复杂网络维的测量

近几年来,科学领域内许多不同学科学者对复杂网络中的维产生了关注和研究,维在复杂网络的研究中起着越来越重要的作用,从而成为国际科学研究前沿领域内的一个新热点。介绍了关于复杂网络中的维的三种定义,例如黎曼Zeta函数、容量维数等,然后说明了维数的一些性质并介绍了捷径模型,最后将这些理论应用在Ising模型中并对未来的发展进行了展望。通过对复杂网络中的维的测量,可以更加深入地了解复杂网络并将其更好的应用。     

网络维数:一种度量复杂网络的新方法

如何对复杂网络进行刻画与度量,一直是人们关注的热点。在研究自相似复杂网络分形维数的基础上,提出了一种度量复杂网络的新方法——网络维数,即复杂网络边权重和的对数值与节点权重和的对数值的比值,可以将边权重及点权重推广到实数域和复数域;同时给出了不同类型权重对应的网络维数的计算方法;最后以几个代表性的经典复杂网络模型为例,讨论了所提出的网络维数的若干性质。     

基于信息维数的复杂网络自相似性研究

描述了基于重构性的复杂网络自相似模型。在分形思想的基础上提出了复杂网络的自相似性研究,指出了分形思想中容量维数的不足,提出利用信息维数研究复杂网络的自相似性,这种方法更能客观反映网络的自相似性。给出了复杂网络自相似性测量方法和基于信息维数的仿真结果,数值仿真验证了理论分析的正确性。最后提出了进一步研究的方向。     

复杂网络分形的盒维数改进算法

采用Welch Powell法对复杂网络分形的盒覆盖算法进行了改进,分析了改进算法的优越性、有效性,并对美国航空网（1997）和酵母蛋白质网进行了实验,揭示了两个复杂网络均具有分形特性。最后对这两个实际网络的分形含义进行了一定的解释。     

利用MEX文件实现复杂网络分形维数计算

复杂网络是最近几年流行的新兴学科之一。通过复杂网络的研究可以发现人工网络和自然世界中共同存在的一些普遍特征。复杂网络的分形与自相似是复杂网络在演化成小网络时整体和部分、部分与部分之间呈现出来的某种相似性,通过对复杂网络进行分形维数的计算来达到探测网络的微观演化过程非常重要。本文对计算分形维数的盒子覆盖法进行了算法上的改进,同时在具体实现算法时采用了Matlab与C的接口程序C-MEX,有效地提高了运算速度!     

基于容量维数的复杂网络自相似性研究

复杂网络自相似性具有广泛的实际背景。文章阐述了自相似性网络形成的原因与过程,对复杂网络的3个统计属性给出详细的讨论与分析,并提出自相似性网络群的概念。利用不同的最短路径作为尺度覆盖不同的局部网络以揭示复杂网络的自相似性,数值仿真和理论分析模拟并刻画现实中许多复杂网络的演化及其特征。     

复杂网络构造器的分析与设计

针对当前对复杂网络研究中存在的一贯从理论研究入手，轻视实践检验的特点。本文提出了设计复杂网络构造器，构造复杂网络模型，在网络模型的基础上并通过设计简单传播算法，来对构造的模型进行测试与分析。     

复杂网络构造器的分析与设计

针对当前对复杂网络研究中存在的一贯从理论研究入手,轻视实践检验的特点。本文提出了设计复杂网络构造器,构造复杂网络模型,在网络模型的基础上并通过设计简单传播算法,来对构造的模型进行测试与分析。     

复杂网络构造器的分析与设计

针对当前对复杂网络研究中存在的一贯从理论研究入手,轻视实践检验的特点。本文提出了设计复杂网络构造器,构造复杂网络模型,在网络模型的基础上并通过设计简单传播算法,来对构造的模型进行测试与分析。     

基于复杂网络的学生交流网络模型

基于QQ网络实证数据分析,研究了Internet网络中的QQ网络模型。在调查得到的QQ网络数据库基础上,通过比较网络度分布图形与网络特征参数,发现QQ网络与现有的BA模型差别较大。通过分析QQ网络参数特性,提出了一个新的网络演化模型。统计分析结果表明,新的网络参数与QQ网络参数基本一致。所提出的新模型为QQ网络研究提供了有力的理论支持。     

