一种基于互信息的复杂网络节点重要性评估方法

在复杂网络中,如何量化节点的重要性是一个基本问题。首先阐述了现有的计算方法,在此基础上提出了一种基于互信息的节点重要性评估方法。该方法揭示了网络拓扑结构特性,准确反映了节点的相对重要程度。对该方法进行了实验论证,并与现有方法进行了分析比较,结果表明基于互信息的评估方法简单有效,特别适用于大型复杂网络节点重要性的评估。     

加权网络节点重要性评估的改进节点收缩法*

针对节点收缩法在加权网络节点重要性评估中的缺陷,提出一种改进的加权网络节点重要性评估方法。通过以加权最短距离来定义网络凝聚度和对连边重要性评估网络G*进行边赋权两个方面的改进,使得充分考虑边权差异对节点自身重要性和连边重要性的影响。通过对比分析对该改进方法进行了优势分析和有效性验证,通过调节比例系数和权值系数,分析了系数对节点重要性和相对重要性评估结果的影响,结果表明该改进方法可以在不增加计算复杂度情况下对网络节点重要性进行更加全面准确的评估。     

基于加权方法的节点重要性度量

网络中节点重要性度量对于信息的扩散、产品的曝光、传染性疾病的检测等都具有重大的理论意义。为了度量节点的重要性,基于网络拓扑结构考虑全局信息和局部信息提出了加权的节点重要性度量方法。具体的,对于一个无权网络,先考虑网络全局信息,算出每个节点的特征中心向量值,将边两端节点值的和作为边的权重,从而构成一个加权网络。然后根据加权网络的局部信息,求出加权网络的度。基于SIR模型的四个实证网络,实验结果表明加权方法比特征向量中心性、度中心性、紧密度中心性和介数中心性方法的效果更显著。     

基于复杂网络异质性的节点重要性评估方法

对于复杂网络的结构特殊性,用加权拓扑熵为理论基础,提出了基于复杂网络结构异质性变化率的节点重要程度评估方法。首先,本文给出了复杂网络加权拓扑熵的概念,阐述了基于BBV网络的反向演化原理,其次,在反向演化原理的基础上提出了节点重要程度取决于网络结构异质性变化率的观点,并提出了网络割点的异质性变化率的计算方法;最后,以一个例子来说明节点重要程度的评估过程,并对特殊节点进行了处理分析。     

一种新的复杂网络节点重要性评估方法

网络拓扑结构及节点间的相对距离对复杂网络节点的重要程度具有较大影响。在分析并研究现有节点重要性评估方法的基础上,根据邻居节点的拓扑结构并结合万有引力定律,提出一种基于改进重力中心性的复杂网络节点重要性评估方法。实验从SIR传播模型的准确性和单调性两方面验证了该方法的有效性,且结果表明其可对节点重要性进行重新排序,相比度中心性、介数中心性等方法能更准确地评估复杂网络节点的传播能力与重要性。     

改进的加权复杂网络节点重要度评估方法

针对加权复杂网络中的节点重要度评估问题,提出一种改进的基于凝聚度的节点重要度评估方法。综合考虑节点的连接特性对节点重要度的影响,引入节点连边的重要度评估,将节点的重要度表示为节点自身重要度与其连边重要度的加权和,通过调节加权比例系数,分析节点连边重要度对节点重要度排序及节点相对重要性的影响。算例分析结果验证了改进方法的可行性和有效性。     

网络舆论中节点重要性评估方法综述

介绍了国内外关于网络舆论中节点重要性评估的研究现状,系统地分析了节点重要性的模型和方法,从基于网络拓扑结构和基于节点属性两大方面综述了现有方法的思路和特点,进一步介绍了最新的研究进展和今后可能的发展方向。     

考虑位置信息的物流配送网络节点重要性评估

网络化和信息化的发展使得物流配送变得日益复杂和庞大。对于一个配送节点而言,它除了满足给需求者提供货运物流,还会出现给其他配送节点提供货物调配运输的情况。在整个物流配送网络中,每个配送节点的关键性就会由多种影响因素共同作用。借助总强度法,结合信息论和网络复杂特性,综合考虑节点间的货运互信息量和位置信息,提出了一种新的适用于有向加权物流配送网络的节点关键性评估方法。并在小规模的加权网络中对该方法和已有的方法进行对比分析,证明该方法中的有效性和可行性,计算简单,更有利于细化各节点关键性。     

