基于社团结构的科研合作关系分析与预测

科研合作关系分析和预测针对网络的结构信息预测未来哪些学者间会产生合作关系进行研究,对于理解网络信息传播和动态变化具有重要的意义。在主流的基于拓扑属性的关系预测算法基础上提出了一种基于社区结构信息的合作关系预测模型。首先分析社区发现算法下科研网络的链接分布规律及给出模型构建的理论依据,然后构造引入社区拓扑结构信息的改进算法,最后采用不同社区发现算法进行实验。该方法在实验效果和性能上要优于一些经典的算法,说明该算法能够有效地引入社区结构信息对真实的科研合作网络关系预测问题建模,并为科研合作关系分析预测这一问题提供一种新的思路。     

基于复杂网络的Internet结构模型

在Internet网络的演化过程中,新增节点进行服务器选择时,不但要考虑网络的流量和带宽,而且还要考虑与服务器的距离.基于Internet网络中选择服务器的条件,建立了一个Internet网络结构演化模型.在网络模型中,把Internet网络流量作为链路的权重、节点的服务量能力作为节点强度、节点的连接负载作为连接度.应用数值分析方法,研究了网络的动态演化规律和节点强度的概率分布特性.研究结果表明,新模型的强度分布服从幂律分布,而且该模型是一个更一般化的BBV加权网络模型.     

基于复杂网络的大众生产社区的演化机制研究

通过大众生产虚拟社区的度分布与动态演化机理分析,揭示了择优机制是大众生产虚拟社区的一个显著演化特征。基于Wiki票选管理员的行为网络构建大众生产虚拟社区合作网络;分析网络的出度分布与入度分布,分析结果显示虚拟社区合作网络的出度服从幂律分布,入度服从双段幂律分布,说明虚拟社区贡献者的选择行为具有较强异质性;采用复杂网络链路预测方法对网络的潜在连接进行排序,结果显示择优指标值在各项指标中得分较高,网络形成过程中择优机制起到重要作用。     

基于加权合著网络的结构洞特征分析

科研合作日趋频繁,形成了大量复杂的网络结构,如引文网络、共引网络及合著网络等,合著现象也越来越多。结构洞的发现有助于科研合作中提高团队整体的创新能力。目前对于合著网络的结构洞分析多为无权网络,为了研究合著者的紧密程度在结构洞分析中的作用,以加权的合著网络为研究对象,将权重引入到约束度中,并对现有的结构洞算法--HIS算法进行改进,提出一种基于加权约束度的结构洞挖掘算法（W_CIHIS算法）。用约束度作为衡量指标,将W_CIHIS算法与HIS算法应用到公共数据进行对比,实验结果表明提出的算法有很好的效果。     

基于学术水平聚类的科研合作者推荐模型

针对现有科研合作者推荐模型一般不考虑目标学者与推荐学者间学术水平的差距,导致合作关系难以建立的问题,提出一种基于学术水平聚类的合作者推荐模型,为目标学者推荐最合适合作者（fitting collaborator recommendation,FCR）。该模型先使用K-means算法对合作网络中的学者按照学术水平特征进行聚类,在同一水平簇别中建立合作网络,利用链路预测算法中的Katz指标对网络中的节点进行相似度计算,对学者们的研究主题进行提取,在网络的可达性,学术水平是否相近以及研究主题相似度三个方面进行综合考虑并进行Top-N推荐。实验结果表明,相比于其他模型,提出的基于学术水平聚类的合作者推荐模型相比于其他推荐模型均有着较优的表现,在推荐的准确率、召回率以及F1指数上分别提高了5.3%、2.5%、4%。并且在推荐的合作学者与目标学者的学术水平匹配性方面平均提高了37%。     

融合作者合作强度与研究兴趣的合作者推荐

合作者推荐是科研社交网络中的一个重要应用,为科研人员推荐适合的合作者有利于增强学术合作、提升作者的合作交流。为此,提出CRISI方法,从而有效地推荐与待推荐作者合作强度高且研究兴趣比较相似的同行,并且还考虑了作者间的合作强度（结构）、研究兴趣（属性）相似度和待推荐作者形成的社区紧密程度等信息。具体地,首先,基于作者与文献的关系构建作者合作关系属性图;然后,计算作者合作强度与研究兴趣相似度并据此构建双加权网络;再次,探测影响力高且合作强度大的作者节点作为种子;最后,设计分数k-core社区搜索方法找到与待推荐作者合作关系紧密的社区。实验结果表明,CRISI方法相比现有方法获得了显着的性能提升。     

