供应商、零售商的度服从幂律分布,一级供应商和分销商的度服从指数分布,制造商的度大致服从泊松分布。     

有向加权网络的局域世界演化模型

现实世界中的很多网络既是连接间具有不同权值的加权网络又是连接间具有方向的网络。针对这一现实,在局域世界网络拓扑结构中同时引入有向性和权重。在局域世界演化模型基础上,建立了有向加权网络的局域演化模型（LWDW）,并提出了节点的出强度与入强度的概念。采用平均场理论导出这一模型节点的强度分布、出强度以及入强度的分布,同时分析了复杂网络的其他拓扑参量聚类系数和平均路径长度,并通过数值仿真实验验证了理论分析的正确性。     

互联网空间下的城市网络格局及结构研究*

大数据时代,互联网成为科学研究的有效工具和平台。借助百度搜索指数数据,运用复杂网络方法构建互联网空间下有向加权城市网络模型,分析互联网上的城市网络格局及复杂结构。以我国36大城市数据为样本,实证发现该城市网络的节点出权及入权累积分布均符合指数分布,归类网络中的城市活跃类型,计算挖掘出网络中的关键城市节点以及网络的凝聚子群。从互联网新媒介视角对“互联网 ”计划下城市网络结构做出了新的解析,丰富了城市复杂网络的研究,对城市的建设规划、管理具有指导意义。     

相位转移熵在再认记忆脑网络中的应用研究

为研究具有不同先验记忆群体的再认记忆脑功能网络差异,引入相位转移熵方法,分析36名中国医学生与37名中国非医学生执行图片再认任务时的脑功能网络。将脑电信号经希尔伯特变换转为瞬时相位数据,使用相空间分箱和实验折叠相结合的方法计算出边际熵和联合熵项,根据相位转移熵定义计算导联之间的相位转移熵,以导联为网络节点,将相位转移熵作为网络的边,并结合复杂网络方法对网络进行分析。结果发现,在20~30?Hz频率范围内,医学生的节点出强度、入强度、局部效率和全局效率（[P]<0.05）低于非医学生;在额叶部位,医学生的网络枢纽强度均小于非医学生;在左颞叶和右枕叶之间,医学生的大脑信息流向与非医学生相反。相比传统方法,脑网络能够挖掘出更丰富的差异信息。该结果为再认记忆的脑网络研究提供支持。     

TF法则嵌入机制的动态局域加权网络模型

分析目前加权局域世界演化模型已取得的研究成果,在其基础上进行综合改进与完善,提出一种TF法则嵌入机制的动态局域加权网络模型(TF-DLW),该模型在演化过程中融入了TF法则和BBV权值动态演化机制。平均场理论和计算机模拟仿真均验证了该模型强度分布具有幂率特性。同时,计算机仿真中强度分布、边权分布以及度分布均出现了幂率肥尾现象,三角形结构的嵌入使得模型能更平稳地调节聚类系数的大小。实验表明,TF-DLW演化模型继承了许多复杂模型具有的幂率分布特性,而且可以快速平稳地调控簇系数的范围大小。     

无线网络定位技术研究

无线网络技术的发展和覆盖率的增加,使得人们在随时随地使用无线网络资源时,对基于位置的信息需求越来越多,这推动了无线定位技术的研究进展。文中通过分析对数一常态分布模型,提出用高斯滤波法优选节点的RSSI值,并通过实地采集数据,得到了在特定环境下的路径损耗指数值,以减小由于RSSI值的影响产生的误差。结合加权质心法进行节点定位,加权因子由RSSI测距法得的距离决定。加权质心算法具有较高的精度,整个定位过程中节点问无需额外的通信开销,具有广泛的实用性。     

复杂网络中的在线社交网络演化模型

在线社交网络是一种广泛存在的社会网络,其节点度遵循幂率分布规律,但对于其结构演化模型方面的相关研究还不多。基于复杂网络理论研究在线社交网络内部结构特征,提出一种结合内增长、外增长及内部边更替的演化模型,借助平均场理论分析该模型的拓扑特性,实验和理论分析表明由该模型生成的网络,其度分布服从幂率分布,且通过调整参数,幂率指数在1~3,能较好地反映不同类型的真实在线社交网络的度分布特征,因此具有广泛适用性。     

基于节点从属度的加权网络重叠社区划分算法

针对传统社区划分算法忽略现实世界网络特征导致社区划分准确率低的问题,提出了一种基于节点从属度的加权网络重叠社区划分算法。该算法提出加权网络模型,通过模型得到了能刻画出真实网络结构的加权网络;通过网络拓扑结构定义了核心社区,核心社区对社区划分的准确性有着重要作用。该算法计算节点与核心社区间的从属度,并与从属度阈值进行比较进行核心社区扩展,根据扩展模块度优化思想,通过不断地调整从属度阈值直到获得最优的社区结构,完成重叠社区划分。在人工网络数据集和真实世界网络数据集上与已有算法进行实验对比,实验结果验证了所提算法能够准确、有效地检测出重叠社区。     

基于节点相似度的加权网络社团结构划分算法

针对加权网络的社团结构划分问题,提出了一种基于节点相似度的划分算法.构造一种新型加权网络的节点相似度矩阵,基于该相似度矩阵,随机选取一个节点作为初始社团,搜索与该节点相似度值最大的节点合并成一个新的社团.反复迭代,形成划分.该算法具有较低的计算复杂度.用经典复杂网络的社团划分算例验证了该算法的有效性.