一种节点可控的扩展无尺度网络模型

针对扩展无尺度网络模型中节点连接度无限制增长,造成有些节点的度过于集中,在实际网络中,其对应的容量根本就达不到这一现象。在原模型基础上增加了节点连接度最大值的控制。根据实际网络中其对应的容量应该有相应的极限值,当节点到达极限值的时候,采取相关的控制措施。理论分析和仿真实验证明改进后的网络模型,仍服从无尺度网络特性,并更接近于真实网络。     

无尺度网络中降低相继故障规模的策略研究

在复杂网络的相继故障过程中,主要影响因素包括：网络结构、节点负载量、节点容量、负载重分策略等。针对这些因素,建立了一个无尺度网络的相继故障模型。模型采用的基于节点剩余容量的负载重分策略能较充分地利用网络资源。仿真结果表明,与基于节点度的负载重分策略相比,基于节点剩余容量的负载重分策略能降低网络相继故障的规模约10％;研究还发现只提高网络中“关键”节点的容量也能有效降低相继故障的规模。当无尺度网络具有社团结构时,相继故障的规模要减小约30％。这些结论对降低网络相继故障规模、网络结构的设计及以后的研究具有重要意义。     

考虑节点亲密度的社交网络谣言传播研究

考虑到真实社交网络中节点间亲密程度对谣言传播的影响,提出一种新的SI2R传播模型,建立谣言传播动力学方程组,研究谣言在无标度网络上的传播特性。该模型中不同节点间谣言传播率的非一致性同时取决于节点度与节点间亲密度,理论分析得到了无标度网络上谣言传播阈值表达式。随后,在BA（Barabási-Albert）无标度网络中就节点亲密度对谣言传播过程的影响进行了仿真实验,并利用Twitter和Live Journal两种真实网络数据集对仿真结果进行验证。研究表明,无标度网络中节点间平均亲密度随网络聚类系数的增大而减小,随着网络中节点间平均亲密度增大,谣言传播最终范围变大。研究还发现,节点间亲密度的存在使无标度网络中存在传播阈值,传播阈值随着节点间平均亲密度增大而减小。     

一种无尺度网络上垃圾邮件蠕虫的传播模型

用有向图描述了电子邮件网络的结构，并分析了电子邮件网络的无尺度特性。在此基础上，通过用户检查邮件的频率和打开邮件附件的概率建立了一种电子邮件蠕虫的传播模型。分别仿真了电子邮件蠕虫在无尺度网络和随机网络中的传播，结果表明，邮件蠕虫在无尺度网络中的传播速度比在随机网络中更快，与理论分析相一致。     

Pub/Sub系统中基于免疫的新型路由算法

为减少Pub/Sub系统中因遍历节点而产生的广播负载,在无标度网络的Pub/Sub系统遍历路由的基础上,提出了基于免疫思想的新型路由算法。第一阶段,通过设置阈值δ,选择初始免疫节点;第二阶段,通过投票机制进一步甄选核心代理节点和免疫节点。仿真实验表明所提出的方法与Pub/Sub系统中传统的Gossip算法及洪泛算法相比较,能够限制消息在确定的范围内传播并且降低消息遍历的时间和广播开销的负载。基于免疫的新型路由算法可加快消息的传播速度、降低网络开销。     

信息中心网络中基于流量负载控制的缓存策略

信息中心网络通过高速网内缓存可以有效降低用户的访问时延,降低服务器和链路负载,提升网络性能。然而,网络中部分节点负载过高导致节点内缓存替换率升高,使得个别节点乃至整体网络性能下降。本文提出一种基于流量负载控制的缓存策略,根据节点接收队列的流量状态,动态控制节点缓存的替换速率,并将由于负载控制而无法缓存的内容交给下游低负载节点缓存。实验结果显示,我们的策略可以有效提升高流量负载节点的缓存命中率,同时提高了低负载节点的缓存利用率,均衡了网络中的缓存负载状态,提升了网络的整体性能。     

捕获效应下的无线Ad Hoc网络饱和吞吐量分析

分析了捕获效应下节点随机分布的、无中心控制的分布式无线ad hoc网络的饱和吞吐量，得出了节点均匀分布的ad hoc网络捕获概率的表达式，以及在一定捕获概率下吞吐量的表达式，并使用网络仿真进行了验证。     

