传感器网络中基于多维标度定位算法的改进

针对基于经典多维标度的MDS-MAP算法在定位精度方面的不足,为提高传感器定位精度,提出一种基于Euclidean算法的改进型多维标度定位算法(Euclidean-based MDS-MAP(P,C))。算法与经典多维标度算法的区别在于,Euclidean算法能够算出每个节点与其两跳邻居节点间的欧氏距离,然后用这个欧氏距离来进行多维标度,显然能提高精度。仿真实验表明基于Euclidean算法的改进型多维标度算法与经典多维标度算法相比具有很低的定位误差以及很高的定位精度。     

结合边分割的改进二次误差测度算法

为了有效解决二次误差测度算法(quadric error metrics, QEM)容易产生异常三角面、失去局部特征、几何结构异常等问题, 提出一种结合边分割的改进二次误差测度算法(quadric error mactrics with edge splitting, ESQEM). 该算法添加顶点高斯曲率作为边折叠代价之一, 通过参数调节模型特征保留情况; 添加边长查询机制, 对细长三角面进行边分割操作. ESQEM算法能有效维护网格模型高曲率区域特征、保持网格几何结构、消除狭长三角面, 简化后的模型有更好的视觉效果, 高简化率下的简化精度更高.     

分布式多维标度定位算法的研究

针对经典MDS-MAP定位算法在定位精度和算法复杂度方面的不足,提出一种分布式多维标度定位算法。改进后的算法加入了分簇的思想,将大规模网络分成多个具有簇首的局部网络。局部定位时,引入Hop-Euclidean算法,计算簇内节点间距离,再用局部网络融合算法将局部相对坐标图合并成全局相对坐标图。仿真分析表明,提出的算法在各向同性和各向异性网络中都有很好的定位精度,而且在定位精度提高的情况下可用于不规则网络,有利于网络的扩展,更适用于大规模密集型网络。     

无标度企业组织网络特征及其演化模型

本文讨论了一种特别的企业组织网络—无标度企业组织网络及其特征,并基于复杂网络理论提出了无标度企业组织网络的演化模型。该演化模型基于二种演化机制:第一种是考虑企业组织网络的初始结构—全连通结构和星形连接结构;第二种是基于局域信息的优势连接。计算机仿真结果显示:在全局择优连接下,无论企业组织网络的初始结构如何,企业组织网络都将演化无标度网络;局域择优连接仍然可能形成无标度企业组织网络。     

HIV传播的动态混合无标度网络生成算法

研究人类免疫缺陷病毒(HIV)的传播机理,提出一种HIV传播中基于配置模型的动态混合无标度网络生成算法。根据HIV在男性和男性、男性和女性之间的传播规律分别构造同性和异性无标度网络,将其放在同一系统中形成混合传播网络,并添加网络的动态变化特性,以反映真实社会网络的演化过程。基于配置模型的复杂网络生成算法可快速、灵活和鲁棒地生成给定网络尺寸和幂律度分布指数的复杂网络,而且网络中的边可断开和重连,弥补了经典 BA 模型的不足。仿真结果表明,该算法能正确、有效地反映HIV混合传播网络的特性。     

具有社区结构的无标度网络生成算法

近年来,生成图模型在复杂网络研究中的作用越来越重要。图的生成过程对于研究疾病的蔓延和信息的传播具有重大意义,同时图模型的生成也有助于更深入地研究复杂网络的特性。为了能够生成既符合真实网络特征又具有结构多样性的复杂网络,提出了一种具有社区结构的可调节聚集系数和模块性的无标度网络生成算法——TCMSN(Scale Free Network with Tunable Clustering Coefficient and Modularity)。通过调节混合参数可以调节生成网络的模块性,通过调节社区内连边的概率和混合参数可以对网络聚集系数进行调节。TCMSN采用了合理的连边策略,在不破坏网络结构多样性的情况下,能尽可能维持网络的无标度特性。人工构造数据和真实网络数据的对比实验结果表明,TCMSN算法能够生成可调节聚集系数和模块性的无标度网络模型,且能够生成最接近真实网络社区结构特征的网络模型。     

基于自然连接度的无标度网络断边重连仿真

针对传统网络断边重连技术不能准确确定无标度网络故障位置,造成断边链路数据重构性能较差的问题,提出基于自然连接度的无标度网络下断边重连技术。将DeviceNet作为核心触发协议、CAN协议作为底层通信协议,构造Dramp流量控制策略;修正逻辑点带宽,捕获自然连接错误帧事件;在无标度网络链路两端建立源观测点,整合错误事件并去除掉观测位置信息,根据时间节点提取多维度源节点数据,完成关联故障定位,最后根据链路重构法及DNS域名解析,以链路负载为核心,重构传输链路完成断边重连。仿真结果表明,所提方法能够准确标定无标度网络故障位置,有效重连无标度断边网络。     

基于自适应算法的BA网络模型及其聚类分析

BA模型是经典的无标度网络模型,具有一定小世界特性,但聚类系数随着点数增多趋近于零。为进一步优化BA网络模型的平均路径长度和聚类系数的特性,设计了一种基于自适应算法的无标度网络改进模型。改进模型优化了系统与网络节点的关联度,通过计算得到关联度的最优值及此时网络各参数的值,从而获得理想的网络模型。通过对自适应算法中关联度的数学分析,可知系统平均路径长度呈带有条件的收敛状态。仿真结果表明,改进后网络模型在平均路径长度和聚类系数方面,有进一步优化。不同于BA无标度网络的是,改进模型优化后具有较明显的聚类特性,更符合小世界网络特性。     