一种基于边数随机增长的BA网络模型

针对基本BA网络模型模拟现实网络的局限性, 采用新节点的度数增加服从泊松分布的随机函数来代替传统BA模型中的常数, 修改了节点度数的增长方式, 提出了一种基于边数随机增长的改进网络模型。从理论分析和实验验证两方面对该模型进行了分析和研究。理论证明过程中, 利用率方程法计算度分布并得到了解析解, 而计算机仿真则验证了度分布解析解的正确性。仿真结果表明改进后的网络模型符合现实网络的一定特性。     

一种面向动态科研网络的社区检测算法

科研网络是一类动态变化的异构信息网络,科研网络上的社区检测能挖掘出学术主体的所属社区并发现蕴含于科研社区中的洞察。既有的社区检测算法忽略了科研网络的动态特征和科研主体间的特殊关系,未将科研社区内部的紧密程度和社区间的关系纳入社区检测算法中予以优化,对此提出了一种基于动态科研网络表示学习的社区检测算法DANE-CD。首先基于科研网络自编码器学习科研网络中学术主体的表示向量,然后创新性地在表示学习过程中融入了基于模块度和团队断裂带两个维度的聚类优化,最后基于堆栈自编码器构造了动态科研网络表示学习模型,同时完成了对科研网络的社区检测。在DBLP和HEP-TH两个真实科研数据集上进行了实验,实验结果显示算法在准确率、归一化互信息和模块度3个指标上优于既有科研社区检测算法,可以较好地完成动态科研网络下的社区检测任务。     

生产设备合作关系网络的建模与分析

区域产业集群中的生产资源能形成多样复杂的合作关系。探讨如何挖掘和利用这些关系来规划和控制集群内部元素的合作,以提供高效的云制造生产服务。采用广义社会合作网络模型描述集群中的制造合作关系,提出构建设备合作网络(FCN)的方法;面向不同的设备选择策略(随机、均衡、带偏好随机及带偏好均衡)设计FCN动态增长过程;基于网络规模、节点度分布、项目度分布和平均最短距离等指标对一个FCN实例的统计特性展开分析,指出均衡策略具有比随机策略更大的网络规模,而随机策略具有较明显的无标度和小世界特性;进而提出基于设备动态加权和子任务集中处理的设备选择优化策略。     

无线传感器网络协同应用网络模型的研究

讨论了无线传感器网络在移动条件下的协同态势感知应用问题,通过研究聚类系数、度与度分布等协同应用网络特征参数,构造了基于无线传感器节点特征的适应度协同应用网络模型。     

不确定经济环境下基于EVA的鲁棒供应链网络设计模型

针对由制造商、仓库、分销中心和客户组成的四级供应链网络设计问题,考虑以产品需求、短期利率、长期 利率、无风险利率、预期市场回报、证券承销费用和市场流动性等因素描述的经济环境不确定性,建立以供应链 经济增加值绩效为目标,网络设计、物流和财务运作为约束条件,设施选择、连接路径等为网络要素,生产、运输等物 流量和负债、保理、应收账款等财务项为决策变量的多产品、多周期供应链网络鲁棒设计模型.数值结果表明,基于 经济增加值的鲁棒供应链网络能够有效应对经济不确定性的影响.特别地,与传统随机优化方法相比,鲁棒优化能够确保供应链网络具有更好的鲁棒性和财务状况.     

基于分级网络的车牌字符识别算法*

提出了一种基于分级径向基神经网络的车牌字符识别算法,采用两级径向基神经网络结构,由一级网络识别后,通过对识别结果和置信度进行分析,确定了12个二级子网;采用动态误差分割算法进行网络训练,通过大量实验研究,车牌整体识别率达到了86.58%,平均识别时间为181ms,对比性研究验证了该方法的有效性。     

一种基于分级RBF网络的车牌字符识别方法

提出了一种基于分级RBF神经网络的车牌字符识别方法,采用两级RBF神经网络结构,由一级网络识别后,根据识别结果和置信度,建立识别分布图,进行二级网络设计,确定了12个二级子网。RBF网络中自动确定隐层神经元数,无需实验调整。用大量样本对系统进行测试,车牌整体识别率达到了85.4%,通过对比性研究,验证了该方法的有效性和先进性。     

