考虑个体警觉行为的双层网络流行病传播模型

流行病传播过程中常伴随个体意识信息的扩散,然而目前关于流行病与意识信息关系的研究大部分未考虑意识信息在传播过程中对个体接触行为的影响。提出一种基于个体警觉状态的双层网络流行病传播模型。建立下层物理接触网络描述流行病的传播,构建上层信息扩散网络描述流行病传播中信息扩散,根据个体的行为偏好和警觉性设计警觉个体避免与非警觉个体接触、警觉个体避免与警觉个体接触两种接触行为策略,并在BA-BA、BA-WS和WS-WS 3种双层网络中模拟两种行为策略对流行病传播的影响。仿真结果表明,该模型中两种个体警觉行为策略通过调节警觉性参数均能有效降低流行病感染规模并提高流行病爆发阈值,从而抑制流行病在人群中传播。     

基于元胞自动机的流行病传播模型及模拟

讨论了一种基于元胞自动机的流行病建模方法,并在该模型的基础上模拟了不同传播特性流行病的传播与控制过程。模拟结果与这些不同传播特性流行病传播的宏观特征相吻合,表明元胞自动机是流行病的一种有效的建模方法。同其他的流行病建模方法相比,该模型结构简洁灵活,计算方式简单,模拟过程直观,易于分析。     

具有非马尔可夫旅途感染的流行病传播模型研究

针对旅途中的接触可以扩大流行病传播规模的问题,在集合种群网络中考虑一种时滞旅行行为和旅途中的疾病传播和恢复过程,构建具有非马尔可夫旅途感染的传播模型并利用计算机仿真模拟系统中的传播过程。基于微观马尔可夫链方法,构建预测疾病流行阈值的理论框架。仿真结果表明,旅途感染可以促进流行病在旅途中的传播,抑制其在种群内的传播;旅途时长和旅途接触概率能够改变流行病的演化趋势。这些结果有助于理解旅途感染如何影响流行病的传播。     

基于感染结果的传播网络推断方法

为揭示传播网络中节点之间的父子影响关系,现有工作大多需要知道节点的感染时间,而该信息往往只有通过对传播过程进行实时监控才能获得.研究如何基于传播结果来学习获得传播网络中节点之间的父子影响关系.传播结果只包含每个传播过程中节点的最终感染状态,而节点的最终感染状态在实际中往往比节点的感染时间更容易获得.提出了一种基于条件熵的方法来推断网络中每个节点的潜在候选父节点.此外,能够通过从基于条件熵的推断结果中发现并修剪那些实际不太可能存在的父子影响关系来优化最终的影响关系推断结果.在人工网络和真实网络上的大量实验,验证了该方法的有效性和运行效率.     

基于无尺度网络的僵尸网络传播模型

主流传播模型不能准确反映僵尸程序在Internet中的传播特性。针对该问题,提出一种基于无尺度网络结构的僵尸网络传播模型。该模型考虑了Internet网络的增长特性和择优连接特性,能够反映实际网络中的无尺度特性,更符合真实Internet网络中僵尸程序的传播规律和感染特性。     

基于SIR模型的智能电网WCSN数据伪造攻击研究

为了解决智能电网无线传感器网络面临的异构无线网络共存、频谱资源紧张和海量数据处理等问题,在智能电网引入了认知无线传感器网络（WCSN）。文章对智能电网WCSN中的数据伪造攻击进行了研究。在此类攻击中,恶意认知无线传感器节点（传染节点）通过向其他认知无线传感器节点（易感节点）发送伪造的频谱感知数据和设备能耗信息,导致控制中心做出错误的频谱分配和电力调度决策。采用流行病理论中的SIR模型,对智能电网WCSN中的数据伪造攻击信息传播过程进行了建模,研究了流行病爆发的潜在决定因素。最后,通过仿真验证了智能电网WCSN数据伪造攻击SIR模型,并对系统动态特性进行了分析。     

复杂网络上的传播动力学及其新进展

深刻理解传染病在社会群体中的传播规律、计算机病毒在因特网上的扩散过程是复杂系统和传染病动力学领域研究的一个热点问题．主要从复杂网络的拓扑结构和流行病的感染机制2个方面综述了当前国内外传播动力学研究的现状和最新进展,探讨了传播动力学在疾病预防与免疫中的应用,最后指出值得进一步研究的问题．例如带社区、层次结构的加权演化模型,动态网络结构下的疾病传播行为和微观感染机制等．     

基于节点和信息特征的社会网络信息传播模型

随着在线社会网络的快速发展,越来越多的人开始利用微博或Twitter来传播信息或分享观点.研究社会网络中的信息传播规律对于意见领袖挖掘、舆情监控、品牌营销等有着重要意义.虽然有关社会网络中的信息传播模型已经得到广泛研究,但是影响网络中节点之间信息传播的因素有哪些,以及如何刻画信息传播过程,仍然是一个有待深入研究的重要内容.传统的传播模型及其扩展模型更多地从网络结构出发研究信息传播,很大程度上忽视了节点属性和信息内容的影响.从多个维度提取信息传播的特征,包括节点属性特征和信息内容特征,对节点间传播概率和传播延迟进行建模,提出一个细粒度的在线社会网络信息传播模型.利用随机梯度下降算法学习模型中的各个特征的权重.另外,针对模型的传播预测功能,在新浪微博真实数据集上进行了实验,结果表明,在预测准确率方面,所提出的模型要优于其他同类模型,如异步独立级联模型、NetRate模型.     

