时变时滞耦合复杂网络的函数投影同步

为了探索时变时滞耦合复杂网络的函数投影同步及参数辨识问题,构造时变时滞耦合的节点参数未知和拓扑结构未知的2类复杂网络.利用牵制控制方法,分别设计这2类网络各自的自适应控制器,使得2类网络和其孤立节点实现函数投影同步.分别利用网络节点未知参数的辨识法则和网络未知拓扑结构的辨识法则,对网络的节点参数和拓扑结构进行辨识.最后给出数值仿真例子验证自适应控制器和辨识法则的有效性.     

Identifying topologies and system parameters of uncertaintime-varying delayed complex networks

Node dynamics and network topologies play vital roles in determining the network features and network dynamical behaviors.Thus it is of great theoretical significance and practical value to recover the topology structures and system parameters of uncertain complex networks with available information. This paper presents an adaptive anticipatory synchronization-based approach to identify the unknown system parameters and network topological structures of uncertain time-varying delayed complex networks in the presence of noise. Moreover, during the identification process, our proposed scheme guarantees anticipatory synchronization between the uncertain drive and constructed auxiliary response network simultaneously. Particularly, our method can be extended to several special cases. Furthermore, numerical simulations are provided to verify the effectiveness and applicability of our method for reconstructing network topologies and node parameters. We hope our method can provide basic insight into future research on addressing reconstruction issues of uncertain realistic and large-scale complex networks.     

Topology inference of uncertain complex dynamical networks and its applications in hidden nodes detection

The topological structure of a complex dynamical network plays a vital role in determining the network’s evolutionary mechanisms and functional behaviors, thus recognizing and inferring the network structure is of both theoretical and practical significance. Although various approaches have been proposed to estimate network topologies, many are not well established to the noisy nature of network dynamics and ubiquity of transmission delay among network individuals. This paper focuses on topology inference of uncertain complex dynamical networks. An auxiliary network is constructed and an adaptive scheme is proposed to track topological parameters. It is noteworthy that the considered network model is supposed to contain practical stochastic perturbations, and noisy observations are taken as control inputs of the constructed auxiliary network. In particular, the control technique can be further employed to locate hidden sources (or latent variables) in networks. Numerical examples are provided to illustrate the effectiveness of the proposed scheme. In addition, the impact of coupling strength and coupling delay on identification performance is assessed. The proposed scheme provides engineers with a convenient approach to infer topologies of general complex dynamical networks and locate hidden sources, and the detailed performance evaluation can further facilitate practical circuit design.     

存在房形事件的故障树向贝叶斯网络的转化

为完善基于贝叶斯网络的故障树分析方法,提出了保持贝叶斯网络拓扑结构不变、扩展某些事件节点的状态空间、保持事件节点状态空间不变、调整贝叶斯网络的拓扑结构,两种将存在房形事件的故障树转化为贝叶斯网络的方法.对这两种方法的优劣进行了比较,通过对简化的核电站辅助给水系统的分析,验证了上述方法的正确性.     

基于子图交互关系的网络结构增强算法

已有研究基于子图交互关系构造子图网络来实现网络结构增强,然而其算法复杂度高.鉴于此,基于不同阶子图网络的拓扑属性分别对原始网络进行赋权,得到一阶和二阶加权网络,以权重的形式直观体现子图交互关系.同时,这两种加权网络的权重可以直接通过原始网络的拓扑结构计算得出,从而避免了子图网络的构造过程,大大降低了算法复杂度.最后,以...     

基于共同邻居有效性的复杂网络链路预测算法

链路预测旨在预测网络中的缺失连边，对于实际网络演化机制的了解具有重要意义。虽然现有研究已经提出了很多相似性指标，但它们都忽视了不同网络结构下共同邻居的有效性，而局部拓扑结构信息尤其是共同邻居结构在计算节点间相似性中发挥重要作用。考虑到共同邻居周围局部拓扑信息，该文提出了一种高效共同邻居指标。该指标首先分析了共同邻居所有连边的有效性，分别从端点两侧量化了节点的有效性；然后，通过分析共同邻居节点拓扑有效性对两侧资源分配过程的影响刻画节点间相似性。15个实际网络数据实验表明，相比现有经典的9种方法，所提方法具有较高的预测精度。     

基于模体的汽车行业站点网络复杂性测度

为了研究大规模网络结构复杂性测度方法,并针对汽车行业站点网络布局与结构功能优化提出对策,基于万维网页面链接数据,构建汽车行业站点网络拓扑结构图.借助VOSviewer聚类算法及Gephi检测并划分网络社团结构,解析基于主题搜索的汽车行业站点内容分类体系及功能结构,并利用Pajek验证各内容社团结构的小世界性,基于Rand-ESU算法检测各社团的模体结构,提出基于模体的网络结构熵算法测度各社团的复杂性.最后,得出汽车行业站点网络社区中模体结构具有同构性,导致社区结构的信息传播功能具有相似性,模体规模与模体信息传播途径多样化对网络结构复杂性影响的显著性较高.     

