流行病在空间分布人群中的传播模型

研究流行病传播规律,考虑了流行病在空间分布人群中的随机传播过程。目前,人们通常应用复杂网络来模拟人群中的流行病传播过程,但是,复杂网络模型中没有空间、距离等概念,在现实中,人群通常是空间分布,即空间关系是流行病传播的重要影响因素。针对上述问题,提出一种流行病传播的新模型,使人群分布在一个有界区域内,并创新性地引入了距离的概念,改善了复杂网络模型忽视空间因素的缺陷。利用模型建构,通过编写Matlab程序对整个传播过程进行仿真,分析了个体针对病毒所产生的暂时性免疫力对流行病传播过程的影响。表明仿真结果与实际现象吻合。结果证明将空间因素纳入模型更为合理。     

基于自治计算的流行病传播网络建模与推断

现有的传播网络结构推断方法大都面向信息传播过程,所能处理的数据与可获得的流行病监控数据形式和特性均不相同,不适合处理具有粗粒度、时空多尺度和数据缺失等特性的流行病监控数据.针对该问题,提出了基于自治计算的流行病传播网络建模方法和网络结构推断方法.该方法采用多自治体建模传播网络结构和流行病传播过程,采用蒙特卡罗模拟结合群智能优化的反馈过程调节系统参数,以缩小模拟系统涌现行为与真实监控数据间差异为目标,改变自治体的行为,促使模拟系统向真实系统逐步演化,以此方式推断出传播网络结构及与流行病相关的主要生物学参数.采用2009年H1N1猪流感在香港爆发的真实监控数据分析验证了所提出的模型与方法的有效性和适用情况,并以香港地区流行病风险评估为例介绍了流行病传播网络推断的一种应用模式.     

社交网络中考虑不同传播概率上的谣言传播模型

现有的谣言传播模型无法描述不同节点对谣言传播概率的影响,从而造成了谣言传播模型无法真实地描述现实社交网络中的谣言传播,进而影响了对网络中谣言传播的控制。针对这一问题,在SIR传播模型的基础上考虑了谣言在不同节点之间的传播概率,并且分析了不同节点对传播概率的影响情况,从而建立了社交网络中考虑网络节点自身影响的谣言传播模型。最后,通过将改进的谣言传播模型与常用的SIR模型进行对比,实验结果显示,提出的改进模型可以较快地控制网络中谣言的传播。     

网络暴力事件中大学生的信息传播行为研究

随着社交网络的普及,新浪微博逐渐成为中国最大且最有价值的社交平台.然而网络的隐蔽性导致网络暴力事件层出不穷,大学生在社交平台发表看法和释放压力的同时却有可能不自觉中产生网络暴力的传播行为.本文以大学生为调查对象,基于新浪微博,进行网络暴力事件中信息传播行为的研究,设计了关于网络暴力事件信息传播行为的调查问卷,并构建用户...     

改进的SCIR模型中社交网络信息传播研究

社交网络中用户转发是信息传播的重要渠道,研究用户转发模式和信息传播规律,将有利于在网络话题传播过程中进行监控和抑制。现有的建模研究中,存在模型通常缺少时效性,用户行为难以准确刻画的问题。因此,着重分析了社交网络用户行为模式,基于用户连接强度和邻居节点的影响改进了转发概率计算,其次在经典的传染病动力学SCIR模型中,引入在线和离线状态的节点,通过用户在线比率控制网络活跃度。仿真结果表明,该模型相较传统SCIR模型在信息传播过程中具有较好的稳定性和更高的覆盖率,节点属性变化走势更加接近真实网络,可以较好地模拟社交网络中的热点话题的传播规律。     

具有非马尔可夫旅途感染的流行病传播模型研究

针对旅途中的接触可以扩大流行病传播规模的问题,在集合种群网络中考虑一种时滞旅行行为和旅途中的疾病传播和恢复过程,构建具有非马尔可夫旅途感染的传播模型并利用计算机仿真模拟系统中的传播过程。基于微观马尔可夫链方法,构建预测疾病流行阈值的理论框架。仿真结果表明,旅途感染可以促进流行病在旅途中的传播,抑制其在种群内的传播;旅途时长和旅途接触概率能够改变流行病的演化趋势。这些结果有助于理解旅途感染如何影响流行病的传播。     

