基于相似度传播的复杂网络间节点匹配算法

提出了一种基于相似度传播的复杂网络间节点匹配方法.引入节点相似度传播过程,使得初始的相似度信息能够按网络拓扑结构传播到全局,从而能够充分利用有限数目已匹配节点对所提供的相似度信息.该传播过程的稳态分布与一个大矩阵的主特征向量等价,可采用幂方法的迭代形式来高效求解,最后利用图论中的KM(Kuhn-Munkres)算法来抽取最终的匹配节点对.以四种不同结构的网络节点匹配实验为例,对本文算法进行了测试和验证.实验统计结果表明,本文方法显著提高了节点匹配的精度.     

基于复杂网络理论的计算机网络拓扑分析

复杂网络是指具有无标度、小世界、吸引子、自相似、自组织中部分或者所有性质的网络。在现实世界中,许多复杂的系统基本上都能以网络来进行描述,而现实中的那些复杂的系统则可以以“复杂网络”来称之,比如社会网、交通网、电力网、万维网、因特网等等都可以称之为复杂网络。本文主要通过对复杂网络理论的介绍,从而对计算机Intemet网进行分析,对Intemet网这一复杂系统进行探究,揭示Intemet拓扑现象的特性、规律及动因。     

基于复杂网络理论的计算机网络拓扑研究

复杂网络理论是一门新兴学科。随着计算机网络的快速发展,网络结构日益复杂,使得传统的随机网络模型已很难对其拓扑特性作出客观的描述,因此,复杂网络理论为计算机网络拓扑的研究提供了一个新的视野和思路。文章对复杂网络理论作了介绍,综述了当前基于复杂网络理论计算机网络拓扑研究的状况并指出了其中存在的问题;强调将复杂网络理论应用到计算机网络拓扑研究当中的必要性。最后对复杂网络理论在未来计算机网络拓扑研究中的可能应用方向作了总结。     

复杂网络的一种快速局部社团划分算法

为了快速准确地寻找大规模复杂网络的社团结构,文中基于节点度优先的思想,提出了一种新的寻找复杂网络中的局部社团结构的启发式算法.该算法的基本思想是从待求节点出发,基于节点的度有选择性的进行广度优先搜索,从而得到该节点所在的局部社团结构.由于该算法仅需要利用到节点的局部信息,因此时间复杂度很低,达到了线性的时间复杂度.将该算法应用于社会学中经典的Zachary网络,获得了满意的结果.最后,还分析了如何对该算法加以改进以进一步提高准确度.     

基于复杂网络理论的计算机网络拓扑研究

复杂网络理论是一种新的理论,它是随着计算机的快速发展而兴起的。目前计算机的网络结构越来越复杂,原本存在的网络模型已经无法满足它的拓扑性能。所以,复杂网路的理论应运而生,同时复杂网络理论也为计算机网络拓扑的研究提供了一个新的发展思路和平台。本文首先是介绍了复杂网络定论,然后讲述复杂网络理论在计算机拓扑行为中的应用,并且通过实验和模型的方式具体讲述复杂网络理论的计算机网络拓扑研究。     

基于代价的复杂网络抗攻击性研究

目前的复杂网络抗攻击性研究大多基于"无代价"条件,而这一假设下的大多数复杂网络面对的选择性攻击都非常脆弱,这与现实网络相矛盾。针对这一矛盾,提出代价下影响复杂网络抗攻击性的关键指标——网络紧致系数、平均度;基于网络紧致系数、平均度建立了代价下面向节点的选择性攻击模型,定性分析了网络紧致系数、平均度与复杂网络抗攻击性间的关系。仿真结果证实了所提度量指标的有效性:网络紧致系数越大、平均度越大,则网络越鲁棒;相同平均度下,网络紧致系数越大,则网络越鲁棒。     

基于符号化的时间序列复杂网络构造及其拓扑结构研究

复杂网络理论是时间序列分析中一种有力的工具,但在面对高频数据时,现有建网方法是低效的.因此,提出利用时间序列符号化技术压缩原始序列,并构造网络的方法.该方法使用最小二乘估计时序分段斜率,提取序列的局部特征,并构造字典判断节点是否邻接.模拟实验表明,所建网络的标度指数、集群系数与过程的Hurst指数高度相关,可以精确地捕捉原过程的复杂性特征.     

企业营销复杂网络演化模型及其仿真

在对企业营销网络理解的基础上,将其抽象为复杂网络。分析了企业营销复杂网络的演化机制,建立了企业营销复杂网络演化模型,并对模型进行了仿真分析。结果表明企业营销复杂网络模型节点度分布、节点强度分布和边权分布均符合幂律分布,表明其能较好地拟合实际企业营销网络的拓扑结构特征。研究对于探讨企业营销网络的演化规律,对企业营销网络的建设和管理具有理论意义和实践价值。     

复杂网络强社团结构探测

社团结构是反映复杂网络整体性质的重要特征,本文从强社团结构定义出发提出简单启发式强社团结构探测算法,受启发因素为度-度负相关性和簇-度负相关性.利用该算法对空手道俱乐部成员关系网络和美国大学橄榄球队网络进行社团结构探测,验证了该算法能正确探测出网络的强社团结构.并将划分结果与传统划分进行比较分析,该算法未引入其它量化指标或中间变量,降低了计算复杂度,在采用方法上不同于单纯的分裂或聚合,有效地提高了探测速度,更适合大规模复杂网络社团结构探测.     

