超网络模型构建及特性分析

关联矩阵是超网络的一种表述形式,节点度、节点超度和超边度是度量超网络的一种方法。从关联矩阵出发对超网络进行研究,重点研究了自相似超网络及随机超网络,并给出了基于矩阵运算的超网络构建方法的若干性质。自相似超网络可通过对一个简单初始超图的关联矩阵进行迭代的Tracy-Singh积运算得到,而随机超网络可通过对多个简单初始超图的关联矩阵进行顺次的Tracy-Singh和运算得到。自相似超网络的分形维数不超过2,且当初始超图是连通的且非二分超图时,自相似超网络的直径不超过初始超图直径的两倍,即同时具有小世界特性。随机超网络的节点度、节点超度和超边度均呈正态分布。仿真实验证实了所构建的超网络的各项特性。     

基于局部信息的复杂网络社团结构发现算法

发现网络中的社团结构有助于更好地理解网络结构和分析网络属性。通过定义边的聚类系数和基于局部信息的方法,提出了一种寻找复杂网络中社团结构的算法。该算法首先在网络的剩余节点中寻找度最大的节点,然后利用该节点的局部信息、边的聚类系数和凝聚的思想,得到复杂网络的社团结构。在两个典型网络上的测试结果表明了该方法的可行性。     

基于超图的矩阵制企业项目小组超网络形成机制研究

在众多社会网络中,由于现实世界的普遍性,合作网络一直以来是网络研究的热点之一。在企业中,有一些工作需要以项目小组的形式由企业成员合作来完成,矩阵制企业项目小组就是一种特殊的合作网络。本文以某消费品公司的矩阵制企业项目小组结构为例,以职能部门的人员为节点,以项目小组作为超边,构建基于超图的矩阵制企业项目小组超网络拓扑结构,对所建的拓扑结构模型有关拓扑特性进行计算和分析。然后,从动态的角度对矩阵制企业项目小组进行研究,建立节点具有竞争力的矩阵制企业项目小组的非均齐超网络形成机制模型,体现了项目小组的变化和增加过程。通过分析发现矩阵制企业项目小组中存在多重领导,对人员的绩效考核与薪酬调整都会起到影响作用,本文的研究可以帮助理解自然界和社会中的很多合作网络的变化规律。     

改进的加权复杂网络节点重要度评估方法

针对加权复杂网络中的节点重要度评估问题,提出一种改进的基于凝聚度的节点重要度评估方法。综合考虑节点的连接特性对节点重要度的影响,引入节点连边的重要度评估,将节点的重要度表示为节点自身重要度与其连边重要度的加权和,通过调节加权比例系数,分析节点连边重要度对节点重要度排序及节点相对重要性的影响。算例分析结果验证了改进方法的可行性和有效性。     

QQ群超网络特性分析

基于超图理论构建了QQ群用户关联关系的超网络模型,并将该模型应用到QQ群真实数据。通过矩阵理论和超网络方法对所构建的模型进行了分析,得到了该QQ群超网络的超度分布、度分布、聚集系数、子图中心度和平均路径长度等拓扑指标的值。结果表明,QQ群超网络的超度分布服从幂律分布,且具有较高的聚集系数和较小的平均路径长度,最终揭示了QQ群超网络所具有的“小世界特性”。     

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。     

边效益因素下复杂供应链网络局域演化机制

针对一般复杂网络演化模型中节点连接测度不能很好地描述复杂供应链网络特性的局限性,将节点企业间的合作所带来的边效益引入复杂供应链网络的演化模型中,采用节点度与边效益作为节点择优连接的综合测度指标,构建了复杂供应链网络的局域演化模型与算法。然后通过仿真,并与有关文献的复杂网络演化模型进行对比,分析了复杂供应链网络的增长性、边退化性与节点消失性,说明该模型具有高聚集系数、较低平均路径长度、无标度性、小世界特性,而且很好地解释了现实供应链网络在不同时期的演化机制问题,同时给出了经济学解释,这有助于更好地分析现实供应链网络的相关特性。     

利用邻接结构熵确定超网络关键节点

识别网络中的关键节点对研究网络的拓扑结构及功能特性具有重要的实际应用价值.基于超图的超网络拓扑结构为超图,由于超图中的超边可以包含任意数量的节点,使得超网络能够清晰明了地表达出多元、多维、多准则的复杂关系.为了更好地挖掘超网络中的关键节点,基于超图理论及性质,提出超图中的邻接结构熵识别超网络中的关键节点,该方法通过研究...     

