基于多层图布局算法的不确定性网络可视化方法

由于越来越多的数据包含了不确定性,可视化不确定性网络最近几年成为了数据可视化领域中的一个热点。在现有的不确定性可视化研究中,基于概率图布局的方法取得了比较好的效果,通过一种固定采样图算法,可以很好地可视化不确定性网络,并反映出网络中的概率分布情况。针对基于概率图布局的方法存在运行时间过长、图布局不稳定等问题,提出了一种基于多层图布局的方法,改进了多层图布局算法并与固定采样图算法相结合,弥补基于概率图布局的不确定性网络可视化方法的缺陷。实验证明改进之后的算法与原来的方法相比具有更高的时间效率,而且生成的图结构更加稳定。     

代谢网络可视化系统的力导向布局算法设计

针对生物化学代谢反应网络可视化系统的优化设计,提出了一个基于力导向模型的解决方案。新方案根据具体的可视化目标,综合拓扑信息进行参数调整。实验表明,这些调整给可视化的布局质量带来很大的改善。另外,代谢网络具有鲜明的无尺度网络特性。据此,进一步提出了针对枢纽结点的优化方案,在视觉效果上突出了代谢反应网络的无尺度特性。为了融合力导向方案和基于无尺度网络特性的局部调整方案,最后总结了一个三阶段的布局算法框架。     

面向复杂网络的多属性决策关键节点识别算法研究

如何准确、高效识别复杂网络节点影响力,是网络科学研究中的重要课题之一.传统方法一般从单一角度或某一方面衡量节点影响力,通常具有考虑问题不够全面、评价结果准确性较低的问题.论文在对现有算法作充分总结分析的基础上,综合考虑融合节点度、节点迭代次数以及节点到最大核节点距离等因素,通过熵权法、灰色关联度分析法确定比例系数,实现关键节点识别;进而通过将节点局部信息与全局地位结合,利用最大核距离改进迭代次数指标,综合评价节点影响力.真实网络仿真验证数据表明,该方法能够有效地进行关键节点的识别,并在单调性和准确率方面有较大改进.     

面向跨语言词云可视化的拓扑布局算法研究

针对大范围替换词云中单词后出现的词云拓扑结构不稳定的现象,提出一种词云可视化的拓扑保持布局算法。首先,该算法通过对替换后的词云中单词进行分散处理,使之前或重叠远离的单词按原拓扑相应分离;再利用Delaunay三角剖分算法对离词云风格化,形成控制风格;最后在控制风格的基础上采用紧凑布局的方法将分散词云紧凑为与替换前原词云拓扑一致的词云布局。针对替换的一种具体情况,即跨语言翻译词云的情况做详细介绍。该算法在提高词云而已稳定性,保持原词云拓扑结构方面是一个新的突破。     

基于力导向模型的网络图自动布局算法综述

实现网络图形中节点和边自动布局一直是可视化研究中一个重要内容,基于力导向模型的自动布局算法则是该类研究中应用最广、文献最多的一类方法。根据研究方向出现的时间顺序,从基本模型、基于多维尺度分析的布局算法、多层迭代布局算法、非欧空间节点布局算法、受约束图形自动布局算法等五个方面对基于力引导模型的网络图自动布局算法的典型方法、研究进展、分支情况等进行了描述,并对发展前沿进行了讨论。     

空间位置耦合的地理社交网络可视化布局算法

针对传统力引导布局算法无法兼顾节点初始地理空间位置特征的问题,提出了空间位置耦合的力引导算法(SCFDA),该算法在节点布局时,使节点除了受到胡克引力和库伦斥力影响外,还受到来自节点隶属的空间社团的中心重力和边界斥力影响,这样节点将在一定地理空间范围约束下实现布局和位置调整.在计算中心重力时顾及节点的内部度因素,使得内部度越高的节点越靠近空间社团的中心,在计算边界斥力时兼顾节点的外部度因素,使得外部度越高的节点越靠近空间社团的边界.利用2组社交网络签到数据集Gowalla和Brightkite进行了实验,通过兼顾内部度和外部度因素的综合评价指标值E(G)对实验结果进行评价,横向对比实验结果表明,SCFDA的E(G)值约为传统力引导布局算法的十分之一,而E(G)值越小则代表布局结果在顾及节点空间位置特征方面越合理;纵向对比实验结果表明, SCFDA在不同数据集和不同数据量上均具有普适性.     

面向5G网络的WSN网络节点安全部署算法

在部署无线传感器网络（Wireless Sensor Networks,WSN）网络节点的过程中,由于缺乏对节点位置的寻优分析,导致节点的覆盖效果和分布效果不理想,为此提出面向5G网络的WSN网络节点安全部署算法。首先,结合目标覆盖区域的三维空间特征,以集合的形式对无线传感器节点进行表征,并采用概率感知的方式计算节点感知状态,构建WSN节点覆盖模型;其次,引入花朵授粉算法,采用局部授粉的方式设置初始无线传感器节点的位置,以WSN节点覆盖模型输出结果最大化为目标函数开展全局授粉,实现对无线传感器节点位置的更新寻优;最后,通过设置缩放步长因子与迭代次数之间的线性关系,实现对寻优精度的控制。测试结果表明,设计算法的节点覆盖率稳定在91.02%以上,均匀度稳定在16.15以上,均处于较高水平。     

展示复杂网络社团结构的社团引力导引的布局算法

由于传统的力导引布局方法大都无法展示复杂网络的社团结构,提出一种可有效展示复杂网络社团结构的布局算法——社团引力导引的布局算法.该算法在力导引布局算法的基础上对每个节点加入社团引力,并引入k-means算法,使同一社团的节点能够向社团的中心位置聚拢.不同于先网络聚类再可视化布局的传统做法,该算法不需要预先对节点分类,可以在布局的同时完成节点聚类.实验中使用模块度指标评估社团结构的强弱程度,结果表明,文中算法可以呈现明显的聚类效果,简单、易于实现,且收敛速度快.     

多层网络节点重要性排序研究*

如何衡量节点的重要性是网络科学的基础问题之一。现有研究多集中于单层网络衡量指标的设计与改进,只能给出特定关系网络,特定测度下的结果。而节点往往存在于多种不同关系之中,如何综合衡量多层网络节点的重要性是一个更为现实而有意义的问题。本文提出了一个多层网络节点重要性排序框架,其核心是每层提取多个指标,对指标和层次赋权叠加构成一个综合评价矩阵,在这个矩阵基础上进行排序。实验证明,该框架可以灵活适应不同的应用场景,适应不同指标集合。框架给出的综合排序结果有效避免了单层网络排序的片面性。