一种新的复杂网络演化机制研究

现实世界中,包括互联网在内的大多数复杂网络都具有"小世界"或"无尺度" 等特性,这一重大科学发现从根本上改变了人们对复杂网络的认识.但是,对现实世界中复杂网络的研究,仅仅依靠节点和边形成的拓扑特性远远不够,网络中节点的质量、节点之间位置的相互影响、节点的生长和消亡,这些扩展因素对网络的自组织过程也是非常重要的.在研究WS小世界模型及BA无尺度网络模型的基础上,提出了一种基于典型网络模式的分阶段演化而生成无尺度复杂网络的新机制,这种演化机制反映了现实世界中复杂网络的性质存在整体跃迁特征,它对于复杂网络的分解、约简及可控性研究具有指导意义.     

一种网络化数据挖掘方法研究

传统数据挖掘方法一般挖掘和发现其中的广义知识、关联知识、分类知识和预测知识等。随着对WS小世界网络和BA无尺度网络等复杂网络性能研究的不断深入．复杂网络结构中本身蕴含的知识是一类新型的重要知识，文章研究了一种网络化数据挖掘（Networked Data Mining），将网络拓扑作为一种知识表示方式，将大规模实际数据对象及其关系抽象为网络拓扑的形式，采用复杂网络的理论和方法进行分析和挖掘，发现蕴涵在其中的、反映事物间联系规律的知识和信息。实验表明，该方法能够有效挖掘复杂网络拓扑中的骨干节点和社区结构。     

网络化软件的基本特征探讨

从复杂网络与软件工程交叉研究的角度,把网络化软件作为一类人工的复杂网络,引入了网络化软件的概念,把其中的软件单体映射为节点、软件与软件之间的相互作用映射为边,分析了网络化软件与网络软件的基本区别,从复杂网络的统计特征参数出发,对网络化软件拓扑的不均匀性、小世界特性、无尺度特性以及鲁棒性与脆弱性并存等特性进行了探讨.通过特征分析,提出了利用网络拓扑特征提高软件鲁棒性、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.