超边约束的异质超网络表示学习方法

与普通网络相比，超网络具有复杂的元组关系（超边），然而现有的大多数网络表示学习方法并不能捕获元组关系。针对上述问题，提出一种超边约束的异质超网络表示学习方法（HRHC）。首先，引入一种结合团扩展和星型扩展的方法，从而将异质超网络转换为异质网络；其次，引入感知节点语义相关性的元路径游走方法捕获异质节点之间的语义关系；最后，通过超边约束机制捕获节点之间的元组关系，从而获得高质量的节点表示向量。在3个真实世界的超网络数据集上的实验结果表明，对于链接预测任务，所提方法在drug、GPS和MovieLens数据集上都取得了较好的结果；对于超网络重建任务，当超边重建比率大于0.6时，所提方法在drug数据集上的准确性（ACC）优于次优的Hyper2vec(biased 2nd order random walks in Hyper-networks)，同时所提方法在GPS数据集上的ACC超过其他基线方法中次优的基于关联图的超边超边约束的异质超网络表示学习方法（HRHC-关联图）15.6个百分点。     

基于聚集共线度和节点连通度的无线传感器网络定位算法

为进一步提高无线传感器网络（WSN）的定位精度,对锚节点分布与网络定位精度之间的关系进行研究,提出一种新的基于“聚集-共线度”（DAC）和“节点度”（ND）的锚节点选择算法——DAC-ND。首先,通过实验分析得出锚节点在共线分布和集中分布时对定位精度影响较大;然后,经过对基于共线度的锚节点选择算法进行分析和比较,发现现有的基于最小角和最小高的两类锚节点共线度算法（DC-A和DC-H）均存在不足;最后,综合这两类算法的优势提出一种新的基于“聚集-共线度”的概念,并结合“节点度”提出DAC-ND锚节点选择算法。通过Matlab仿真实验得出,与锚节点随机选择算法相比,DAC-ND算法可大幅降低平均定位误差（54%~73%）;与基于最小角和最小高的共线度选择算法等相比,采用DAC-ND算法平均定位误差可分别降低15%~23%和12%~23%。实验结果表明,DAC-ND算法相比DC-A和DC-H能够获得更高的定位精度,从而验证了DAC-ND算法的有效性。     

基于模糊超网络的知识获取方法研究

本文结合模糊粗糙集理论与超网络的相关知识，提出了一种模糊超网络模型。与传统超网络模型的不同之处在于，模糊超网络模型采用了模糊等效关系来代替超网络中的分明等效关系，并在此基础上对超边的生成和演化进行了改进。根据样本的分布将样本集划分成3个区域，即正域、边界域和负域，不同区域的样本按照不同的方式生成超边；根据分类效果将超边集也划分成3个区域，并对不同区域的超边进行相应地替换处理。实验结果表明，在正确率、Precision、Recall等指标上，模糊超网络分类算法具有明显的优势。     

On poem recognition

Literature is one of the most significant forms of human culture. It represents a high level of intellectual activity. Humans write, read, and enjoy poems in different cultures. The purpose of this work is to initiate research in the field of poem recognition, not to understand them by electronic devices, but to provide humans with modern tools to search for and work with lyrics. This study is concerned to illuminate the challenges of poem recognition from different perspectives. In this paper, various measures of poetry are introduced and their effectiveness are investigated in different case studies using fuzzy logic, bayesian approach, and decision trees.     