加权迭代节点匹配算法及其在语言网络中的应用

复杂网络间节点匹配在很多领域中均具有重要现实意义。然而,传统的节点匹配算法通常只利用网络的局部拓扑信息,在对拥有高对称性的真实网络作用时往往会失效。为了克服这一缺点,我们近期利用网络拓扑信息和连边权重信息,提出了一种新型的同时来计算不同网络间节点相似度的方法,并在此基础上设计了一种加权迭代节点匹配算法。将该算法在高度拓扑对称仿真网络对和真实中英文语言网络对上分别进行了测试,结果表明加权迭代节点匹配算法在此类网络上优于纯拓扑迭代节点匹配算法。     

复杂网络中的在线社交网络演化模型

在线社交网络是一种广泛存在的社会网络,其节点度遵循幂率分布规律,但对于其结构演化模型方面的相关研究还不多。基于复杂网络理论研究在线社交网络内部结构特征,提出一种结合内增长、外增长及内部边更替的演化模型,借助平均场理论分析该模型的拓扑特性,实验和理论分析表明由该模型生成的网络,其度分布服从幂率分布,且通过调整参数,幂率指数在1~3,能较好地反映不同类型的真实在线社交网络的度分布特征,因此具有广泛适用性。     

基于复杂网络的无线传感器网络在沙漠治理维护中的研究

针对目前严重的沙漠化且监测难的问题,在沙漠的治理区与非治理区布置无线传感器构建无线传感器网络,观测风力、风向、风速、湿度、温度、风沙浓度指标,有效地进行沙漠治理与维护.基于复杂网络理论,提出一种新的加权局域无线传感器网络演化模型,通过理论推导得出度分布、强度分布、边权重分布,且都满足幂律分布.选取库布齐沙漠相关的天气数据,在MATLAB环境下进行仿真,结果表明,理论与实际基本吻合,说明构建的无线传感器网络能很好地适应库布齐沙漠恶劣环境,达到实时监测的目的.     

复杂网络局部社区挖掘的节点接近度算法

为了准确、快速地发现大规模复杂网络中的局部社区,提出了一种基于节点接近度的局部社区发现算法。该算法以最大度节点作为起始节点,利用节点接近度和局部社区Q值不断搜索其邻居节点,将接近度最大的节点加入初始社区形成新的初始社区;同时,该算法也可以应用于复杂网络全局社区结构的划分。对2个典型复杂网络进行了局部社区挖掘分析,实验结果表明,该算法能够有效识别隐藏在实验网络中的局部社区。针对稀疏网络,该算法的时间复杂度为O（nlog（n））,n为网络节点数。     

基于端到端的传感器网络拓扑推测算法研究

针对传感器网络能源有限的特性,提出了一种基于端到端的拓扑推测算法.根据在汇聚节点(Sink)收集到网络内部节点报文接收或丢失的情况,推测传感器网络拓扑结构.通过理论分析和仿真,证明该算法可以在较少的数据收集轮次中快速地推测出网络拓扑,并克服了现有传感器网络拓扑推测算法在报文丢失率过重情况下的误判问题.     

复杂网络健壮社团挖掘算法

提出了一种基于贝叶斯网络的健壮社团挖掘算法,通过对每个普通社团分别构建贝叶斯网络,并根据条件概率表和证据信息进行推理,得到贝叶斯网络中每个节点隶属于健壮社团的后验概率以提取健壮社团。实验结果证明了该方法对健壮社团发现的有效性。     

复杂网络分形的盒维数改进算法

采用Welch Powell法对复杂网络分形的盒覆盖算法进行了改进,分析了改进算法的优越性、有效性,并对美国航空网（1997）和酵母蛋白质网进行了实验,揭示了两个复杂网络均具有分形特性。最后对这两个实际网络的分形含义进行了一定的解释。     

基于DNA遗传算法的复杂网络社区结构发现

复杂网络社区结构划分日益成为近年来复杂网络的研究热点,到目前为止,已经提出了很多分析复杂网络社区结构的算法。但是大部分算法还存在一定的缺陷,而且有些算法由于其时间复杂度的过高导致其不合适应用于对大型网络的分析。提出了一种基于DNA遗传算法的复杂网络社区结构分析的方法。该方法无须预先知道社区内结点的数量以及任何门限值。该算法的可行性用Zachary Karate Club和College Football Network模型进行验证。     

复杂动态网络演化社团结构探测分析的研究进展

针对复杂动态网络中演化社团结构的探测,综述了该新领域的研究进展。首先对演化社团结构探测进行了问题描述,总结了四种研究思路。重点介绍了其中一些有代表性的分析方法及其特点,以及衡量探测方法好坏的基准图。最后指出该领域值得进一步探索的研究方向。     

复杂网络交叠团模糊分析与信息挖掘*

针对复杂网络交叠团的聚类与模糊分析方法设计问题,给出一种新的模糊度量及相应的模糊聚类方法,并以新度量为基础,设计出两种挖掘网络模糊拓扑特征的新指标：团间连接紧密程度和模糊点对交叠团的连接贡献度,并将其用于网络交叠模块拓扑结构宏观分析和团间关键点提取。实验结果表明,使用该聚类与分析方法不仅可以获得模糊团结构,而且能够揭示出新的网络特征。该方法为复杂网络聚类后分析提供了新的视角。     

复杂网络中社团结构划分的快速分裂算法*

针对已有分裂算法时间复杂度较高,不适用于社团数目未知的大型网络等问题,借鉴电压谱分割算法和GN算法的思想,提出以扩散距离为分割依据,以模块度函数为社团结构划分满意度的快速分裂算法.实验结果表明,与已有的社团结构划分算法相比,基于扩散距离的快速分裂算法能够得到高质量的社团结构,其时间复杂度较低,不仅对稀疏网络能够快速运算...