基于置乱算法的复杂网络零模型构造及其应用

整理了无权网络、加权网络和时变网络中经常使用的各种零模型构造算法,重点总结了基于置乱算法的零模型构造过程和它们的实际应用。置乱算法既可以将网络上的连接关系进行断边重连,也可以在保持原有连接的前提下随机化某些因素。通过对这些置乱算法的分析和比较,有助于相关学者了解如何使用置乱算法来构造复杂网络零模型,在参考零模型的前提下合理计算各种统计量的相对值,进一步深化对各种复杂系统的理解和应用。     

无权网络零模型的构造及应用

静态无权网络是目前最常见的复杂网络形式,这种网络零模型也被研究得最广泛和最深入。该文将无权网络分成无权无向网络和无权有向网络两种形式,分别研究了这两类网络的零模型构造及应用,其中重点是无权无向网络。首先根据不同阶数随机图理论阐述了无权无向网络由低到高各阶零模型的定义,然后描述了使用ER随机图、配置模型和基于断边重连等方式构造各阶零模型的过程及相关应用。针对断边重连这种最重要的零模型构造方式,论述了无倾向性断边重连、有倾向性同配或异配断边重连,以及检测网络是否具有富人俱乐部性质的局部断边重连等构造方式,并且首次将高阶零模型扩展到社团检测等网络中尺度特性的分析中。最后,阐述了无权有向网络1阶零模型的构造以及如何基于该零模型检测网络中存在的出入度匹配特性。该文发现网络零模型能为实证无权网络提供一个准确的基准,结合网络的统计量指标定性和定量地描述出实际复杂网络的非平凡特性以及这种非平凡特性的程度及来源。     

基于模体的模块度优化高阶社区检测算法

为提升现有高阶社区检测算法的性能,提出一种基于模体的模块度优化高阶社区检测算法。通过量化网络模体数量为节点间权重,将高阶基于模体的社区检测转化为低阶基于边的加权网络社区检测,并构造为加权模块度优化问题求解。为保证加权模块度优化性能以获得逼近全局最优的高阶社区划分,一方面优化策略采用典型的生物启发式算法;另一方面综合利用网络低阶和高阶拓扑结构信息,通过节点邻域社区修正操作和局部搜索操作,进一步提升社区划分质量并防止算法陷入局部最优。在人工合成和真实世界网络上的实验表明,利用模体高阶结构信息有助于提升复杂网络社区的检测性能,尤其是在社区结构较为模糊的情况下。该算法能够有效实现基于模体的高阶社区检测,与现有基于模体的典型方法相比在精确性和质量性上表现出一定优势,有助于加深对网络高阶结构及功能特性的理解。     

基于遗传算法的复杂网络社区结构探测

对于复杂网络社区结构的探测问题在多个应用领域引起了广泛关注。本文基于遗传算法提出了一种新的社区探测算法,该算法通过最大化网络模块度以探求最好的社区划分结果。本文采用字符串编码进行基因表示。在初始化种群时,通过将一部分节点的社区标识符传递给它的邻居节点保证了算法的收敛性,并且消除了不必要的迭代。对于交叉算子和变异算子也进行了优化,将单向交叉引入到交叉算子中,并在变异过程中保证了变异节点的连接有效性。将本算法与两种算法通过真实世界的复杂网络进行实验比较,实验结果表明,改进后的算法可以有效地应用于社区结构探测。     

基于光纤振动信号过零检测的序贯概率比振源检测算法

在光纤振动信号检测系统中,使用相干光时域反射COTDR技术,可检测长距离的光缆振动信号,但反射回的光信号都有大量的振动杂波和噪声.已有的振源检测技术都是采用单级振源检测机制,这将导致系统的虚警率不稳定和检测性能下降.由于微弱振源信号变化不明显,已有的振源检测技术对微弱振源的检测显得无能为力.为此,本文通过分析振动信号的过零检测模型和序贯概率比检测的关系,提出了一种多级振源检测算法,使虚警率稳定在一个可控范围内,同时提高了对微弱振源的检测能力.最后,用现场实验数据验证了该算法的有效性和可行性.     

