大数据环境下老年人失能失智因素关联

近年来,老年人失能失智问题愈发普遍,不断增加的老年失能失智人口在为家庭和政府带来沉重养老负担的同时,也引发了社会公众的广泛关注。老年人年龄增长、状态和控制能力调查(ASOC)是通过1995年－2001年每隔3年连续调查美国老年人健康方面的问题而得到的数据。利用ASOC的3轮调查数据,通过跟踪研究和大数据分析,尝试将能力、智力衰退与生活习惯、情绪发泄渠道等诸多因素相关联,全面考察老年人失能失智的影响因素。在描述性统计的基础上,通过Logistic回归并去除关联性强的因素发现,年龄、性别、抽烟、饮酒、运动、心脏病、关节炎/风湿病、参与社区服务8个因素与老年人失能有较强的相关性,年龄、饮酒、高血压、参与社区服务、婚姻状况5个因素与老年人失智显著相关。借助本研究成果,可以对老年人的日常行为、生活习惯、健康状况等进行评价,找出其失能失智的潜在风险,从而指导家庭和养老服务机构等采取相应的措施以规避风险,为改善老年人的健康状况、提高生活质量和延长生命周期提供参考依据。     

基于势能背景信息的社团标签探测算法

近年来,社团结构分析已经引起很多领域的关注,一些探测方法也陆续被提出。然而,其中大多数方法只利用了网络拓扑结构,并没有考虑内在的背景信息。基于离散势能理论,提出了一种新的半监督社团探测方法,利用标记节点产生的静电场来确定未标记节点的标签(社团标号)。首先给一定数目的节点赋予用户定义的标签;然后利用稀疏线性方程组计算余下节点的标签,其中每个节点的标签被设定为计算出的最大势能值;最后将该方法与现有算法进行比较。实验结果表明,所提算法在现实世界网络和人工基准网络上都展现了很强的探测能力,特别是在只具有模糊大规模社团结构的情况下,该算法仍然具有很高的准确性。     

多尺度的社团结构稳定性分析

社团结构分析是一项非常重要且具有挑战性的工作,已经引起来自不同领域学者的广泛关注.在该文中,作者创新性地结合Potts模型和Markov动态过程,提出了衡量多尺度杜团结构稳定性的完整理论框架.对于给定的网络,该文通过揭示网络社团结构及其自旋动态的局域一致行为之间的关系,可以不使用特定的算法而直接获得社团结构相关的重要隐藏信息,比如社团结构的稳定性和在多个时间尺度的社团结构的最佳数量.它还克服了传统方法的不足,如模块度Q的分辨率局限性问题.进一步基于理论分析,该文给出一个无参数的社团结构探测算法.该算法通过计算每个节点的归属向量,可以识别网络的模糊社团结构,从而在多个层次上描述了每个节点参与重叠社团的程度.同时该文也证明了算法的可扩展性和在实际大型网络上的有效性.     

食品分销网络弹性设计与公平关切行为研究

研究了竞争型供应链弹性网络设计中的行为运作问题,首先建立了集产品制造成本/仓库运营成本/易腐品配送成本/网络节点选择/零售商公平厌恶成本于一体的整体配送框架。利用供应链背景下的一般运作模型,建立了弹性管理下的竞争型多源网络。考虑多源弹性供应网络下各级分销商失效的潜在风险,并分析了零售商公平厌恶下的消极影响。最后考察了一定水平的期望容忍条件、全球供应链和公平关切对于目标函数、正向架构的弹性运作和供应链成员的影响。     

基于复杂网络的全球航空网络结构分析与应用

随着国内和国际间贸易活动规模的不断扩大,航空运输的经济价值和社会价值不断提高.飞机为航空运输实现的载体,构建出航空网络并对其结构进行实证研究与分析有着极其重要的现实意义.文中主要以全球航班信息为基础,借助复杂网络对全球航空网络进行分析,发现全球航空网络是一个无标度的小世界网络,其度分布为幂律分布.通过拟合发现点介数与度主要呈指数关系,但是在随着度的增加,点介数与度之间主要为线性关系,并且随着度的增加聚类系数也趋于稳定.此外,通过社团划分算法发现,全球航空网络具有明显的区域聚集效应.     

电子产品闭环供应链网络设计与弹性管理研究

研究了基于竞争型再制造商的闭环供应链网络设计中的弹性管理问题。首先建立了集逆向回收、拆解和分解于一体的逆向回收网络的竞争型一般模型。然后提出了供应链弹性管理方法,结合供应链网络设计的一般模型,建立了逆向弹性回收网络。针对逆向各级回收商的失效性,采用逆向多源供应的弹性架构。最后考察了不同的期望容忍水平、全球供应链以及企业社会责任对于目标函数、逆向弹性架构和竞争型再制造商的影响。     

有标记网络中的病毒传播机理及动态特性

大数据环境下传播行为及动态演化形式是多元化的,其模型构建也各不相同.因此针对存在不同性质个体的有标记网络,探索了病毒传播模型与动态演化机制.首先将改进的有标记-易感染-已感染-易感染（S-SIS）传播模型应用到有标记网络,通过调节参数研究其对病毒传播的影响.改进了传统模型中传染概率为常数的假设,更好地模拟了感染状态的动态演化,构建了感染状态实时变化的感染概率方程,准确模拟了有标记网络中的病毒传播行为.最后利用平均场理论和蒙特卡洛方法进行仿真,对比检验不同参数变化对模型的影响.为了观察具有不同拓扑结构网络上的表现,对埃尔德什-雷尼随机网络与无标度网络进行了深入实验,得出了一系列新颖的结论.     

基于相对熵的节点影响力测量方法

识别中心节点是复杂网络分析的一个关键问题。文中结合现有的中心性测度方法,提出了一种利用TOPSIS法的相对熵,以此识别网络中的中心节点。现有的中心性测度方法可以被看作在复杂网络中确定各节点属性的排名。因此,提出的方法可以利用各种中心性测度方法的优点,获得一个更优的排名结果。最后用数值实验验证了所提方法的有效性。