流行病在空间分布人群中的传播模型

研究流行病传播规律,考虑了流行病在空间分布人群中的随机传播过程。目前,人们通常应用复杂网络来模拟人群中的流行病传播过程,但是,复杂网络模型中没有空间、距离等概念,在现实中,人群通常是空间分布,即空间关系是流行病传播的重要影响因素。针对上述问题,提出一种流行病传播的新模型,使人群分布在一个有界区域内,并创新性地引入了距离的概念,改善了复杂网络模型忽视空间因素的缺陷。利用模型建构,通过编写Matlab程序对整个传播过程进行仿真,分析了个体针对病毒所产生的暂时性免疫力对流行病传播过程的影响。表明仿真结果与实际现象吻合。结果证明将空间因素纳入模型更为合理。     

信息传播网络推断综述

信息的传播扩散可以建模为在潜在传播网络上发生的随机过程。由于在实际应用场景中，潜在的传播网络拓扑结构和清晰的传播过程往往是不可见的，因此根据观测到的传播结果，如节点感染时间、状态等信息，推断传播网络拓扑结构，对于分析与理解传播过程、跟踪传播路径以及预测未来传播事件起着重要作用。近年来，传播网络推断问题吸引了众多研究者的目光。文中对近年来的信息传播网络推断工作进行系统性的介绍和总结，为传播网络推断提供一个新视角。     

复杂网络上具有多感染阶段的传染病传播模型

针对传染病传播模型缺乏多感染阶段的不足,结合SIR和SEIR两种传播模型的特性,提出了一种改进的具有多感染阶段的SIR传染病传播模型(即SInR模型)。该模型充分考虑了不同感染阶段的非均匀感染力对不同网络结构上传染病传播及传播阈值的影响;同时引入相对感染力及传播时间尺度的概念,从网络结构、网络规模及相对感染力方面进行了仿真研究。仿真中无标度网络采用BA模型的生成算法,而小世界网络采用WS模型的生成算法。由仿真可知,感染节点在整个感染过程中大致服从泊松分布,因此在SInR模型下无标度网络的传播速度更快,范围更广;相对感染力对于传染病的大规模爆发存在着一个阈值,当感染力大于阈值时传染病才能大范围地爆发传播,而小于阈值时传染病只会局域小范围传播直至消失,无标度网络的感染力阈值为0.2,小世界网络的感染力阈值为0.24;随着网络规模的增大,传播时间尺度也在增大,相应的传播速度就会降低。仿真结果表明:该模型下无标度网络传染病传播速度更快且影响范围更大;无标度网络的相对传染力的传播阈值小于小世界网络,设置合理阈值有利于降低传染病的传播影响力。     

Industrial neural vision system for underground railway station platform surveillance

An industrial neural network based crowd monitoring system for surveillance at underground station platforms is presented. The developed system was thoroughly off-line tested by video images obtained from the underground station platform at Hong Kong. The developed system enables the density level of crowd to be automatically estimated. Crowd estimation is carried out by extracting a set of significant features from sequence of video images. The extracted features are modelled by a neural network for estimating the level of crowd density. The learning process is based upon an efficient hybrid type global learning algorithms, which are capable of providing good learning performance. Very promising results were obtained in terms of estimation accuracy and real-time response capability to alert the operators automatically.     

Development of a recurrent Sigma-Pi neural network rainfall forecasting system in Hong Kong

At the moment, weather forecasting is still an art — the experience and intuition of forecasters play a significant role in determining the quality of forecasting. This paper describes the development of a new approach to rainfall forecasting using neural networks. It deals with the extraction of information from radar images and an evaluation of past rain gauge records to provide shortterm rainfall forecasting. All of the meteorological data were provided by the Royal Observatory of Hong Kong (ROHK). Preprocessing procedures were essential for this neural network rainfall forecasting. The forecast of the rainfall was performed every half an hour so that a storm warning signal can be delivered to the public in advance. The network architecture is based on a recurrent Sigma-Pi network. The results are very promising, and this neural-based rainfall forecasting system is capable of providing a rain storm warning signal to the Hong Kong public one hour ahead.     

