基于BBV的有向加权网络模型

在BBV模型基础上,结合方向性和网络演化特性,提出一种有向加权网络模型。引入参数p、q,将节点强度分为入强度和出强度,根据BBV建模思想进行模型择优和演化。理论分析和数值模拟仿真结果表明,该模型的节点出入强度和出入度分布满足幂律指数为[2,3]的幂律分布,且通过调节参数可使平均路径和聚簇系数符合复杂网络特性。     

具有抗毁性的无线传感器网络有向拓扑模型

如何通过合理构建拓扑模型有效提高网络抵御攻击的能力,一直是该领域研究的热点之一.针对无线传感网络无标度拓扑在遭受不同攻击方式时抗毁性差的问题,本文结合节点出入度和介数中心性两种因素,同时考虑数据传输的有向性,提出衡量网络抗毁性的度量模型概念,将该模型引入择优连接概率中,构建具有抗毁性的无线传感器网络有向拓扑模型.理论证明网络节点出入度均服从幂律分布,符合无标度特性,仿真实验结果表明,在相同实验环境下,该文所构拓扑模型在最大连通分支比例和网络效率两方面均优于其他3种比较模型,具有更强的抗毁性.     

有向加权网络的局域世界演化模型

现实世界中的很多网络既是连接间具有不同权值的加权网络又是连接间具有方向的网络。针对这一现实,在局域世界网络拓扑结构中同时引入有向性和权重。在局域世界演化模型基础上,建立了有向加权网络的局域演化模型（LWDW）,并提出了节点的出强度与入强度的概念。采用平均场理论导出这一模型节点的强度分布、出强度以及入强度的分布,同时分析了复杂网络的其他拓扑参量聚类系数和平均路径长度,并通过数值仿真实验验证了理论分析的正确性。     

基于有向边和属性的相似度模型设计

通过分析单一条件下相似度算法的计算啄理及设计思想,以有向图的形式描述概念,分析和推导了有向边、语义重合度及属性相似度的计算模型,给出了一个含有语义及属性权值的概念相似度计算模型。最后通过对比传统模型的性能测试,验证了新模型对相似度计算的精度。     

基于共同邻居的点权有限BBV模型研究

具有相似的小世界和无标度全局结构特征的网络却可能具有不同的局部结构特征。特定实际网络的局部结构特征对网络演化具有重要的影响。在集团度和点权有限网络模型的基础上,基于节点共同邻居驱动的思想,构造了一种新的符合实际加权网络演化的模型CNL。电子邮件网络实证研究显示,该模型生成的网络规模与实际吻合,且能够重现实证研究所观察到的幂律集团度分布,CNL揭示了大量真实网络演化生长的重要机理,可以广泛用于真实网络演化分析。     

基于节点相似度的有向网络社团检测算法

针对现有的社团检测算法存在准确度低、没有充分考虑到有向网络的方向特性等问题,提出一种改进的能够适用于有向网络的CNM(Newman贪婪算法)社团检测算法。在算法设计中引入基于拓扑结构信息的有向网络节点相似度算法,并重新定义模块度增量函数ΔQs。使用一个计算机生成网络和两个实际网络对算法进行了测试并与已有算法进行比较。实验结果表明,文章提出的算法能够有效地检测出有向网络中的社团结构。     

动态加权网络中节点重要度评估

目前节点重要度评估中针对静态无权图的研究比较多,针对动态加权图的研究相对较少。针对加权网络提出了等效点权节点重要度评估方法;考虑加权网络的动态性,提出了动态距离矩阵更新算法;结合动态规划和迭代的思想,给出了一种新的求距离矩阵的方法;考虑加权网络的社区性,提出了基于距离增量的分组算法;最后,综合给出了基于距离增量分组的动态节点重要度评估算法(node importance evaluation based on distance-increment grouping in dynamic weighted network,IDGD),通过在C-DBLP(digital bib-liography & library project in China)数据上的对比实验,验证了算法的可行性和有效性。     

基于加权LeaderRank的用户社交网络排序算法

针对加权LeaderRank算法存在的权值均分、主题漂移等问题,提出一种用户社交网络排序算法。结合GloVe模型、余弦相似度计算方法和牛顿冷却定律,通过引入链入链出因子、主题相关度因子和时间衰减度因子,改善加权LeaderRank算法的不足。实验结果表明,与加权LeaderRank算法相比,该算法的精确率、点击率和NDCG值分别提高7.80%、6.73%和4.75%,可有效提高排序质量。     

