不确定性人工智能

在主、客观世界普遍存在的不确定性中,随机性和模糊性是最重要的两种形式.研究了随机性和模糊性之间的关联性,统一用熵作为客观事物和主观认知中不确定状态的度量,用超熵来度量不确定状态的变化,并利用熵和超熵进一步研究了混沌、分形和复杂网络中的不确定性,以及由此带来的种种进化和变异,为实现不确定性人工智能找到了一种简单、有效的形式化方法,也为包括形象思维在内的不确定性思维的自动化打下了基础.不确定性人工智能是人工智能进入21世纪的新发展.这个由多学科交叉渗透构成的新学科,必将使得机器能够具备人脑一样的不确定性信息和知识的表示能力、处理能力和思维能力.  

复杂网络聚类方法

网络簇结构是复杂网络最普遍和最重要的拓扑属性之一,具有同簇节点相互连接密集、异簇节点相互连接稀疏的特点.揭示网络簇结构的复杂网络聚类方法对分析复杂网络拓扑结构、理解其功能、发现其隐含模式、预测其行为都具有十分重要的理论意义,在社会网、生物网和万维网中具有广泛应用.综述了复杂网络聚类方法的研究背景、研究意义、国内外研究现状以及目前所面临的主要问题,试图为这个新兴的研究方向勾画出一个较为全面和清晰的概貌,为复杂网络分析、数据挖掘、智能Web、生物信息学等相关领域的研究者提供有益的参考.  

复杂网络中重要性节点发掘综述

发掘网络中重要性^1节点（边）一直是图论领域的一个基本问题。随着近年来复杂网络研究热潮的兴起，特别是很多实际网络所抽象出来的复杂网络，表现出了与以往图理论不同的特性，如小世界特性、无尺度特性等。如何在复杂网络环境下，发掘重要性节点已经成为复杂网络研究的一个基本问题。本文简要介绍了复杂网络的基本概念，详细总结、分析了在复杂网络环境下几个领域中发掘重要性节点的方法，最后提出了这一领域内几个有待深入研究的问题和可能的应用方向。  

一种基于拓扑势的网络社区发现方法

从数据场思想出发,提出了一种基于拓扑势的社区发现算法.该方法引入拓扑势描述网络节点间的相互作用,将每个社区视为拓扑势场的局部高势区,通过寻找被低势区域所分割的连通高势区域实现网络的社区划分.理论分析与实验结果表明,该方法无须用户指定社区个数等算法参数,能够揭示网络内在的社区结构及社区间具有不确定性的重叠节点现象.算法的时间复杂度为O(m+n^3/γ)～O(n²),n为网络节点数,m为边数,2<γ<3为一个常数.  

软件中的网络化特征及其对软件质量的贡献

现实世界中的许多复杂系统都可以使用网络模型进行描述,复杂网络的结构和性质研究已经成为引人注目的领域。软件作为一类复杂系统,也可以使用网络化的方法进行定量分析。文章首先介绍了度量网络特征的参数,然后将复杂网络理论引入人工设计和实现的软件中,把其中的实体和关系转换成为网络拓扑的形式,通过对四个不同规模并经过详细设计的Java类库进行实验验证和数值分析,发现其中的无尺度特征、小世界现象和脆弱性/鲁棒性并存的特点。根据这些结论,提出利用网络拓扑特征改善软件系统的设计、开发和测试方法。这些结果对提高软件质量具有有益的启示和指导意义。  

局域世界复杂网络中的病毒传播及其免疫控制

许多实际复杂网络具有局域世界特性，为此研究病毒在局域世界复杂演化网络中的传播现象．考察了在局域世界演化网络中，初始感染节点选择对传播行为的影响，传播临界值与局域世界之间的关系，并比较了随机免疫和目标免疫两种策略对局域世界复杂网络的有效性．  

复杂网络集团特征研究综述

自然界和人类社会的许多系统可以用复杂网络进行建模，复杂网络已成为多个学科的研究热点。分析复杂网络的一个关键问题是如何理解其全局组织，网络的健壮性和稳定性在很大程度上取决于其集团结构特征。本文简要介绍了复杂网络的基本概念并详细总结了近年复杂网络集团特性的研究进展，重点分析了社区发现算法的最新研究成果，最后提出这一领域几个有待解决的问题和可能的发展方向。  

复杂网络计划时间参数计算

本文针对计算机编程，提出了一个减少计算量，及时给出冲突的有时限的网络计划时间参数的计算方法，提议一种自动生成多级计划中上级计划逻辑关系的途径，旨在改进项目管理软件处理复杂网络计划的功能。  

基于复杂网络的城市公共交通网络研究

将北京、上海和杭州3个大城市的公共交通网络(常规公交和快速公交)抽象成复杂网络，结合网络图论思想，把公交站点作为节点，站点间的连线作为边，在大量统计数据的基础上，通过Space L和Space P方法研究3大城市的复杂网络特性。统计分析表明，3个城市的公交网络均具有较小的平均路径长度，即典型的小世界特性。其节点的度分布，在Space L方法的描述下具有无标度特性，在Space P方法的描述下具有指数分布特性。通过对Space L和Space P两种描述方法的比较，可以发现对于同样的公交网络，Space P方法描述的网络具有更大的聚类系数和更小的平均路径长度，即具有更强的小世界效应。  

复杂网络可视化研究综述

当今万维网、社会关系网等复杂网络的规模迅速发展，一方面导致人们很难用数字和表格来对这些复杂网络进行全局规划和管理，另一方面复杂网络包含了非常丰富的信息资源但都难于被发现。可视化技术提供了有效的方法来理解复杂网络的结构并从中挖掘有效信息。本文全面介绍了复杂网络可视化技术的研究进展，讨论了可视化布点算法和压缩算法，并介绍了若干具有代表性的复杂网络可视化工具、列举了复杂网络可视化技术在相关领域的应用。