基于K-shell位置和两阶邻居的复杂网络节点重要性评估方法

K-shell分解法能快速识别复杂网络中的关键节点,但是无法辨别同壳层内节点重要性的差异,并且低估了处于网络边缘位置的高度值节点的重要性。针对这两个问题,提出一种基于K-shell位置和两阶邻居的节点重要性评估方法。该方法根据K-shell分解过程中节点移除的顺序细化节点的全局位置信息,然后综合考虑节点的局部拓扑结构信息和全局位置信息,利用两步长内邻居节点的K-shell位置信息度量节点的重要性。在八个真实网络上用传染病模型进行仿真实验,结果表明,所提方法与其他五种相关方法相比能更准确有效地评估并区分节点的重要性。     

基于高维状态空间方法构建金融市场网络模型

针对金融市场的核心变量--收益率和波动率，基于高维状态空间模型，利用EM和稀疏算法，分别建立了金融产品之间的收益率网络和波动率网络。前者刻画了金融产品收益之间的相互关系，后者刻画了金融产品风险之间的关系。相对于已有模型，上述模型可有效处理高维时间序列数据。对深圳、上海、香港和纽约市场的股票交易数据分析，找出了相应网络结构特征。以上市场的数据分析结果表明，相对于波动率网络，收益率网络具有更高的度数中心势，把这种现象归因于政策等因素对收益率的影响更为直接和简单，而对波动率的影响则是间接和复杂的。上述研究结果也为构建多变量波动率模型提供参考。     

面向COVID-19疫情预测的图卷积神经网络时空数据学习

目的 当前的疾病传播研究主要集中于时序数据和传染病模型,缺乏运用空间信息提升预测精度的探索和解释。在处理时空数据时需要分别提取时间特征和空间特征,再进行特征融合得到较为可靠的预测结果。本文提出一种基于图卷积神经网络（graph convolutional neural network,GCN）的时空数据学习方法,能够运用空间模型端对端地学习时空数据,代替此前由多模块单元相集成的模式。方法 依据数据可视化阶段呈现出的地理空间、高铁线路、飞机航线与感染人数之间的正相关关系,将中国各城市之间的空间分布关系和交通连接关系映射成网络图并编码成地理邻接矩阵、高铁线路直达矩阵、飞机航线直达矩阵以及飞机航线或高铁线路直达矩阵。按滑动时间窗口对疫情数据进行切片后形成张量,依次分批输入到图深度学习模型中参与卷积运算,通过信息传递、反向传播和梯度下降更新可训练参数。结果 在新型冠状病毒肺炎疫情数据集上的实验结果显示,采用GCN学习这一时空数据的分布特征相较于循环神经网络模型,在训练过程中表现出了更强的拟合能力,在训练时间层面节约75%以上的运算成本,在两类损失函数下的平均测试集损失能够下降80%左右。结论 本文所采用的时空数据学习方法具有较低的运算成本和较高的预测精度,尤其在空间特征强于时间特征的时空数据中有着更好的性能,并且为流行病传播范围和感染人数的预测提供了新的方法和思路,有助于相关部门在公共卫生事件中制定应对措施和疾病防控决策。     

异质信息网络中基于元路径的社团发现算法研究

实际的网络化数据往往包含多种类型的对象和关系,采用异质信息网络可以更好地对其建模,因此异质信息网络分析逐渐成为数据挖掘的研究热点。虽然同质信息网络中的社团发现已经被深入研究,但是异质信息网络中的社团发现还很少被研究。该文研究异质信息网络中的社团发现问题,提出了一个新的社团发现算法框架HCD(heterogeneous community detection)。该框架由两部分组成: 基于单条元路径的社团发现算法HCD_sgl和融合多条元路径的社团发现算法HCD_all。HCD_sgl首先确定在给定元路径下所有节点的初始标签,再利用改进的标签传递算法进行最终的社团发现;HCD_all是在HCD_sgl的基础上将基于多条元路径的社团发现结果进行融合。通过在真实数据集和人工数据集上的实验验证了HCD算法的有效性。     

Orientation accuracy analysis of multiple satellite networks using epidemic model

Micro-navigation sensors provide position and orientation information for the network of satellites. Each micro-navigation sensor system consists of a global positioning system receiver, a solid-state inertial measurement unit and lasers. To maintain the orientation accuracy of the satellites in the network, an orientation information transfer (OIT) method was developed. Two laser links are established to align a satellite with low orientation accuracy from a satellite with high orientation accuracy. The OIT process is similar to the spread of an epidemic, which has been extensively studied in the epidemiology. Therefore, the information transfer process was analysed by applying a modified epidemic model. The relation between OIT process and the orientation accuracy of the satellites in the network was mathematically investigated. It is shown that the OIT using lasers greatly improves the orientation accuracy of all satellites in the network. Furthermore, the overall orientation accuracy of the satellite network can be improved by increasing the alignment rate or decreasing the decay rate, which are the parameters of the system. The simulation results verified the analysis of the system. The results showed the feasibility of using epidemic theory to analyse orientation accuracy of a satellite network. Finally, this OIT model will allow coordination of relative attitudes between satellites.     

加权局域网络上的病毒传播行为研究

病毒传播问题的研究一直是国际上科学家所关注的焦点,但是在加权局域网络中的病毒传播研究却是空白。由于实际存在的网络很大一部分是加权局域网络,因此研究了一种特定加权局域网络中的传播行为。采用病毒传播的SI模型,令病毒的传播速度和网络的连接权重正相关。对加权局域网络中病毒传播行为的研究表明：加权局域网络的无标度性质和加权局域世界性质对病毒的传播有深刻的影响。由于加权局域网络能够很好地反应实际世界,因此该研究具有很广的应用背景。