深成指数时间序列的网络拓扑结构研究

以2000年~2010年中国股市深圳成指的收盘价数据为依据,利用可见图方法将指数时间序列转化为复杂网络,计算和分析了复杂网络的拓扑结构指标,发现该网络具有典型的小世界特征、无标度特征和自相似性,并针对网络所呈现的特征进行了深入解释.研究发现,将金融时间序列转化为复杂网络能够从一个新的视角揭示金融系统复杂性及其内在的结构规律,为预测金融市场提供了新的思路.     

在线论坛中的意见领袖分析

将论坛中帖子间的回复关系映射为发帖者之间的关联关系,构造出一个社群网络,并采用了统计物理学中的方法对这个复杂网络进行了特征分析,验证了其具有小世界网络的特征,并对基于小世界网络在线论坛中意见领袖的发现进行了研究,找出了论坛中的意见领袖并验证了其正确性,为进一步研究复杂网络中的人物行为奠定了基础。     

复杂网络可靠性评价指标

可靠性评估是复杂网络研究的重要组成部分,可靠性指标是进行可靠性评估的前提和基础。通过借鉴实际网络和复杂网络可靠性的研究成果,总结和筛选出适合复杂网络可靠性评估的可靠性指标,从而建立了复杂网络可靠性的评价指标体系。评价指标体系包括4个一级指标（即抗毁性、生存性、有效性、同步性）,每个一级指标包括若干二级指标。评价指标体系为今后复杂网络可靠性评估奠定基础和提供参考。     

复杂网络中尺度研究揭开网络同步化过程

复杂网络的中尺度研究是目前复杂网络研究中的一个前沿方向。本文主要介绍复杂网络的Laplacian矩阵的特征值谱的性质,指出特征值谱与度序列的强相关性。并且,在中尺度意义下,研究了不同拓扑结构的复杂网络的同步以及广义同步过程,发现同步是从度大的区域开始。进一步揭示了社团结构和同步时间尺度都与网络的特征值谱有关,社团网络的同步过程表现为部分同步—聚类同步—全局完全同步,该过程有助于网络社团结构的识别。最后介绍了与网络中尺度研究相关的一些前沿工作。     

复杂通风网络简化过程与原理研究

为研究复杂通风网络拓扑的快速自动简化,需要研究复杂通风网络拓扑的简化过程与原理.研究了复杂通风系统网络拓扑结构特征和复杂拓扑通风网络的相互转换过程与原理,提出了最简准等效拓扑通风网络、最简模糊拓扑通风网络等概念,获得了各种拓扑通风网络的相互转换原理与方法,进一步丰富和完善了复杂通风网络拓扑理论.结果表明:应用本成果分析和自动绘制三河尖煤矿通风网络图时效率提高了28.30%.     

基于云模型的风险评估方法研究

以复杂网络环境中的网络交易为研究背景, 引入云模型理论, 通过对复杂网络环境中的信任、信任影响因素及信任评价机制等问题的研究, 提出了基于云模型的信任评估模型, 实现了信任的定性与定量的转换, 客观地反映了信任的随机性、模糊性和不可预测性; 为了有效地对复杂网络中交易风险进行评估, 研究并提出了基于云模型的风险评估方法. 仿真实验表明, 提出的信任评估模型能对复杂的网络环境中实体的信任做出合理的评价; 基于云模型的风险评估方法能对电子商务中的交易风险进行合理可行的预测. 设计并实现了一个基于云模型的风险评估系统, 进一步验证了基于云模型的风险评估方法的可行性和合理性, 也为复杂的网络环境中风险评估的研究提供了有价值的新思路.     

网络演进与创新技术传播

技术创新网络系统是按照一定的空间架构构成的动态系统。解构技术创新网络为三因子和两系统,其中网络元节点和微节点构成节点系统,链接这些节点的关联关系构成节点间反馈系统。以系统动力学为理论视角,由点到面地展现技术创新网络演化的复杂流程,探求技术创新网络动态演化的规律和过程特征。这对进一步研究技术创新网络系统治理具有重要的理论和实践意义。     

网络控制系统的预测控制算法研究进展

随着智能电网、大数据、云控制系统和遥操作系统等复杂网络控制系统的兴起，网络控制系统具有了广域、宽范围、大数据等新特点。因此，解决网络诱导的时延和数据丢包问题在复杂网络控制系统中更显重要。该文对网络诱导的时延和数据丢包进行了分析，对网络预测控制算法研究现状进行了分析和总结，并展望了网络控制系统未来的发展方向。该文旨在为复杂网络控制系统的预测控制提供理论基础和研究思路。     

金融衍生证券定价数值估计的理论分析

主要通过非套利原理和风险中性原理，对金融衍生证券价格的数学期望和高维积分表示的推导过程进行研究分析，为进一步探讨金融衍生证券定价的数值分析方法提供良好理论基础。     

复杂网络中最小驱动边的选取研究

针对复杂网络中边动态的能控性问题,本文主要对有向复杂网络下维持系统边能控的最小驱动边的选取问题进行研究。建立了复杂网络中边动态的系统模型,从结构能控性和精确能控性两个方面研究边动态能控性,提出了边控制力的概念。同时,对有向复杂网络中最小驱动边的选取提出了新的算法,并通过实例,对所提出的理论结果进行验证。验证结果表明,与以往驱动边的选取方法相比,新算法建立在Kalman秩判据基础之上,通过引入边控制力的概念,可有效避免干扰,从而更加精准高效地寻找维持网络边动态能控所需的最小驱动边,且该算法适用于任意结构的有向复杂网络。该研究为解决具有任意结构复杂网络的边能控性问题和最小驱动边的选取问题提供了理论基础。     