融合节点重要性的无监督链路预测算法

提高加权网络链路预测算法精确度是研究复杂网络的基础问题之一。常用的基于局部网络结构的无监督预测方法没有考虑到重要性越高的节点越容易产生新连接,且在真实网络上中心性小的节点同样具有高度重要性。针对上述问题,提出一种融合节点重要性的无监督链路预测算法,从结构相似性和节点重要性两个角度计算新连接产生的可能性,并利用自定义系数调节影响程度。在5个真实加权网络数据集上进行实验,结果表明在解决小规模加权网络的快速预测问题上,该算法相比同类方法的预测精确度更高,有监督式链路预测方法并不适用。     

基于加权改进节点收缩法的供应链网络节点重要度评估*

针对供应链网络节点重要度评估的意义以及现有节点收缩法在加权网络节点重要度评估中的不足,设计一种赋权方法改进的加权节点收缩法,对供应链节点重要度进行评估。以三角模糊数改进连边权值的确定方法,通过节点自身重要度和邻域节点间关系重要度的加权和衡量节点重要度。通过对比分析说明了改进的方法在解决不同节点重要度相同问题上的优势。以改进的节点收缩法对煤炭供应链中各节点的重要度进行评估,结果表明下水港口在煤炭供应链中的重要度最高,符合客观实际,验证了改进方法在供应链节点重要度评估问题上的准确性与有效性。     

基于场势模型的网络节点重要性综合度量方法

针对网络节点的重要性受到多种因素影响的问题,提出一种基于场势模型的网络节点重要性综合度量方法。采用数据场模型对网络节点之间的相互作用关系进行形式化描述;根据节点的资产价值和互联节点之间的相互作用关系,综合量化节点的重要性;引入安全影响因素,通过可达性矩阵修正节点势场的可作用范围。理论分析与实验结果表明,该方法能够更客观准确地度量节点的重要性,有效区分边缘节点的差异性,使度量结果与节点的实际重要性相吻合。     

基于互信息的医学图像配准中改进的采样方法

研究了以互信息为相似性测度的医学图像配准方法,在互信息计算过程中,对图像数据的采样提出了一种基于信息熵的采样方法。这种方法是将图像分成一定数量的小方块,计算每一小方块的熵,根据熵值的大小对方块进行分类,不同的类设置不同的采样因子:熵值大的方块对应的采样因子大,熵值小的方块对应的采样因子小。通过实验证明,该方法能够折中配准的精度和速度,适用于医学图像配准的实时处理。     

基于多重属性的P2P网络节点重要性度量方法

P2 P网络中的节点重要性评价在实际应用中有重要意义。现有的一些重要性评价指标如度、紧密度等存在度量结果较为片面等缺点,单一指标并不能有效地对P2 P网络中的节点重要性进行度量。针对此问题,提出了一种基于多重属性的综合度量指标。以节点度作为对比基础,计算多个度量指标与节点度指标的肯德尔相关系数,通过分析多个指标之间的内在关联性,最终选择节点度、介数、K-核和PageRank四个属性来进行节点重要性的综合度量。通过真实的P2 P网络进行实验验证,结果表明,相对原有单一度量指标和现有的综合度量指标,该综合指标更能够有效地对P2 P网络中的节点重要性进行度量,而且具有较强的普适性,可以应用到大多数P2 P网络中。     

基于互信息加权集成迁移学习的入侵检测方法

入侵检测系统（IDS）已成为网络安全体系结构中的必要组成部分。在面对现代网络安全需求时,现有的入侵检测方法的可行性和持续性仍然存在提高空间,主要体现在更早地发现入侵威胁和提高入侵检测系统的检测精准度,为此提出一种基于互信息加权的集成迁移学习（ETL）入侵检测方法。首先,通过迁移策略对多组特征集进行建模;然后,使用互信息度量在迁移模型下特征集在不同域中的数据分布;最后,根据度量值对多个迁移模型进行集成加权,得到集成迁移模型。该方法通过学习新环境下的少量有标记样本和以往环境下的大量有标记样本的知识,可以建立效果优于传统非集成、非迁移的入侵检测模型。使用基准NSL-KDD数据集对该方法进行评估,实验结果表明,所提方法具有良好的收敛性能,并提高了入侵检测的精准率。     

基于信息传播影响因素的边重要性度量方法

在信息传播中,边的重要性度量是一个非常重要的研究问题。边是信息传播的载体,不同位置的边具有不同的信息负载和传播能力。移除一些对传播有重要影响的边对遏制谣言的传播和公共信息的传播最大化等有重要意义。信息的传播易受传播者、受传者、传播渠道和传播环境等影响。基于这些观察,通过综合考虑影响信息传播的多种因素,提出一种基于信息传播影响因素的边重要性度量方法ISM。在9个真实网络数据集上,ISM与4个经典的边重要性方法的Jaccard系数、桥度指数、介数中心性和可达性指数进行了比较。实验结果表明,该方法在网络连通性和扩散动态过程中,对于重要边的识别均优于其他常用方法。