进化谱分算法检测动态网络社团结构

为有效地检测动态复杂网络中的社团结构,在进化时间平滑框架下对模块函数及模块密度函数进行了优化．通过两种函数的优化进程,论证了模块函数及模块密度函数可在进化框架下作为进化谱分聚类方法检测动态网络中社团结构的理论基础,在此理论基础上提出了检测动态网络社团结构的进化谱分算法．在计算机合成的动态网络及真实世界动态网络中,检验了该算法的合理性及准确性并与其他方法进行了比较．实验结果显示,这种新的算法仍有很高的准确性．     

一种面向动态网络的社团检测与演化分析方法

针对制约动态网络演化分析方法发展的社团演变模式挖掘问题,设计了基于指向性变异策略和变邻域搜索算法的静态社团检测算法与基于匹配度和社团生存周期的社团演化分析算法,并采用在时刻上运行静态社团检测算法、在时序上运行社团演化分析算法的策略,提出了一种面向动态网络的社团检测与演化分析方法。并用Zachary空手道俱乐部网络和Power网络验证了该方法的可行性和有效性。     

网络自然密度社团结构模块度函数

针对常用的NG模块度存在分辨率限制,不能识别小于一定规模的社团的问题,提出了网络自然密度的定义,用以衡量网络的连接紧密程度,在此基础上构造了密度模块度函数来评估社团结构的划分;进一步分3种情况证明了密度模块度函数,克服了NG模块度函数的分辨率限制问题;最后通过人工网络和经典现实网络验证了密度模块度函数的有效性。     

复杂网络中的社团结构算法综述

社团结构是复杂网络的一个极其重要的特性,网络社团结构挖掘在生物学、计算机科学和社会学等多个领域都具有很重要的意义。近年来,针对不同类型的大规模复杂网络,人们提出了很多寻找社团结构的算法。该文综述了该领域最新的比较有代表性的一些算法,重点分析了基于模块度指标的改进算法,能够体现社团层次性和重叠性的新算法,衡量社团划分算法好坏的基准图。最后展望了该领域的未来研究方向。     

社团结构生长网络模型研究

在有社团结构的网络中,为了研究社团之间的连接方式及社团内部个体之间的连接方式对整个网络结构的影响,建立了一个带有社团结构的网络模型.在社团内部仍采取度优先选择机制,在社团之间采取了社团平均度优先选择的方式.基于这样的选择方式生成了一个新的网络,获得了网络节点的度分布与联合度分布,并且发现该网络仍是一个无标度网络.最后利用数值模拟很好地验证了理论计算结果.     

社会困境下双重度偏好社团网络合作涌现研究

考虑复杂社会网络中的“社团结构”特征,基于经典的囚徒困境博弈和累积收益策略更新规则,构建社会困境下具有双重度偏好的社团网络演化博弈模型,系统研究静态社团网络外部连接密度、动态社团网络中策略与结构共演化时间尺度以及策略更新中噪声对合作涌现的影响及其作用机理。研究发现,社团网络间连接密度对合作涌现具有负向影响;尽管静态社团网络合作水平在数值上是明显高于动态社团网络,但其合作演化的策略构成、策略稳定性及其演化动态性存在显著差异;动态社团网络中策略与结构共演化的时间尺度对合作涌现的影响呈现相对优劣互转的变化趋势,具体表现为在低背叛诱惑值下时间尺度越小越不利于合作,而在高背叛诱惑值下时间尺度越小越有利于合作;策略更新过程中噪声对静态和动态社团网络合作涌现的影响是单调的,且适度的引入噪声能够显著提高合作水平。     

特征向量的核方法检测网络社团结构

为在权重的复杂网络中检测社团结构,推广模块密度函数到权重形式,并优化权重形式的权重密度函数到谱分聚类形式及权重的核聚类形式．证明了基于权重密度的两类聚类方法在数学上的等价性,利用这种等价性,提出了一种新的基于特征向量核聚类检测复杂网络社团方法．实验结果表明,这种方法比直接的谱分方法或直接的核方法检测社团更加准确．     

双曲空间中的网络社团结构

通过对双曲空间中网络节点与其所在局部空间隶属性的分析,指出网络节点的边集中于其周围扇区中.在此基础上,引入区域介度来度量双曲空间中的边密度,并将社团定义为双曲空间中具有较高区域介度的扇区.接下来提出一种基于区域介度的快速社团发现方法.根据双曲空间中节点间的连接概率,进一步引入区域概率介度,在此基础上提出一种动态网络社团发现方法.最后,通过对比实验证实了该方法的效果,同时表明扇区模型能够有效地描述双曲空间中的社团结构.     

