基于加权网络和局部适应度的蛋白质复合物识别算法

蛋白质复合物识别对分析蛋白质网络的结构特征和模块功能具有重要意义。通常在蛋白质网络中挖掘稠密子图或模块来识别其中的蛋白质复合物,限制了其应用范围和识别的准确性。针对该问题,提出了一种基于加权网络和局部适应度的蛋白质复合物识别算法,该算法综合稠密子图的密度指标和模块性定义了新的局部适应度函数,并基于边聚集系数构建加权的蛋白质网络,根据权值选择边,在加权蛋白质网络中将种子边不断聚类扩展,从而获取具有最大综合适应度的子图作为蛋白质复合物。在酵母蛋白质等多个实际网络中试验表明,该算法能够有效提升蛋白质复合物识别的准确性。     

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。     

关系数据库中社区发现方法研究

文中在研究了现有社区发现算法的基础上,提出了一种简单的加权网络中社区发现方法。文中基于社区结构最为普遍的性质,受社会网络中真实社区结构和并行计算的任务划分规则的启发,提出了基于核心边的加权网络中社区发现方法。该方法首先依据网络中边的权值寻找核心边;然后依据相似性度量,发现网络中的一个初始社区;最后通过隶属度度量,将发现的初始社区逐步扩展成网络中的社区结构。该方法在进行社区结构发现的过程中,仅仅依赖节点所处位置的局部信息,可以在对网络进行广度优先遍历的过程中完成社区发现工作。因此该方法具有较低的计算复杂度,可以适用于大规模网络中的社区发现。通过有效性实验和效率实验,表明该方法可以有效发现大规模网络中的社区结构。     

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。     

一种基于随机投影的加权社会网络隐私保护方法

针对加权社会网络的发布,提出了一种基于随机投影的隐私保护方法——向量集随机投影,该方法通过对加权社会网络的结构和边权重进行干扰实现敏感信息的隐私保护。通过对加权社会网络进行分割,得到节点数相同的若干个子网络;依据边空间理论,采用由边信息构建的向量描述子网络,构建加权社会网络的向量集作为发布模型;利用随机投影技术对原始向量集进行降维操作得到目标向量集;依据目标向量集构建加权社会网络的发布集。实验结果表明,向量集随机投影方法能够在确保隐私信息安全的同时仍然保护社会网络分析所需要的某些结构特征。     

加权社会网络中重要节点发现算法

从社会网络中发现重要节点是一个很有意义的研究问题,目前多数重要节点发现方法是基于不加权网络。由于在社会网络中,节点之间的关系具有强弱差异,社会网络本质上是一个加权网络。对于加权社会网络中的重要节点发现较少有研究。利用节点交互,提出了节点间关系强度的一种度量方法,该方法考虑了节点局部有向交互特征与全局交互特征。利用节点的行为特征定义了节点活跃度。 采用关系强度作为边的权重,活跃度作为节点权重形成了加权社会网络。基于PageRank算法的思想,提出了两个改进算法,算法采用节点权值作为阻尼系数,在迭代式过程用边的权重代替了PageRank算法中的入边和。分别选择国内外具有代表性的2个社交网络上的数据集进行大量实验,并分别选择了不同的方法作为比较,实验结果表明改进算法能较好地发现加权社会网络中的重要节点。     

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。     

加权网络簇系数

近年来不少研究者把无权网络的簇系数加以扩展,应用于加权网络。借鉴前人加权网络簇系数的思想,提出了新的加权网络簇系数。该簇系数对加权网络的各边权重进行了较全面的考虑,理论分析表明,这种考虑较为合理;并且该簇系数能与无权簇系数衔接一致,在无权簇系数和Zhang等人定义的加权网络簇系数之间建立联系。此外,进行了仿真比较,其结果与理论分析相符。     

基于加权网络的客户需求聚类方法

针对高端制造业客户需求数据庞大、需求间相关关系复杂的问题,提出了基于加权网络的客户需求聚类方法。将客户需求看做加权网络的节点,将客户需求之间的相关关系看做加权网络的边,构建客户需求的加权网络,并在加权网络的基础上结合聚类算法对客户需求进行聚类处理,从而将杂乱无章的客户需求根据相关程度进行分类。考虑到需求之间关系的主观性和模糊性,采用三角模糊数来量化加权网络的边权,最后以客户对塔式起重机的需求为例对所提出方法的有效性进行了验证。     

改进的加权网络节点重要性评估的互信息方法

现有的复杂网络节点重要性评估研究主要集中在无向无权网络上,不能全面客观反映某些真实复杂网络的情况。针对无向加权和有向加权网络中评估指标适用范围有限、评估结果不够全面等问题,借鉴应用于无向无权网络的基于互信息的节点重要性评估方法,提出适用于无向加权网络和有向加权网络的互信息评估方法。该方法将网络中的每条边看作信息流,结合相应复杂网络的结构特点和"信息量"的定义方法,以求出的节点信息量作为节点的重要性评估指标。对实例网络进行分析可知,所提算法在保证评估准确性前提下,能更加细致刻画有向加权网络节点之间的差异性。在对ARPA网络的节点评估中,所提算法与以往指标所评估出的前5个最重要节点的节点编号尤其相近,凸显出该算法快速发掘核心节点的能力,为快速、准确评估无向加权和有向加权网络核心节点,提高网络抗毁性提供一定理论帮助。