多层网络中谣言传播的动态控制策略分析

该文基于微观马尔科夫链方法建立双层网络的谣言传播模型,并提出一种动态控制策略。本文发现:1)强有力的控制能够导致谣言的同步爆发,即两个子网络层中受谣言影响的人数同时达到最大;2)发现谣言的控制效应取决于网络拓扑度、目标层和初始控制的选择。越晚(早)控制或越大(小)的网络拓扑度需要投入越多(少)的资源,目标层选择在较大的网络拓扑度上将取得较好的控制效应。这些结果表明动态控制策略能够有效阻止多层社交网络中的谣言传播。     

The measurement of complex network based on motif

为了研究大规模网络结构复杂性测度方法,并针对汽车行业站点网络布局与结构功能优化提出对策,基于万维网页面链接数据,构建汽车行业站点网络拓扑结构图. 借助VOSviewer聚类算法及Gephi检测并划分网络社团结构,解析基于主题搜索的汽车行业站点内容分类体系及功能结构,并利用Pajek验证各内容社团结构的小世界性,基于Rand-ESU算法检测各社团的模体结构,提出基于模体的网络结构熵算法测度各社团的复杂性. 最后,得出汽车行业站点网络社区中模体结构具有同构性,导致社区结构的信息传播功能具有相似性,模体规模与模体信息传播途径多样化对网络结构复杂性影响的显著性较高.

     

复杂网络视角下跨社交网络用户身份识别研究综述

社交网络是一种具有交互特性的复杂网络,利用复杂网络具有的网络特性可以链接不同社交网络中的节点,并分析节点之间存在的联系,结合相关的匹配算法可以有效地识别出用户在不同社交网络上的虚拟账号,有助于各大社交网络为用户提供更好的服务。该文对近十多年来数据挖掘领域中提出的跨社交网络用户身份识别技术进行了系统性地综述,详细阐述了3类用户身份识别技术相似度的计算方法和统一的识别框架,利用相关的评价指标对分类后的用户身份识别技术进行性能评估,最后展望了跨社交网络用户身份识别技术的未来研究方向。     

基于CIM的配电网拓扑分析

采用CIN建模表示法构建了配电网综合模型，在此基础上提出了一种用节点融合和分级搜索相结合的拓扑分析新方法．根据这种基于CIN的拓扑描述的应用范围界定的分级搜索，可以根据节点融合法所形成的原始拓扑网络的结果，由开关变化的信息情况重新确定网络拓扑结构．实践表明该法具有好的实用价值．     

基于CIM的配电网拓扑分析

采用CIM建模表示法构建了配电网综合模型,在此基础上提出了一种用节点融合和分级搜索相结合的拓扑分析新方法.根据这种基于CIM的拓扑描述的应用范围界定的分级搜索,可以根据节点融合法所形成的原始拓扑网络的结果,由开关变化的信息情况重新确定网络拓扑结构.实践表明该法具有好的实用价值.     

基于道路交通网络拓扑结构的可靠性研究

本在简述路网可靠性研究重要性的基础上，给出了路网可靠性的评价指标和基于路网拓扑结构的可靠性计算模型，确定了弧、路径、节点对以及网络结构的可靠性计算方法，并结合上海市杨浦区的实际路网拓扑结构进行了了可靠性计算，其结果对于准确描述网络中的不良交通路段，帮助出行预估行程时间具有重要的指导意义，并能够为管理制定交通管理策略提供决策支持。     

动态融合复杂网络节点重要度评估方法

为挖掘复杂网络中的关键节点及提高网络鲁棒性,针对有/无线多网融合的层级网络,提出了动态融合复杂网络模型及其节点重要度评估方法.结合动态融合复杂网络的特点,定义了边连通概率、路径连通概率、网络连通概率、融合节点比例、融合节点分布和融合路径比例等与网络动态性和融合性相关的参数.在单层复杂网络节点重要度评估指标的基础上,设计了融合网络节点度中心性、节点介数中心性和节点融合中心性指标.其中,融合节点的节点融合中心性表示融合节点对网络融合的贡献程度,非融合节点的节点融合中心性表示非融合节点对网络融合的辅助作用程度,主要体现在作为融合节点之间的中继节点.最后,综合考虑网络拓扑结构、动态融合特性等因素进行节点重要度评估.以改进的动态交织风筝网络为例进行仿真分析,结果表明该方法能够比较全面地刻画节点在动态融合复杂网络中的重要性.利用NS2搭建由光通信网和卫星通信网融合构成的仿真实验网络,进一步验证了在仿真网络环境中本方法的有效性.     