机会网络节点兴趣社区检测及路由策略

根据机会网络中节点较稳定的社会属性,提出了一种兴趣社区检测机制,将机会网络中节点的兴趣爱好量化,根据节点间兴趣爱好相似性进行兴趣社区划分. 利用节点在运动过程中形成的社区,综合考虑节点的社区属性和节点间历史接触信息,设计了兴趣社区路由算法. 兴趣社区路由由社区内路由和社区间路由组成,路由机制是选择与目标节点在同一兴趣社区且与目标节点接触较多的节点作为中继节点完成数据包转发. 通过仿真实验验证兴趣社区路由策略的合理性和有效性. 仿真结果表明,所提出的兴趣社区路由算法能有效降低网络开销和时延,提高了投递率.     

一种基于完全子图与标签传播的重叠社区检测算法

提出了一种基于完全子图和标签传播的重叠社区检测ＣＬＰＯＡ算法。该算法首先搜寻完全子图,并为每个子图分配唯一标签,实现快速标签预处理;然后根据每个节点的邻接节点标签来更新该节点的标签,同时提出接触频数优化标签选择策略降低标签随机传播概率;最后,通过网络标签分布情况进行社区划分。选取两个小规模标准数据集和两个大规模网络数据集进行实验,结果表明ＣＬＰＯＡ算法能保持和ＣＯＰＲＡ算法相同社区划分质量,同时具有更好的算法稳定性和时间性能。     

基于传播影响力的重叠社区划分算法

在研究经典标签传播算法的基础上,提出了一种基于传播影响力的重叠社区划分算法COPRA-PI,可用于挖掘加权网络中的社区结构。该算法在COPRA算法的基础上从节点影响力、边影响力、历史标签影响力3个方面综合考虑传播影响力;同时针对COPRA算法中每个节点在每次迭代过程中均具有相同的最大标签数,且该最大标签数目需手动设置等不足,该算法中设计了一个自适应的最大标签数。实验结果表明,COPRA-PI算法在经典的数据集上对比现有经典算法更能挖掘出高质量的社区结构且收敛速度较快。     

基于概率主题模型的社交网络层次化社区发现算法

针对传统的社区发现算法大多基于网络拓扑结构寻找独立的社区结构,忽略了用户兴趣属性,并且不能有效地发现社区间的相关性和层次关系等问题。该文提出一种新型的基于PAM(pachinko allocation model)概率主题模型的层次化网络社区发现算法,综合考虑了用户的兴趣和用户的社交网络关系,在同一模型平台上实现层次化的社区结构发现和用户兴趣挖掘,并捕捉和揭示社区之间的关联性和重叠性等特征。模型采用Gibbs采样方法进行参数推导。在真实数据集上的实验结果验证了所提出算法的可行性和有效性。     

基于节点尺度特征的重叠社区检测算法

针对社会网络中重叠社区检测问题,在节点尺度特征下量化社区结构,用这些特性更易界定社区划分。利用合理假设来量化节点尺度的期望值,基于节点描述符集和谱算法建立算法模型,从而提出一种重叠社区检测算法。该方法允许节点同时属于多个社区,在社区重叠时同样可行。通过计算验证,算法对于整体边缘密度都有效。在2类网络中实验的结果表明,该算法在重叠社区检测中性能稳定、准确性高,能适用于目标特定的社区概念。     

煤层含气量预测的BP神经网络模型与应用

为了对煤层含气量进行定量预测,采用BP神经网络预测方法,建立了煤层含气量预测的BP神经网络模型．以沁水盆地南部主采煤层为对象,分析得出了影响沁水盆地南部煤层含气量分布的主要控制因素有煤层有效埋藏深度、煤变质程度和煤岩、煤质特征等,选择了煤层有效埋藏深度、水分与灰分以及镜质组最大反射率3参数作为BP神经网络模型的基本特征量,建立了煤层含气量与这些因素之间的相关关系和BP神经网络预测模型,对煤层含气量进行预测分析．结果表明：BP神经网络模型具有极强的非线性逼近能力,能真实反映煤层含气量与主控因素之间的非线性关系,预测结果与实测值之间误差小,相对误差小于10%,预测效果明显地优于基于朗格缪尔方程的煤层含气量预测模型．     