面向复杂网络的节点相似性度量

在复杂网络中,度量节点之间的相似性是一项基础且具有挑战性的工作。基于邻域节点的相似性度量仅考虑了节点的邻域信息。基于路径的相似性度量考虑了节点之间的路径信息,使得多数节点与大度节点相似。为了更准确地度量节点之间的相似性且避免多数节点与大度节点相似,定义了每个节点的距离分布,并在此基础上采用相对熵和距离分布提出了一种节点相似性度量方法(DDRE)。DDRE方法通过节点之间的最短路径生成每个节点的距离分布,根据距离分布计算节点之间的相对熵,进而得到节点之间的相似性。6个真实网络数据集的对比实验结果表明,DDRE方法在对称性以及SIR模型中影响其他节点的能力这两方面表现较好。     

带权超网络的度量方法及其性质

超网络是较通常意义上的复杂网络更为复杂的网络,该网络的每一条超边能连接任意多个节点的特性使其比复杂网络能更好地描述真实世界中的复杂系统。针对现有超网络研究中对超网络度量方法的缺陷与不足,提出了一种超网络度量方法——超网络维数（HD）,即为所有超边包含的节点权重之和与对应超边权重乘积和的对数值和节点权重之和与超边权重之和乘积对数值的比值的两倍。超网络维数可以应用于节点权重与超边权重为正实数、负实数、纯虚数,乃至复数等多种不同数值类型的带权超网络中。最后给出了超网络维数的若干性质。     

BitTorrent下基于活跃度的传输节点选择算法

近年来,对等网络（peer to peer,P2P）因其高效的分片和分发等机制,已成为大数据高效分发的关键支撑技术。针对P2P文件分发系统BitTorrent中Tracker服务器端节点选择算法没有考虑节点活跃度的问题,提出了一种基于活跃度的Tracker服务器端节点选择算法。该算法选择出活跃度高的节点来建立一个更高效的分发网络,使之更能符合请求节点的需求,帮助请求节点更加高效地完成下载任务。实验结果表明,改进后的节点选择算法可以缩短文件的下载时间,提高网络的分发效率,提升系统的性能。     

矩形区域内节点均匀分布无线自组网若干基本特性的解析描述

从数学的角度研究无线自组网若干基本特性的解析描述对无线自组网技术的研究工作具有重要意义．基于组合学理论和极限思想，研究了矩形区域内节点均匀分布的无线自组网中节点间距离的分布情况，得出了节点间距离的分布函数的闭合解析公式，并以该解析公式为基础推导出了无线自组网若干基本性质的解析描述公式，最后通过仿真验证了数学分析结果的正确性．     

基于RGM算法的锚节点布点算法

目前所有的定位算法都将研究的重点放在如何提高定位精度上面却很少研究如何布置锚节点,只是在算法中随意的选取满足条件的锚节点,然而算法并没有明确的对锚节点的布置提出要求,所以想要随时都能获取合适的锚节点只能随机布置大量的锚节点.然而大量的增加锚节点的数量势必极大地提高系统的成本并且在实际的布置操作中也是不现实的.针对以上问题,文章在RGM算法的基础上提出一种优化布点的算法.算法通过细致的分析每组定位单元在定位区域的覆盖情况,在满足定位精度条件的基础上计算出每一个锚节点的布置坐标并对锚节点的数量进行精简.仿真实验表明,按照该算法来布置锚节点不会降低定位精度.     

无线传感器网络中节点非均匀分布的能量空洞问题

节点非均匀分布策略能缓解无线传感器网络中的能量空洞问题.文中从理论上探讨这种策略,证明在节点非均匀分布的圆形网络中,如果节点持续向Sink节点发送数据,能量空洞现象将无法避免,而当节点数目满足一定关系时,网络中能够实现次优能耗均衡.文中提出一种节点非均匀分布策略及相应的路由算法用于实现这种次优能耗均衡.模拟结果显示网络生存周期终止时,处于网络内部的节点几乎达到了能耗均衡.