带非线性优先连接规则增长模型的节点度分布

把非线性优先连接规则、每一时间步添加新节点或新边等考虑在内,提出了一种更一般的复杂网络增长模型,给出并采用概率方法严格证明了该模型的节点度分布表达式,利用节点度分布表达式计算了2个不同节点加权函数对应网络模型的节点度分布.研究结果表明,已有的一些著名网络模型为该模型的特例,相应网络模型的节点度分布也可由该模型的节点度分布表达式得到.此外,针对2个不同加权函数对应网络模型的实验结果表明,理论结果与仿真实验结果相符.     

一种新型加权有向网络演化模型

针对现有加权有向网络演化模型大多基于常量平均度假设和网络直径缓慢增长假设,无法刻画现实网络的稠密幂律和直径收缩性质的问题,对无向加权网络演化模型BBV引入森林火灾模型的思想,提出一种新的加权有向网络演化模型BBV_d,刻画了新节点加入引起的基于入节点强度和出节点强度的新的有向边的生成过程,以及网络局部的有向边权重的动态变化。仿真实验结果表明:BBV_d不仅满足BBV模型提出的节点强度分布符合幂律分布的性质,同时还满足稠密幂律和直径收缩的性质。     

谣言短信传播网络拓扑性质研究

作者分析了谣言短信传播的特点及方式,把谣言短信的传播过程抽象成一个网络的生长过程.根据谣言短信传播的特点,以星形网络表示初始网络,在局域世界中选择新增节点的连接节点.局域世界的选取,采用了依据节点之间的网络路径值作为选取局域世界的原则.给出了生成谣言短信传播网络模型的算法,并且通过理论推导说明网络模型的度分布为幂律函数,模拟了网络节点的度分布、聚类系数和平均路径长度,通过GN算法对模型的社团结构进行分析,发现谣言短信传播网络具有明显的社团结构特征.仿真结果表明,谣言短信传播网络具有无标度特性、小世界特性以及明显的社团结构特征.     

基于科研合作网络的节点枢纽特性研究

根据科研合作的实际变化情况提出了一类科研合作网络的演化模型,并利用复杂网络特性参数提出一种新的节点评定参数,即节点枢纽特性评定参数。通过对高校科研合作网络的实际数据来分析提出的该演化网络模型,得出该模型符合无标度网络的节点度分布所具备的幂律分布特征,进而证明了该模型的复杂网络特性。同时还利用给出的枢纽集搜索算法对科研合作网络节点进行测度,通过对实际网络搜索得到相应的枢纽节点,完成对节点的评估测得。     

基于吸引关系的停车场网络连接方法

为研究停车场网络拓扑结构,提出了基于吸引关系的停车场网络连接方法.通过改进现有停车需求预测模型,充分考虑停车利用率、停车周转率、城市中心指数等因素影响,建立了新的停车场需求算法.通过绘制常规Voronoi图,利用断裂点理论的关键性质和常规Voronoi图的物理参数,划分各停车场的影响范围.引入吸引度概念,并对吸引度计算公式中的参数进行了修改和标定.计算停车场网络中每个节点的吸引度和节点间连线的边权,确定了停车场之间的连接情况.对哈尔滨市部分停车场进行吸引关系下的停车场网络模型构建.采用复杂网络参数分析方法对停车场网络进行分析,分别分析了规模赋值计算方法下和进一步通过吸引关系计算下的停车场宏观及微观节点参数.结果表明吸引关系下,停车场网络度分布符合幂律分布,无标度网络特征明显.与全局耦合网络和单边耦合网络对比,吸引关系下停车场网络具有较高聚类系数和全局有效性和较小的平均路径长度,在现有参数评价体系中表现均衡,是一种实用的停车场连接方式.     

加权网络中基于多路径节点相似性的链接预测

鉴于现有大多数链接预测算法仅考虑了图的局部或全局特性,在预测准确率和计算复杂度上难以均衡,且有关加权网络的链接预测研究相对较少,提出新的加权社会网络链接预测算法(STNMP).引入节点对边权强度的概念,用于度量邻居节点间的局部相似度.提出路径相似性贡献的概念,定义多路径传输节点相似性,用于描述步长为2和3的所有路径及这些路径上的中间节点对于所连接的两个节点的相似性总贡献.在多个真实网络中对算法的有效性进行验证,以AUC作为评价指标,与经典相似性算法CN、Jaccard、AA等进行预测准确率的对比分析.结果显示,针对小规模社会网络,STNMP算法的预测准确率高于现有算法.     