时序网络中关键节点的识别方法研究进展

相对静态网络,时序网络可以更准确地刻画现实网络的动态过程。基于时序网络模型,如何有效地识别重要节点或者评价时序网络中一个节点对其他节点的影响力,已成为时序网络研究领域中的一个亟待解决的问题。该文分别从时序网络拓扑结构和动力学的角度,对现有的时序网络中的关键节点识别方法进行了系统的回顾,详细比较各种方法的计算思路、应用场景和优缺点。最后总结了这一研究方向几个待解决的问题,并指出未来可能的发展方向。     

基于CIM模型的电网拓扑分析

文章提出了一种基于IEC61970公用信息模型的网络拓扑分析方法。该方法分为两个步骤:合并连接点,形成拓扑节点;划分子系统,形成拓扑岛。基于CIM定义网络拓扑模型,可以顺利实现不同平台间的信息交换。采用广度优先的搜索策略,有效提高了搜索效率,加快拓扑速度。开关状态改变时,还可以利用网络模型间的层次关系,进行局部网络拓扑,减少了全网分析时间。实际应用中,该方法可以满足各种规模及接线方式下的网络拓扑要求。     

Synchronizability of time-varying structured duplex dynamical networks with different intra-layer rewiring mechanisms

Global synchronizability of duplex networks induced by three different intra-layer rewiring mechanisms is explored in this paper. The rewiring mechanisms are named as model-preserving rewiring (MPR), simply direct rewiring (SDR), and degree-preserving rewiring (DPR), respectively. It is found that high switching frequencies will certainly enhance global synchronizability for WS-WS duplex networks (i.e., each layer is independently formed by the algorithm proposed by Watts and Strogatz for generating small-world networks), ER-ER duplex networks (i.e., each layer is independently generated by the algorithm proposed by Erdös and Renyi) and BA-BA duplex networks (i.e., each layer is independently formed by the classical BA algorithm). Namely, the faster the intra-layer couplings are reconnected, the faster the duplex networks reach global synchronization. Furthermore, we find that by increasing the intra- or inter-coupling strengths, the WS-WS time-varying network’s global synchronizability is enhanced. Take the WS-WS time-varying network as an example, we find that SDR mechanism has greater impact on global synchronizability than MPR mechanism and DPR mechanism. The related dynamical networks can arrive at synchronization faster by SDR than by MPR or DPR. Thus, we only study the effects of SDR on ER-ER duplex networks and BA-BA duplex networks. In addition, we obtain the fact via numerical simulations that, switching intra-layer coupling topologies under SDR mechanism has the greatest impact on the BA-BA duplex network, followed by the ER-ER network, and has the weakest influence on the WS-WS duplex network in terms of improving the global synchronizability when all the intra-layer networks are sparse and have the same average degree. Finally, the global synchronizability of WS-WS and BA-BA time-varying networks is improved compared with static duplex networks, the reason being that the networks tend to be randomized under SDR according to analysis of the networks’ average clustering coefficients and degree distributions.

     

保证高可靠度和低传输开销的DTN拓扑控制

由于时延容忍网络中复杂的环境可能导致网络节点失效或链路故障,再加上节点的持续移动和链路的间歇连通,都给网络可靠拓扑控制带来挑战．为解决这些问题,基于时空图提出了有效的可靠拓扑控制方案．该方案适用于节点周期性运动的卫星网络、星际网络等时延容忍网络．首先将网络拓扑转化为时空图;然后定义了网络的可靠拓扑控制问题,拓扑控制保证在网络连通的条件下,寻找网络中任意节点对的最可靠路径,并最小化网络的传输开销;最后提出了两个算法来解决此问题．仿真验证了提出的方法既能保证网络的可靠性,还能降低网络的传输开销,从而说明提出的拓扑控制方案适用于拓扑周期性可预测的时延容忍网络．     

基于小波变换和人工神经网络的保护模型

采用一种结合小波变换和神经网络原理的模型,来识别电力系统短路故障．用小波变换提取测量信号的特征量,作为多层前向神经网络的输入．对不同的输出要求,采用不同的神经网络,判断出发生故障的相别、性质和位置．实验结果表明,该模型是有效、可行的．     

基于小波变换和人工神经网络的保护原理研究

提出了一种利用小波变换提取信号特征,并结合神经网络来识别电力系统短路故障的方法．该方法首先对测量信号作小波变换,提取特征量,作为多层前向神经网络的输入．对不同的输出要求,提出采用不同的神经网络,判断出发生故障的相位、性质和位置．