基于行为分析与传播个体的微博传播模型研究

随着社交网络的迅速发展,掌握信息传播的规律,进行信息传播的管理越来越重要,而提取信息传播特点和建立模型已经成为研究热点。传统信息传播模型并未考虑易感染者的类型以及时间网络等行为因素,对信息传播规律的研究不够准确。针对信息传播及用户行为的分析,改进模型增加双重易感染者、潜伏者等传播个体和优化传播过程的微博网络传播算法(MDSLIR)。该算法使得用户可以根据传播方式及时获取、传播和免疫信息,从而更好对社交网络信息进行管理。以新浪微博为例,研究微博信息的演化规律,使用微博上的真实数据进行仿真测试,并与传统算法进行比较,实验结果表明MDSLIR算法的有效性和可行性。     

考虑区间约束的物流网络双层规划模型及算法

考虑物流网络需求的不确定性,利用区间参数度量不确定性变量与参数,建立区间需求模式下的物流网络双层规划模型,设计了一种含区间参数与变量的递阶优化遗传算法,通过定义问题求解的风险系数与最大决策偏差,给出适合物流网络结构的区间运算准则,实现模型的确定性转化。以区间松弛变量与0-1决策变量定义初始种群,通过两阶遗传操作运算,求解不同情景下双层规划目标的区间最优解与节点决策方案。算例测试表明算法求解的可操作性更强,求解结果具有区间最优解与情景决策的优越性。     

基于社交网络的信息传播模型分析

随着社交网络的蓬勃发展,网络舆论的控制变得越来越重要。信息传播模型能够揭示信息传播的规律,从而达到对传播过程进行预测的目的,因此社交网络信息传播模型的研究具有重要意义。针对经典传染病模型的不足进行了分析,结合社交网络的网络拓扑特点,考虑了网络中用户的不同感染状态,引入感染用户的衰减函数,提出了适合社交网络的信息传播模型。在真实E-mail网络中进行模型仿真,对比分析了不同模型的结果,研究了模型中各个影响因子对传播过程的影响。结果表明：不同的模型参数反映了传播趋势的差异,模型反映出的传播规律更符合信息在现实网络中的传播过程。     

依法打击利用网络传播有害短信息行为

据有关部门预测,今年全年短信市场的规模将达到1600亿条,较2002年增幅扩大1倍。但随着短信的广泛应用,它的一些负面作用日益显现,其中一些不法之徒利用互联网和计算机系统大量的向手机用户发送有害信息的现象就较为典型,并具有相当的社会危害性。这些有害信息内容大多为:含有法律法规禁止的内容;对他人进行骚扰、干扰他人正常生活的言语;对他人进行诈骗的信息等等。     

网络病毒传播模型中的两个问题

现有的网络病毒分析模型大都依据流行病模型建立,这些模型并不能反映现代网络环境下病毒的传播规律,故有一些问题不能得到很好的解决。文章在新模型的基础上重点讨论其中的两个最为突出的问题:网络病毒的门限值问题和单节点在病毒传播中的不同作用。通过对新模型解的分析得出结论:如果病毒的传播紧密地依赖网络的连接率,而它们的治愈率又相对较小,那么这类病毒的门限值是不存在的。基于该结论文章对长期以来困扰网络病毒传播模型的两个公开的问题给出了合理的解释。文章将电脑的连接率作为节点的一个最基本的特征,从而指出具有不同连接率的节点,它们在病毒传播中的作用也不相同,文章还首次给出了它们的估算公式,从而也为刚刚起步的网络免疫系统中节点的选择提供了有力的理论支持。文章最后进行了模拟实验,实验的结果基本验证了分析结论。     

具有社团结构的加权网络的病毒传播研究

文中根据Barrat等提出的BBV网络的建模思想,考虑网络社团结构特性,构建一种具有社团结构的加权无标度网络模型,利用SI传染病模型,研究该网络模型中权值增长系数和网络社团强度对病毒传播行为的影响。结果表明,权值增长系数增大时,病毒由感染源社团扩散到其他社团的时间变长,进而抑制了网络中的病毒传播。另外,研究还表明,在加权无标度网络中,较弱的社团强度能抑制病毒的传播,这与无权网络中的结论正好相反。     