换电站对配网无功优化的影响研究

换电站作为电动汽车的主要充电基础设施,随着电动汽车的普及也将大规模建设。为了分析大规模换电站接入配网对无功优化产生的影响,提出了以换电站充电负荷对配网无功优化的影响为研究对象。首先基于力帆换电站的历史数据分析了换电站充电负荷影响因素的分布规律,然后采用蒙特卡洛仿真模拟建立了换电站的充电负荷模型。还建立了配网无功优化的数学模型,采用禁忌搜索算法求解数学模型。考虑到换电站充电负荷为概率模型,采用基于蒙特卡洛模拟的随机潮流进行潮流计算。最后从换电站充电负荷的渗透率角度分析了对配网无功优化的影响,得出的结论是换电站充电负荷的渗透率为一定值时,相比未接入换电站充电负荷的情况,可以降低电容器的投切次数,延长电容器的使用寿命。     

基于复杂网络的历史地震时空分布及异常分析

为了研究地震异常对地震预测及震后引发次生灾害的影响,收集整理1911年之前的历史地震数据,建立中国历史地震数据库。通过对地震及地震异常的关联分析建立复杂网络模型,根据网络模型提出每种地震异常的重要性及每次地震危害度的计算方法,并以此研究地震异常与地震之间的内部关联,最后通过网络模型的数据分析研究历史地震的时空走势。实验结果表明通过复杂网络研究历史地震的可行性,为地震研究提供了新的方法。     

基于BP神经网络的软件项目风险评估研究*

为了确定软件开发项目中不确定因素的影响,提出基于BP神经网络的软件项目风险评估模型。首先,构建了软件项目风险识别的TEMP（technology、environment、management、process）模型;其次,在TEMP识别模型基础上建立了包括17种风险指标在内的软件项目风险评估指标体系;再次,利用BP神经网络建立了风险评估模型;最后,通过MATLAB实例证明该风险评估模型的有效性和可行性。     

基于正则化随机配置网络的球磨机工况识别

随机配置网络(Stochastic Configuration Network, SCN)在不等式约束监督机制下能够自动快速构建万能逼近器,在大数据建模领域具有潜在优势。为了增强模型的准确性和稳定性,在经典随机配置网络基础上提出带有L2范数正则化的随机配置网络,改善输出权重最小二乘解析解的代数属性,避免模型过拟合的结构风险。针对大范围非平稳操作工况下球磨机负荷运行状态识别问题,使用正则化随机配置网络构建球磨机负荷运行工况识别模型。球磨机实验结果表明,所提出的正则项SCN模型在识别准确性和模型性能稳定性方面相对经典SCN和RVFL模型,具有相对优势。     

聚合物分子量分布的多变量动态系统模型

为了解决聚合产品分子量分布控制的难题,将神经网络引入对其进行了无需任何系统内部先验知识的黑箱建模。所使用的神经网络是由B样条神经网络和非线性递归神经网络(DRNN)组合而成,并使用误差反传算法对网络进行训练和学习,从而建立了多变量动态系统的分子量分布模型。在模型建立中将控制变量与分布参数的函数关系利用非线性递归神经网络描述,分子量分布函数使用B样条神经网络表示,仿真研究结果证明该方法取得了预期的建模效果,具有一定的推广实用价值。     

基于Fuzzy丢包区分的TCP自适应拥塞控制算法

针对在有线/无线的异构网络中,传统有线环境下的传输控制协议(TCP)把所有丢包简单地归因于网络拥塞,严重影响了混合网络环境下的TCP传输性能的问题,提出了一种新的基于模糊理论的自适应控制算法。该算法选取了新的网络参数,运用Fuzzy方法对网络状态进行综合评价,并基于反馈理论的方法建立了新的自适应控制模型,即对评价结果集进行加权求和,得出网络性能指数,将其作为输入因子进入下一次计算过程,并调整各参数权重。仿真表明,该算法能够较好反映混合网络的真实拥塞状况,具有较好的网络适应性,比当前主要TCP算法具有更好的拥塞控制效果。该算法对在多参数,使用模糊方法背景下,混合网络拥塞及其自适应控制研究进行了新的探索。