无尺度网络上的蠕虫传播行为研究

许多网络如因特网、人类间的社会关系和物种之间的食物链网络等，都是无尺度网络。研究无尺度网络，对于防范黑客攻击、防治蠕虫的传播等都具有重要的意义．本文对随机网络和无尺度网络做了比较．重点介绍无尺度网络上蠕虫传播行为的特性——阈值和强韧性，最后指出了蠕虫防治的方法。     

传染病在多层星型耦合网络上的资源控制

针对已有传染病传播模型没有考虑到具体的特殊网络结构与资源因素对控制疫情爆发的影响与作用机制,结合双层星型耦合网络与传染病SIS模型,建立了一个离散动态传播模型。该模型利用星型网络的结构特性与平均度概念推导各层感染人口比例关于资源及各种参数的离散方程。理论分析和仿真实验结果表明,多层星型耦合传染病传播网络中存在资源阈值,当节点为叶子节点时,网络存在两个资源阈值,增加资源量投入以抑制传染病传播只在两个资源阈值间有效,此时传染病感染人口比例随着投入资源的增加而减少;当节点为中心节点时,网络中的资源阈值随其他层感染人口比例的增大由两个减少至一个。此外,层间中心节点耦合强度、层间叶子节点耦合强度对疫情的控制效果随着节点所处位置的不同而不同。     

无尺度网络下具有双因素的僵尸网络传播模型

随着网络技术的发展,僵尸网络逐渐成为Internet上最具威胁的攻击平台.而现今的网络是随机网络、无尺度网络等构成的一个复杂网络.结合无尺度的特性,考虑僵尸网络传播过程中部分主机的免疫特性与网络阻塞特征,提出一种无尺度网络下具有双因素的僵尸网络传播模型.该模型基于Internet的实际情况,重点考虑了无尺度网络的拓扑结构,并结合了僵尸网络中部分脆弱主机由于提前从易感染的网络中移除而具有的免疫特征情况与传播过程中的网络流量阻塞情况.Matlab仿真结果表明,这种传播模型更符合真实网络中僵尸网络的传播规律.     

自增长网络模型及其算法

众所周知,现实世界的网络大部分都不是随机网络,少数的节点往往拥有大量的连接,而大多数的节点连接却很少,这正是无标度网络的重要特性。于是对于无标度网络性质的研究,因为其实用性而变得及其重要。首先定义了一种新的自增长网络模型,对它的基本参数进行计算,证明了它的无标度性。其次验证模型的最大叶子生成树的度分布服从幂率分布,并且得到了网络的平衡集,从而对无标度网络有了初步探索。最后给出了一个计算平均路长的算法。     

无标度网络的最大-最小度搜索算法

许多实际的复杂网络具有无标度的特性,其中高连接度的节点具有重要作用.研究无标度网络的搜索算法.基于最大度的节点的搜索算法只适用于幂律度分布的指数介于2.0和2.3之间的无标度网络.对该算法做出了改进,提出了可适用于较大幂律指数的无标度网络的局部搜索的最大-最小度搜索算法.最大-最小度算法和人们熟知的随机游走、最大度搜索策略相比,更加充分利用了网络节点度分布特性,从而获得了更优的搜索效果,文章从理论分析和仿真结果两方面证实了这一点.     

Community Structure and Information Cascade in Signed Networks

In this paper, we study information cascade in networks with positive and negative edges. The cascade depth is correlated with community structure of signed networks where communities are defined such that positive inter-community and negative intra-community links are minimized. The cascade is initialized from a number of nodes that are selected randomly. Finally, the number of nodes that have participated in the cascade is interpreted as cascade depth; the more the number of such nodes, the more the depth of the cascade. We investigate influence of community structure (i.e., percentage of inter-community positive and intra-community negative links) on the cascade depth. We find significant influence of community structure on cascade depth in both model and real networks. Our results show that the more the intra-community negative links (i.e., the worse the community structure), the more the cascade depth.     