一种新的度量生物复杂网络模块性的方法

在生命科学领域,生物网络的概念也被大量引入,用以系统地表示复杂的生物过程。模块性是很多复杂网络都具有的特征,因此生物网络模块性的研究成为系统生物学一个重要的研究方向。为了更加深入地了解生物系统的组成和机理,本文提出了一种度量网络模块性的新方法,并将该序列指标应用于酵母转录因子调控网络和多个物种的代谢网络,结果发现酵母转录因子调控网络并不具有模块性而代谢网络具有显著的模块性。在应用中,代谢网络的功能模块度与平均聚类系数的相关性还说明我们的指标比平均聚类系数更适合刻画网络的功能模块性。另外,该指标的提出使得各种不同物种网络模块性的比较或者各种不同模块划分(或识别)方法的评价成为可能。     

面向复杂网络的节点相似性度量

在复杂网络中,度量节点之间的相似性是一项基础且具有挑战性的工作。基于邻域节点的相似性度量仅考虑了节点的邻域信息。基于路径的相似性度量考虑了节点之间的路径信息,使得多数节点与大度节点相似。为了更准确地度量节点之间的相似性且避免多数节点与大度节点相似,定义了每个节点的距离分布,并在此基础上采用相对熵和距离分布提出了一种节点相似性度量方法(DDRE)。DDRE方法通过节点之间的最短路径生成每个节点的距离分布,根据距离分布计算节点之间的相对熵,进而得到节点之间的相似性。6个真实网络数据集的对比实验结果表明,DDRE方法在对称性以及SIR模型中影响其他节点的能力这两方面表现较好。     

复杂网络的事件驱动故障估计

针对一类非线性耦合的复杂网络系统，提出了一种基于复杂网络估计器的近似最优故障估计方法.首先将复杂网络的状态与故障进行增广，然后对增广后的状态和故障进行了联合状态估计.为了处理多信号传输可能发生的数据冲突，采用了事件驱动的方法使复杂网络的输出传输至远程估计器.通过递推矩阵方程方法给出了估计误差协方差矩阵的上界，并通过设计估计器参数使得该上界在迹的意义下最小.最后，通过仿真例子验证了所提联合估计方案的可行性和有效性.     

复杂网络的双曲空间表征学习方法

复杂网络在现实场景中无处不在,高效的复杂网络分析技术具有广泛的应用价值,比如社区检测、链路预测等.然而,很多复杂网络分析方法在处理大规模网络时需要较高的时间、空间复杂度.网络表征学习是一种解决该问题的有效方法,该类方法将高维稀疏的网络信息转化为低维稠密的实值向量,可以作为机器学习算法的输入,便于后续应用的高效计算.传统...     

复杂网络研究

从复杂网络的三个主要度量特征量:平均路径长度、聚集系数、度分布的角度分别介绍了复杂网络中最主要的三种网络模型,即随机网络模型、小世界网络模型和无标度网络模型,并提出了进一步研究的一些方向。     

基于k-shell的复杂网络最短路径近似算法

复杂网络最短路径经典算法的处理效率较低，不适用于大规模复杂网络，而现有近似算法通用性有限，且计算准确率不理想，不能满足规模日益扩大的复杂网络中的最短路径计算需求。针对于此，提出基于[k]-shell的复杂网络最短路径近似算法。算法利用节点的[k]-shell值进行网络划分并引导搜索路径，利用超点聚合处理[k]-shell子网来降低路径搜索中节点和连边的规模，通过在路径搜索过程使用双向搜索树方法提高算法的计算效率和准确率。实验结果表明，算法通用性较好，在现实与仿真大规模复杂网络中均具有较高的计算效率和准确率。     

离散复杂动态网络的事件驱动控制器设计

为了节约复杂动态网络中的通信资源,利用事件驱动设计了节点之间的信息传输策略。将事件发生器的阈值与控制器增益进行协同设计,利用输入一状态稳定性理论,得到了以线性矩阵不等式表示的离散复杂动态网络事件驱动控制器设计准则。最后,以包含10个节点的离散动态网络为例进行了数值仿真,仿真结果表明所设计的事件驱动控制器的有效性。