加权网络中基于多路径节点相似性的链接预测

鉴于现有大多数链接预测算法仅考虑了图的局部或全局特性,在预测准确率和计算复杂度上难以均衡,且有关加权网络的链接预测研究相对较少,提出新的加权社会网络链接预测算法(STNMP).引入节点对边权强度的概念,用于度量邻居节点间的局部相似度.提出路径相似性贡献的概念,定义多路径传输节点相似性,用于描述步长为2和3的所有路径及这些路径上的中间节点对于所连接的两个节点的相似性总贡献.在多个真实网络中对算法的有效性进行验证,以AUC作为评价指标,与经典相似性算法CN、Jaccard、AA等进行预测准确率的对比分析.结果显示,针对小规模社会网络,STNMP算法的预测准确率高于现有算法.     

一种基于动态规划的最小化最大加权响应时间的中心控制节点选举算法

为了最小化网络中任意节点到达中心控制节点的最大加权响应时间,提出了一种基于动态规划的中心控制节点选举算法。无线网络中的节点和链路的响应时间被建模为网络拓扑图中的节点权值和边权值,进而最小化网络中任意节点到达中心控制节点的最大加权响应时间的中心控制节点选举问题被建模为K-中心问题,其中K表示中心控制节点的个数。采用基于动态规划的插点法可求出任意2个点之间的最小加权响应时间,所建模的K-中心问题被转化为若干个R-控制集问题。将若干个R-控制集问题转化为若干个0-1整数规划问题,采用分支定界的方法逐个求解每个整数规划问题。给出了K=1时上述算法的简化实现方法,证明了所提算法的最优性并分析了算法的复杂度。仿真结果表明,所提算法选举的中心控制算法可最小化网络最大加权响应时间。     

相依网络下加权电力通信网节点重要度评估

随着信息通信技术在电力系统中的大量应用,使得电力系统更加依赖于通信系统的稳定运行.当通信节点遭到攻击失效时,通信节点故障在电力—通信网间传播会最终导致电力信息物理系统的大规模连锁故障.因此,建立符合实际的相依网络模型,评估通信网节点的重要性并对关键节点进行保护是保障相依网络可靠运行的关键.首先,对相依网络中的两单侧网络建立考虑电力线路电抗和信息链路已用率的加权网络模型;然后,根据加权网络节点重要度评估方法,对两单侧网络节点的重要度进行评估;最后,考虑相依电力网节点重要度的影响,依据网间耦合关联矩阵建立的网间依赖度,评估相依网络下通信节点的重要性.以IEEE 14节点系统为例构建相依网络并对通信网节点重要度进行评估,结果表明所提评估方法具有可行性,在实际工程中有一定的应用价值.     

加权演化的交通网络模型研究

加权网络是复杂网络研究的一个重要领域,交通网络是一个典型的加权网络.交通网络的发展演化对国民经济的繁荣发展起着至关重要的作用.综合复杂网络的拓扑结构和交通流量计算的顾客选择理论,提出了一种随时间演化基于乘客中转路径的交通系统发展演化模型,并对模型进行了分析和数学验证,分析结果为该模型的点强度、点度和权重分布性质和BBV模型完全一致;网络是无尺度网络,点强度和点度分布都服从幂律分布,并且指数在2.33～3.00之间.最后通过仿真实验对演化模型进行仿真,结合中国交通网络的实证分析验证了模型的合理性.     

微博社区中用户行为特征及其机理研究

基于微博数据的实证分析表明,微博用户发布微博的数量及时间间隔均服从幂律分布。通过分析微博用户之间的社会网络关系与用户行为之间的联系,发现微博消息数量的分布幂指数与用户互动指数呈反向关系,且随着互动指数的升高,幂指数的下降趋缓。在排除用户之间的评论、转发行为的影响后,个体用户发微博的时间间隔分布幂指数与用户互动指数呈正相关关系。基于上述实证分析,引入用户间评论转发行为、用户间的社会网络关系作为微博用户行为的驱动因素,提出了一种基于社会关系的动力学模型,模型仿真结果与实际数据一致。     

A novel weighted evolving network model based on clique overlapping growth

A novel weighted evolving network model based on the clique overlapping growth was proposed. The model shows different network characteristics under two different selection mechanisms that are preferential selection and random selection. On the basis of mean-field theory, this model under the two different selection mechanisms was analyzed. The analytic equations of distributions of the number of cliques that a vertex joins and the vertex strength of the model were given. It is proved that both distributions follow the scale-free power-law distribution in preferential selection mechanism and the exponential distribution in random selection mechanism, respectively. The analytic expressions of exponents of corresponding distributions were obtained. The agreement between the simulations and analytical results indicates the validity of the theoretical analysis. Finally, three real transport bus networks (BTNs) of Beijing, Shanghai and Hangzhou in China were studied. By analyzing their network properties, it is discovered that these real BTNs belong to a kind of weighted evolving network model with clique overlapping growth and random selection mechanism that was proposed in this context.     