传感器网络中一种基于层次的节能路由算法

传感器网络中的节能是其面临的一个中心问题。层次路由算法根据所构造的一个骨干网可以高效地利用能量,该文据此提出了一种基于树结构的路由算法,算法通过类似多播树的构造而形成一个有效的骨干网,节点只需将数据转发到骨干网上的任一节点即可。理论分析和仿真实验都表明,算法具有较好的节能性,而且延时较小。     

互联网的局域世界演化模型仿真研究

研究Internet拓扑有利于解决Internet上通信协议、病毒传播、拥塞控制等问题，针对不同的预测和改善Internet性能的目的，建立合适的拓扑模型是非常重要的。该文从复杂网络建模的角度出发，研究了自治系统层面Internet的拓扑特性，综合考虑了局域世界内的偏好连接、节点和链接的随机或优先消亡、节点间非线性优先连接、新节点所带来的外部链接及网络内新增的内部链接等诸多因素，提出了一个新的Internet局域世界演化模型ELWI。采用C＋＋和Matlab这两个工具来对Internet和所生成的ELWI拓扑进行研究，通过比较仿真结果发现，ELWI很好地刻画了自治系统层面Internet的无标度、小世界和局域世界等诸多特性及其演化行为。     

基于局部关键节点的大数据聚类算法

为了能在大数据集中合理地寻找到网络结构,提出了一种适用于大数据集的通过局部核心节点进行社区发现的算法。对于初始节点不确定和适应度函数计算所带来的时间消耗,引入局部关键节点和对适应度公式进行改进来减少时间消耗。并在小规模数据网络和较大规模数据网络中与经典算法进行实验,由实验结果得出,在小规模的数据集中,本算法与经典算法效率相差不大,在测试数据集的规模不断变大的情况下,本算法执行效率明显提高。测试结果表明,本算法是可行和有效的,适用于大规模数据的网络结构发现。     

删除边的免疫策略

为了使用更少的免疫数量且更快地消灭病毒,提出了基于删除边的免疫策略。该策略根据边与重要节点之间的关系,对重要节点直接相连的边或任意两个重要节点与其共同邻居节点之间的边进行免疫。实验使用SIS病毒传播模型,分别在ER随机网络、BA无标度网络和几种实际网络中测试了该策略的免疫临界值以及对应网络的连通度,结果表明：删除边的免疫策略与目标免疫策略相比可以通过免疫较少的节点来消灭病毒,并且可以更好地保持网络的连通性。     

Effectively identifying the influential spreaders in large-scale social networks

With great theoretical and practical significance, the studies of information spreading on social media become one of the most exciting domains in many branches of sciences. How to control the spreading process is of particular interests, where the identification of the most influential nodes in larger-scale social networks is a crucial issue. Degree centrality is one of the simplest method which supposes that the node with more neighbours may be more influential. K-shell decomposition method partitions the networks into several shells based on the assumption that nodes in the same shell have similar influence and nodes in higher-level shells (e.g., central) are probably to infect more nodes. Degree centrality and k-shell decomposition are local methods which are efficient but less relevant. Global methods such as closeness and betweenness centralities are more exact but time-consuming. For effectively identifying the more influential spreaders in large-scale social networks, in this paper we proposed an algorithm framework to solve this dilemma by combining the local and global methods. All the nodes are graded by the local methods and then the periphery of the network is removed according to their central values. At last, the global methods are employed to find out which node is more influential. The experimental results show that our framework can be efficient and even more accurate than the global methods     

On the complex network structure of musical pieces: analysis of some use cases from different music genres

This paper focuses on the modeling of musical melodies as networks. Notes of a melody can be treated as nodes of a network. Connections are created whenever notes are played in sequence. We analyze some main tracks coming from different music genres, with melodies played using different musical instruments. We find out that the considered networks are, in general, scale free networks and exhibit the small world property. We measure the main metrics and assess whether these networks can be considered as formed by sub-communities. Outcomes confirm that peculiar features of the tracks can be extracted from this analysis methodology. This approach can have an impact in several multimedia applications such as music didactics, multimedia entertainment, and digital music generation.     

基于计数排序的最小种子集贪心算法

网络最小种子集问题与网络影响最大化问题相关,研究的是对于具有节点阈值的网络,构造网络的最小节点子集,使得如果这个子集中的节点是活的,则在给定的影响传播模型下整个网络都受到影响。为此提出了新的贪心算法,以节点的度与阈值的差为关键值对网络节点进行计数排序,然后取值最小的节点进行处理。新算法在时间复杂度上改进了基于最小堆的种子点选取算法。在简单多数阈值模型上针对经典的无标度网络得到了所构造的种子集规模上界。实验在随机生成网络和一些实际网络数据集上进行,结果表明所提方法的有效性,特别在无标度网络上生成的种子集具有比相关算法更小的规模。