基于加权二分网络的冗余流量演化模型研究

针对互联网上用户重复访问网络资源形成冗余流量造成网络拥塞的问题,建立了随时间演化的加权二分网络(weighted bipartite network,WBN)模型.通过对用户网络行为及冗余流量的形成机制和演化规律的分析,WBN模型采用择优连接和拓扑增长的方式完成网络演化.仿真实验表明,在演化过程中,用户节点强度经历了由指数分布到幂律分布再到随机分布的变化,有效地模拟了Internet中冗余流量的演化过程.仿真结果和理论分析一致,进一步证明了WBN模型的正确性和实用性.     

加权有向网络中心节点识别的分解算法研究

目前复杂网络节点重要性识别算法主要集中在无权、无向网络上,不能全面地描述真实世界复杂网络的情况。例如,大部分中心性度量方法仅仅考虑单一指标,忽略了节点出度与入度的差异,且忽视了权重的重要性。基于有向加权复杂网络,综合考虑节点出度与入度的差异,以及权值在真实网络中的实际重要性,提出了一种基于出度、入度和权值的中心节点识别算法——cw-壳分解算法。为了验证该算法的有效性,利用W-SIR传播模型在真实复杂网络上进行病毒传播仿真实验,结果表明,cw-壳分解方法能够有效地对节点进行分级排序,识别出具有高扩散能力的节点。     

基于局域世界演化的BBV模型研究

在BBV模型和局域世界模型的基础上,提出了一个具有局域世界演化的BBV模型,该模型考虑了局域世界内部加点,加边,局域世界内外加边以及局域世界内减边四步操作。根据理论分析,导出了该模型的节点权值分布。通过合理地设置参数,该模型能自组织演化成幂律指数在2～3范围内的无标度网络,这与现实中的许多复杂网络相吻合。数值仿真验证了理论分析的正确性。因此,该模型更具有一般性。     

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。     

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。     

水声传感器网络节点自适应加权定位算法

对水声传感器网络节点定位进行研究,针对水声传感器网络节点间测距精度不高的问题,提出一种水声传感器网络节点自适应加权定位算法。考虑到水声传感器网络节点间的测距误差随着节点间距离的增大而增大,算法改进了锚节点选择机制,并且对不同锚节点在定位测度中的权重进行加权,改进定位测度,提高了测距信息的利用效率。仿真实验表明该算法提高了节点定位精度。     

一种路点受限的移动传感器网络移动模型

提出了一种基于随机路点移动模型的路点受限移动模型。在模型设计中,对节点的路点选择和暂停时间进行了设置,从而保持节点移动的规律性,满足特定场景的需要。利用仿真工具模拟模型的节点移动轨迹与其它移动模型进行比较,并从路由协议方面进行评估。仿真结果证明:该模型对集体搜索等特定场景具有较好的适用性。     

限制优势关系下的加权多粒度粗糙分析方法

作为多粒度粗糙集的推广,提出了限制优势关系下的加权多粒度粗糙分析方法。分析了优势关系粗糙集和多粒度粗糙集的局限性,引入限制优势关系对加权多粒度粗糙集进行改进,充分考虑到属性的偏好关系和粒度的重要性差别,使其适用于不完备的高维或分布式有序信息系统;由此得出粗糙近似,讨论了其与限制优势关系下的乐观、悲观多粒度粗糙集的关系,并对相关性质和定理进行证明;通过实例验证了该方法的有效性和实用性。     

基于节点竞争力的网络分簇拓扑控制算法

通过提出节点竞争力的新定义和研究网络分簇拓扑控制过程中簇头选择的新策略,提出了一种基于节点竞争力的网络分簇拓扑控制算法APBCS。该算法以节点剩余能量的比值、节点之间的距离和邻居节点的密度作为竞争簇头的参数,采用分环的方式实现簇头间的多跳通信。仿真实验表明,APBCS算法与LEACH算法相比较分簇更均匀,簇头选择更合理,第一个死亡节点出现时间推迟了92%,与EBAPC算法相比较,第一个死亡节点出现时间推迟了4.6%,说明比较显著地延长了网络生命周期。     

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。