一种面向动态网络的社团检测与演化分析方法

针对制约动态网络演化分析方法发展的社团演变模式挖掘问题,设计了基于指向性变异策略和变邻域搜索算法的静态社团检测算法与基于匹配度和社团生存周期的社团演化分析算法,并采用在时刻上运行静态社团检测算法、在时序上运行社团演化分析算法的策略,提出了一种面向动态网络的社团检测与演化分析方法。并用Zachary空手道俱乐部网络和Power网络验证了该方法的可行性和有效性。     

网络自然密度社团结构模块度函数

针对常用的NG模块度存在分辨率限制,不能识别小于一定规模的社团的问题,提出了网络自然密度的定义,用以衡量网络的连接紧密程度,在此基础上构造了密度模块度函数来评估社团结构的划分;进一步分3种情况证明了密度模块度函数,克服了NG模块度函数的分辨率限制问题;最后通过人工网络和经典现实网络验证了密度模块度函数的有效性。     

基于节点感知信任度模型的无线传感网络事件检测方法

事件区域检测是无线传感器网络在复杂环境感知中的一项重要应用,然而节点受到环境中多种不确定性因素(如温度、湿度、硬件条件等)的影响导致其感知数据出现错误,降低了节点对事件检测的准确度. 根据邻近节点之间的感知信息存在一定的空间相关性,提出一种基于网络拓扑的节点感知信任度模型,在此基础上每个节点将自身感知信息与邻居节点交换信息相结合,建立贝叶斯事件检测容错模型,计算事件发生的预测概率,同时确定事件发生的最优阈值,节点根据概率预测结果与最优阈值相比较对事件发生做最终决策. 仿真结果表明,与典型的贝叶斯最优阈值容错算法相比,在节点故障率为25%的情况下,所提算法可将错误节点修正率由65%提高到78%;而在节点故障率为30%的情况下,所提算法可将错误节点修正率由50%提高到70%,体现出了良好的容错性能.     

基于人工神经网络的数字图像盲取证

数字图像盲取证技术是一项通过图像本身统计特性来鉴别图像是否被篡改的技术。文章基于数码相机的成像原理,利用人工神经网络来预测成像过程中由于CFA(color filter arrays)插值算法导致图像像素点之间出现的相关性关系,由于没有篡改的图像采用的CFA插值算法是相同的,而被篡改的图像则可能存在两种以上的CFA插值算法,两种情况下图像预测误差会出现差异,本算法利用这种差异实现数字图像的盲取证。实验结果表明本算法具有一定的有效性。     

基于局部模块度的社区层次结构发现方法

为了发现复杂网络中社区之间的层次关系,提出了一种基于局部模块度的社区层次结构发现方法。文章方法克服了多分辨率方法无法给出整个网络的层次划分以及无法直接定位造成社区层次变化的分辨率等方面不足,选取网络中的大度数节点基于R公式进行社区层次结构探测,根据局部模块度值变化过程中产生的极大值和极小值定义了社区层次区分度来判断是否到达层次边界。并对网络进行裁剪,从不同的大度数节点出发来发现网络中的全部层次结构。在经典数据集和人工生成网络上进行了实验,并与现有算法进行比较。实验结果证明章算法的有效性。     

基于人工神经网络的非线性回归预测模型的研究

将人工神经网络引入回归分析过程,探讨了回归分析神经网络的结构和学习算法,研究了基于人工神经网络的模型变量的选择观测样本的采集和使用等,进行了仿真实验,仿真结果初步显示了神经网络方法能够较好地解决传统的回归方法所面临的困难,并具有较高的模型度。