在线读书社区中的用户阅读偏好及社团发现

为了揭示在线读书社区中用户阅读的学科偏好及阅读兴趣的多样性,抓取了豆瓣读书社区的数据,利用用户共同阅读关系构建图书网络,结合复杂网络理论和机器学习方法对网络进行了研究。发现图书网络中,学科之间的双向权重近乎相等;阅读哲学、政治学等人文社科的用户跨学科阅读最为广泛,而阅读矿业工程、核科学与技术等工程科技学科的用户跨学科阅读最窄;二级学科网络具有3个明显的社团,对应人文社科、工程科技和基础科学三大领域,跨学科研究的适合度由高到低依次为基础科学、人文社科和工程科技。研究结果对于图书跨学科交叉推荐具有重要意义。     

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.     

电信网中基于社区挖掘的用户行为预测算法

利用社会网络分析去解决电信网中的用户行为预测问题,把用户行为预测转换为社区挖掘和社区内用户行为预测2个步骤。之后,利用改进的凝聚层次聚类算法实现了电信网中用户的社区挖掘,通过对社区内的邻近度进行排序,设计了社区内用户行为的预测算法。仿真实验结果表明,该算法能够有效的预测出指定社区中的用户行为。     

基于知识的神经网络产生式规则的获取方法研究

将连续数据离散化并将已有知识规则的依赖度作为神经网络的初始权值,构建新的网络结构并对其动态训练,给出其具体网络训练算法.从训练后的网络权值中利用正确的分类及该网络结构具有的性质,从而给出其具体的规则抽取算法,并将抽取的具有冗余性的产生式规则利用粗集理论进一步对其精化处理,最后得出最简化的产生式知识规则.充分结合神经网络及粗集理论的优点,探索两者的有机结合无疑对智能信息处理系统的研究具有重要的现实意义.     

一种信息系统互操作性量化评估方法

针对信息系统互操作性评估问题,基于层次分析法和网络层次分析法提出一种定量评估方法。在构建包括目标层、属性层、子级层、性能指标层4个层次划分的互操作模型的基础上,利用层次分析法计算子级权重,利用网络层次分析法进行综合计算,并验证了该方法的可行性。     

并行最小割算法及其在金融社交网络中的应用

有效实施金融监管已成为金融健康发展的必要保证. 若能够在金融社交网络中,找到一部分承载网络中所有信息流动的关键节点,便能实现整个金融社交网络的有效监管. 金融社交网络图规模通常较大,须开发大规模图处理并行算法. 本文提出基于分布式图处理平台Pregel的并行最小割算法. 实验基于Apache Spark平台开展,所用数据均来自BoardEx数据库. 实验结果表明,在大规模社交网络图的处理中,该算法具有良好性能. 利用该并行算法得到金融社交网络图的最小割,便可有效实施金融监管.     

极小Cayley图的确定性小世界网络模型

小世界网络的确定性模型研究是复杂网络建模领域的重要分支,通过分析Cayley图的极小性与小世界特性的关联,提出一种基于极小Cayley图构造小世界网络的确定性模型．模型通过选择满足条件的极小Cayley图,恰当地扩展其生成集,构造出一类对称性强且结构规则的小世界网络．结果表明, 和现有模型不同,该模型可根据需求构造常数度或非常数度网络,且生成网络不仅具有较高的聚集系数和低的网络直径,而且是节点对称的,在通信网络、结构化P2P覆盖网络等实际领域的拓扑结构设计中具有重要应用．     

一种大型会展的无线网络设计

基于大型会展的发展及展馆部署的要求,提出了一种大型会展的无线网络解决方案,此方案使用Trapeze无线网络技术,解决场地趋于复杂等问题,并着重分析了此方案的优势。     

一种社会网络搜索免疫优化算法

基于社会网络所表现出的强大的信息搜索和传播能力,提出了一种新颖的免疫优化算法--社会网络搜索免疫优化算法．该算法将优化问题的求解看作是信息的传递过程,利用经典社会网络搜索模型即Kleinberg网络模型的建模方法来构造免疫算法的寻优进化过程．通过网络的结构增长机制,分别由短程连接算子和长程连接算子来引入抗体种群中的新个体．当搜索进行到一定程度时,自适应地调整长程连接搜索概率,避免算法陷入局部极值,能够最终找到目标的最优解．短程连接算子和长程连接算子的引入充分利用了抗体种群的结构信息,加快了种群收敛速度,同时降低了算法陷入局部极值点的概率．通过对复杂函数优化问题的测试、理论分析及实验结果表明,与粒子群算法、克隆选择算法等已有算法相比,新算法可以更好地保持解的多样性,收敛速度快,求解精度高,鲁棒性强．