复杂网络模型及其在疫情传播和控制中的应用研究

复杂网络已成为一个热点研究问题,它在工程技术、社会、政治、医药、经济、管理等领域都有着广泛的应用。越来越多的科学家开始关注基于复杂网络拓扑结构的动力学研究。其中,关于疾病传播的研究是一个重要方面。分析和研究了小世界网络模型和I3A无标度网络模型两种经典的复杂网络模型,并模拟了传染病按照SIR传播模型在两种网络中的传播情况,讨论了其上的传播阂值以及随机免疫和目标免疫策略对传播阂值的影响。最后对H1N1病毒的传播情况进行了仿真模拟,包括H1N1病毒在自由传播和采取随机及目标免疫两种免疫策略时的传播情况。仿真结果表明,目标免疫策略可以有效抑制疾病的传播。     

基于Agent动态网络的疾病传播模型

提出一个基于Agent动态网络的疾病传播模型,研究疾病在人群中传播扩散的动态过程。在扩展疾病传播的SIR模型基础上,利用不同的个体状态描述各阶段病情。在二维规则网络上,通过增加个体自主移动性构建动态社会网络,并考虑个体异质性和所采取的防护措施对疾病传播的影响。仿真结果表明,该模型较好地反映了动态社会网络和个体适应性行为对疾病传播的影响,并与实际情况基本保持一致。     

区块链社交网络信息传播模型的优化研究

区块链的出现使得社交网络信息传播的模式发生了改变,如用户信任度、信息传播的转发概率等.因此,在传统社交网络信息传播模型的基础上,通过对用户行为模式的着重分析,基于用户信任度和经济激励等影响因素优化了转发概率;新增了合约状态节点解释用户的理智性,基于此提出区块链社交网络信息传播模型.理论与仿真分析表明,该模型在区块链社交...     

FB-NBAS:一种基于流的网络行为分析模型

传统的入侵检测系统通常需要对攻击预先了解,在流量分析和异常检测方面存在不足。该文提出一种新的基于流的统计分析模型,通过构建网络的行为特征库,实时监测和发现网络异常,基于该分析技术设计和实现了一个网络监控系统原型。该原型可以监测和发现网络中可疑代码,并进行实时跟踪。     

CERNET流量行为季节预测模型

网络流量行为预测是网络行为学的一个重要研究方向 .常规的网络流量预测大多采用的是 ARIMA时间序列模型 ,但普通时间序列预测模型的参数难以估计并且模型较难处理非平稳时间序列问题 .本文基于时间序列的神经网络模型研究 ,根据网络流量行为的季节性特点 ,提出了季节型神经网络模型 .用模型对 CERNET网络流量行为的预测分析表明 ,该模型预测效果较好 ,结果合理 ,对进行网络实时监控及网络管理都具有一定的理论和实践价值 .     

基于云模型理论的网络用户行为评判模型研究

由于网络的异构性使得网络中的用户纷繁复杂,而众多的网络用户行为表现方式又多种多样,也直接影响到网络的安全性.本文借鉴已有的研究工作,以复杂的网络环境为研究背景,通过对复杂网络环境中用户行为的研究,引入云模型理论,研究并提出了一个基于云模型理论的网络用户行为评判模型,实现了对网络用户行为定量描述及评判;同时研究结果还体现了网络用户行为的不确定性和评判标准的差异性,这样使网络行为评判结果更加符合客观事实.仿真实验进一步验证了本文研究的网络用户行为评判模型能够对复杂的网络环境中网络用户行为做出合理的评判,为复杂的网络环境中网络行为评判的研究提供了有价值的新思路.     

基于LEC方法的园区网用户行为危害评价模型

网络管理是网络稳定运行的必要条件,它是一个包含多种领域的问题,既有技术性问题,也包含法律、管理、心理学等非技术性问题。网络的核心是人,网络的故障大部分都是由使用网络的人的无意或有意的行为造成的,只要管理好了网络用户的行为,网络基本上就能稳定地运行。用户行为管理的核心是用户行为危害评价,只有正确评估用户行为对网络造成的影响与危害,用户的行为管理才有实际意义。本文提出一个基于LEC方法的园区网用户行为危害评价模型,并介绍它在网络管理系统中的实际应用。     

网络群体行为的演化博弈模型与分析方法

随着社会关系网络和在线社会网络应用的不断发展,如何理解和分析群体合作行为的稳定维持和演化是社会关系网络研究中面临的最大的挑战之一.文中综述了网络群体行为和随机演化博弈模型与分析方法等方面的研究工作,介绍了可用于网络群体行为分析评价的指标和模型,总结了网络群体行为和随机演化博弈模型的若干研究和分析方法,探讨了应用随机演化博弈模型进行网络群体行为研究的可行性.基于这些讨论,展望了社会关系网络中的网络群体行为研究所面临的主要挑战.