基于边重整化方法的新社团检测算法

现实网络构造过程中,存在连接数据不完整甚至自相矛盾等问题,且现有的社团检测算法易出现丢失部分连接信息等现象,为此,提出一种基于边重整化方法的新社团检测算法。根据“节点间相似性越小则属于同一社团的概率也越小”原理,引入节点间随机游走的稳态概率来衡量节点之间的相似性,不断移除相似性最小的现存连边,并补充相似性最大的丢失连边,以保持网络总连接边数不变。最后通过实例验证了新社团检测算法的有效性。     

一类具有社团结构的传播网络的阈值分析

针对社团网络上 SIS模型的疾病传播阈值问题,由2个随机网络耦合生成社团网络,利用稳定性理论和矩阵理论,研究了疾病在社团网络上的传播阈值,得出了局部稳定性条件。     

机会网络节点兴趣社区检测及路由策略

根据机会网络中节点较稳定的社会属性,提出了一种兴趣社区检测机制,将机会网络中节点的兴趣爱好量化,根据节点间兴趣爱好相似性进行兴趣社区划分. 利用节点在运动过程中形成的社区,综合考虑节点的社区属性和节点间历史接触信息,设计了兴趣社区路由算法. 兴趣社区路由由社区内路由和社区间路由组成,路由机制是选择与目标节点在同一兴趣社区且与目标节点接触较多的节点作为中继节点完成数据包转发. 通过仿真实验验证兴趣社区路由策略的合理性和有效性. 仿真结果表明,所提出的兴趣社区路由算法能有效降低网络开销和时延,提高了投递率.     

动态社会网络中的社区挖掘算法研究

为解决社区挖掘问题,针对社会网络的动态特性,给出了新的社区定义,并结合连通性和频繁性概念提出一种糯的算法DCSMA（Dynamic Community Stmcture Mining Algorithm）。挖掘时刻连通的个体集合作为社区,采用层状结构模型,根据乖要性权重区分社区内个体,使社区结构更加清晰。在标准测试数据集上的实验结果表明了该算法的可行性棚仃效性。     

一种基于四元加权消减的复杂网络社团划分算法

延续广泛应用的社团结构分级聚类方法,提出了衡量网络社团结构的社团稠密度概念,从而反映了网络结构整体性质的重要特征,并将参数应用于对网络社团聚类的研究当中．特别是基于社团稠密的四元结构提出了基于四元加权消减的社团划分算法．通过复杂网络实例验证了该算法的有效性,并对实验结果进行了比较分析,得出该算法在准确性方面对加权网络有较好效果．     

基于线性阈值模型的动态社交网络影响最大化算法

针对随时间进化的动态社交网络展开影响最大化问题的研究，目标是基于线性阈值传播模型，挖掘影响力最大的k个种子用户，从种子用户发起传播，最大化影响传播范围。提出一种基于线性阈值模型的动态社交网络影响最大化算法（linear threshold dynamic influence maximization，LTDIM）。首先，给出动态社交网络影响最大化问题的形式化定义，提出利用活边路径获取初始种集的方法；然后，分析网络的各种拓扑变化，提出种集的增量式更新方法；最后，基于节点度和影响力增量提出DP（degree pruning）和IIP（influence increment pruning）剪枝策略进一步提高时间效率。实验使用4个真实的社交网络数据，考察在8个网络快照上算法的运行时间和影响传播范围。实验结果表明，本文算法的影响传播范围接近于静态启发式算法，运行时间大幅度减少，验证了算法的时间高效性和可扩展性。"     

基于概率主题模型的社交网络层次化社区发现算法

针对传统的社区发现算法大多基于网络拓扑结构寻找独立的社区结构,忽略了用户兴趣属性,并且不能有效地发现社区间的相关性和层次关系等问题。该文提出一种新型的基于PAM(pachinko allocation model)概率主题模型的层次化网络社区发现算法,综合考虑了用户的兴趣和用户的社交网络关系,在同一模型平台上实现层次化的社区结构发现和用户兴趣挖掘,并捕捉和揭示社区之间的关联性和重叠性等特征。模型采用Gibbs采样方法进行参数推导。在真实数据集上的实验结果验证了所提出算法的可行性和有效性。     

考虑社群结构的复杂网络的级联故障抵制模型

研究复杂网络的级联故障对评估网络系统的稳定性具有重大意义.在经典的线性负载容量模型基础上,通过探测网络的社群结构,有选择地对社群边界节点的容量附加二次容忍值,建立级联故障抵制模型.在级联故障仿真中,采用不同干扰策略对IEEE118标准电网、国内现实电网等模拟故障过程.仿真结果表明,所建抵制模型通过对社群边界节点的容量进行二次扩容,能以较小的成本提高网络的稳定性,同时发现社群边界节点具备“防火墙”和“引爆点”的双重功能.通过将单一网络推广到两层耦合网络,发现在成本可控下新模型对相依网络的级联故障依然具备较好的抵制能力,说明本文所提模型具备一定的适应性.     

社区社会保障——社会保障制度发展的新途径

随着城乡经济体制改革的不断深化，消除城乡“二元社会福利结构”已成为全社会关注的热点问题，社区社会保障正是在这样的背景下提出来的。本文在分析现行社会保障制度的基础上，进一步阐述了实行社区社会保障的实践和理论基础，对社区社会保障的定义提出了新的见解，认为要以社区服务为基础，结合社区非营利组织来共同发展社区社会保障。     

基于DSP与FPGA的靶标动态检测跟踪技术

针对靶场目标测试面临的测量目标小、距离远、目标与背景对比度低等实际问题,提出了基于DSP（Digital Signal Processing）与FPGA（Field Programmable Gate Array）的数字视频图像信息进行目标动态检测跟踪的方法。该方法采用了图像分割检测方法与目标跟踪算法,精确并快速地定位靶标十字的中心,从而实现复杂环境下运动靶标检测跟踪,提高了检测效率和精度。