基于无标度网络的蠕虫控制研究

蠕虫之所以能够产生巨大的影响和危害,其中重要的一点是利用了其传播网络的无标度特性。鉴于此,对蠕虫在无标度网络上的传播行为及影响因素进行了研究。研究结果表明,通过采取恰当的策略,可以有效地控制蠕虫的传播,显著地降低蠕虫带来的影响。     

服务社区的无标度性质研究

文章揭示了基于UDDI注册中心的增长性服务社区网络社团结构性质,并从服务注册拓扑结构来研究与总结服务社区网络的无标度性质。因此本文关于无标度服务社区网络的研究为面向服务的体系结构提供有力的理论与实践依据,也对复杂网络的理论与实证研究起到了一定的推动作用。     

分层抽样的无标度复杂网络可靠性度量算法

针对大型无标度复杂网络的幂律分布特性,提出了一种基于分层抽样技术的算法SSBA,通过分析样本网络推导出大型无标度复杂网络的可靠性度量参数,并给出这些参数的Bootstrap置信区间。大量的实验表明,SSBA算法能有效估算出大型无标度复杂网络的可靠性度量参数。     

基于PM算法的网格简化改进算法

针对传统网格简化算法在对边界顶点和边界边、累进网格二义性以及网格拓扑关系有效保持等的处理所存在的不足进行了相应的改进,改进的网格简化算法能有效保持网格模型的形体特征,消除累进网格的二义性,提高网格简化质量。针对折叠误差进行排序问题,采用最小堆算法,提高算法的时间效率。实验结果表明,该算法能产生高质量的网格,具有较高的执行效率。     

无标度网络环境下E-mail病毒的传播模型

提出无标度网络环境下E-mail病毒的传播模型。通过对模型的求解,得到E-mail用户感染密度随传播率、恢复率和网络平均度变化的计算表达式。实验表明,在反病毒技术未出现前,用户感染密度最终将达到一个稳定状态,并通过实验证明了传播率与网络平均度是影响E-mail病毒蔓延的关键性因素。     

聚类算法在无标度网络和云资源管理中的应用

基于最优云资源管理策略,提出了一种构建无标度网络模型的方法。网络建模为一个完全联通图的聚类应用,聚类算法实现了近似理论的度分布。能够重现现实网络权重和节点度呈幂律分布的统计特性,支持自组织,允许单个实体基于本地信息做出决策。实验结果表明,具有自我组织和自我管理属性的无标度网络,其各个核心节点可以作为计算机云的接入点,一旦形成这种集群可以实现最佳的云资源管理政策。     

基于多维标度的动态网络选择算法

异构无线网络的网络选择问题中,除了考虑多属性的网络参数外,还需考虑无线信道的时变性特征。针对这两个考虑因素,提出了一种基于多维标度的新的动态网络选择算法,可将多属性判决的网络选择问题近似转化为一个低维的拟合构图,并能反映不同时刻同个网络的变化。仿真结果表明,在不考虑负载的情况下,提出的算法能有效地选择出适合于移动终端当前业务的网络,并能在低维坐标系中直观地观察网络间的区别。     

无标度网络的最大-最小度搜索算法

许多实际的复杂网络具有无标度的特性,其中高连接度的节点具有重要作用.研究无标度网络的搜索算法.基于最大度的节点的搜索算法只适用于幂律度分布的指数介于2.0和2.3之间的无标度网络.对该算法做出了改进,提出了可适用于较大幂律指数的无标度网络的局部搜索的最大-最小度搜索算法.最大-最小度算法和人们熟知的随机游走、最大度搜索策略相比,更加充分利用了网络节点度分布特性,从而获得了更优的搜索效果,文章从理论分析和仿真结果两方面证实了这一点.     

病毒在无标度网络上的传播及控制仿真研究*

网络病毒的爆发给计算机用户带来巨大的损失,同时互联网被认为是无标度网络,因此研究病毒在无标度网络上的传播及控制很有意义。通过构建一个BA无标度网络模型,对病毒的传播行为及影响因素进行了仿真分析。研究表明,采取恰当的策略可以有效地控制、预防病毒传播。     

网络结点度相关性测度及其稳定性分析

判别网络同配/异配性的Newman相关系数r(g)和网络无标度程度的S(g)是研究网络结点度相关性的两个重要测度,其相关论文被科研人员广泛地引用,两个测度分别被应用到实际网络的同配/异配性和无标度程度的分析.为检验两个测度的稳定性,以BA模型为例,通过大量的计算机模拟和数值统计分析,结果显示:BA-3模型的r(g)与网络规模N的经验公式:r(g)∝-N-0.32,并指出r(g)和S(g)关于网络规模N、网络稠密度ρ都具有波动性.因此,用它们来分析不同规模或不同稠密度的有限的、增长的实际网络,其研究会产生一些误导性结果.     

改进的分布式无线传感器网络多维标度定位算法

为提高无线传感器网络集中式多维标度MDS-MAP算法的定位精度,提出了一种改进的基于MDS的分布式定位算法。该算法在构建距离矩阵时引入Euclidean算法距离估算思想,同时采用一种优化的基于最小二乘逼近的坐标转换方法实现节点由相对坐标到绝对坐标的转换。实验结果显示,与经典MDS-MAP算法相比,改进算法在多种网络拓扑结构下均能有效提高节点的定位精度。