不同权重定义下的静态与动态加权网络的比较分析

形成加权网络的方法有2类:静态和动态方法,以往的研究中并没有对2种方法进行比较分析。采用3种权重定义的方法,即分配常数的边权重、服从指数分布的边权重、节点度乘积函数的边权重,分析了2种形成方法下加权网络强度分布的不同特性。研究表明,对于静态方法形成的加权网络,其强度分布对于不同权重定义有较大差别;对于动态方法形成的加权网络,其度分布与初始权重的定义没有必然联系,只要在演化过程中满足"强度择优性",就可得到幂律分布。虽然用静态方法形成的加权网络易于分析,但由于动态方法形成的加权网络的度分布有不依赖于权重定义的特性,所以用动态方法的形成加权网络比较优越。     

基于残基涨落的加权氨基酸网络的构建及应用

提出了一种以残基间距离涨落为权重的氨基酸网络的加权方式.对180个蛋白质的加权与非加权氨基酸网络的拓扑特征量进行了分析.统计结果表明,氨基酸网络具有明显的小世界特征,加权网的平均集聚系数比非加权网的小.节点度分布具有幂律形式,显示了网络的层次模块性,进一步发现疏水残基对这一性质起了主要作用.另外,加权网的介数对折叠核的区分能力强于非加权网,表明加权网较非加权网包含了更多的蛋白质结构信息.     

基于二分图最佳匹配的图像检索方法

根据图论中二分图最佳匹配的相关知识提出一种新的方法:先将示例图像与被检索图像同时分成n个子块,将两幅图像的每一子块分别看成是图的一个顶点,子块间的相似度作为权值,从而将两幅图像之间的空间对应关系的确定,归纳成为求二分图最佳匹配的问题.经实验证明:该方法对于同类物体由几何变换和空间变换所形成的图像,有着较高的检索性能.     

基于词贡献度的垃圾短信分类方法

针对垃圾短信分类问题, 提出了一种以词贡献度为基础的分类方法。该方法引入词贡献度的概念表达词在不同短信分类中的权重差别,通过构建词贡献度——分类矩阵和计算矩阵行均方差来实现降维,以词贡献度为基础计算短信隶属于短信分类的隶属度,并通过比较隶属度密度的方法解决分类冲突问题。实验结果表明,该方法在分类效果和实时性方面优于其他常用垃圾短信分类方法。     

基于认知导航模式的企业知识网络

针对知识网络无序化﹑知识学习和产品设计过程中容易迷失方向等问题,将认知地图作为知识表达工具和认知导航工具引入知识网络.提出构建认知地图模型的方法,通过加权综合计算,得到结合各专家知识的较权威的认知地图.在该认知地图基础上,构建基于认知导航模式的知识网络,引导用户进行知识学习和产品设计.用户可以在自己相应的认知范围内检索指定认知度、认知关联度和重要度的知识,从而过滤大量无用的知识,得到最符合用户认知水平的知识.利用Web2.0技术,在相应知识节点中进行知识发布和知识评价,进一步扩充知识网络.实例证明,该知识网络具有认知导航功能,避免了知识的盲目搜索和学习.     

一种低复杂度SCMA多用户检测算法

为了进一步降低稀疏码多址接入系统中多用户检测算法的复杂度,提出了一种基于部分资源块高斯近似的多用户检测算法。首先对资源块优势等级进行比较;然后选择译码优势等级高的 n 个资源块使用加权消息传递算法,剩下的资源块使用高斯近似消息传递算法。同时联合资源块和用户优势等级,在每次迭代后对译码优势等级较高的用户直接译码并剔除,使得后续每轮迭代的复杂度依次降低。仿真结果表明,通过合理选择资源块个数,可以在保证检测性能的同时,有效地降低检测复杂度。因此,提出的算法较好地实现了译码性能和复杂度之间的平衡。     

A novel scale-free network model based on clique growth

A novel scale-free network model based on clique (complete subgraph of random size) growth and preferential attachment was proposed. The simulations of this model were carried out. And the necessity of two evolving mechanisms of the model was verified. According to the mean-field theory, the degree distribution of this model was analyzed and computed. The degree distribution function of vertices of the generating network P(d) is 2m ² m ₁⁻³ (d − m ₁ + 1)⁻³, where m and m ₁ denote the number of the new adding edges and the vertex number of the cliques respectively, d is the degree of the vertex, while one of cliques P(k) is 2m ² k ⁻³, where k is the degree of the clique. The simulated and analytical results show that both the degree distributions of vertices and cliques follow the scale-free power-law distribution. The scale-free property of this model disappears in the absence of any one of the evolving mechanisms. Moreover, the randomicity of this model increases with the increment of the vertex number of the cliques. Foundation item: Projects(60504027, 60573123) supported by the National Natural Science Foundation of China; Project(20060401037) supported by the National Postdoctor Science Foundation of China; Project(X106866) supported by the Natural Science Foundation of Zhejiang Province, China