朋友关系网络的实证统计研究

为了探究节点的动力学行为如何对网络拓扑结构造成影响,构建了4个节点相同但拓扑结构不同的朋友网络. 对比研究发现,普通朋友网络是一个小世界网络,但随着朋友关系亲密度的增加,网络拓扑结构由连通到不连通,平均度和集聚系数在减少而平均路径长度在增加. 此外,前3个网络的度相关性呈现负相关.     

时序多层网络熵值结构洞节点重要性建模

分析动态多层复杂网络时空演化过程中的网络节点重要性序结构，提出时序多层网络熵值结构洞节点重要性辨识模型.分析时序网络节点局部信息熵的属性与节点全局K-shell信息集结偏好信息熵.依据复杂网络结构洞系数，提出节点熵值结构洞节点重要性辨识模型.时序化处理节点演化信息，提出节点重要性时序网络计算模型.通过SIR模型检验节点传播效率，开展实证网络仿真.本文的时序多层网络节点演化重要性排序结果与经典时序网络模型相比，Kendall值有了显著的提高.     

多跳网络中节点移动性对病毒传播行为的影响

随着智能终端硬件配置的提高,多跳网络的开放性和分布式结构给网络安全带来了严峻的挑战,使其具备了恶意代码活动的硬件条件。传统的计算机病毒传播模型未考虑网络的动态拓扑特性,不能被直接应用到多跳网络的研究中。通过将经典SI病毒传播模型应用到基于RWP模型的多跳网络中,研究节点的通信半径、病毒传播时间、初始感染节点的个数和节点的密度对病毒传播行为的影响。仿真结果表明,节点的移动速度对病毒的传播行为有显著的影响,节点的移动导致病毒传播最快时对应的节点速度近似为节点的通信半径与病毒传播时间的比值,而与节点的密度和初始感染节点的个数几乎无关。     

基于效率度的航空网络影响力节点识别

航空网络中节点重要性不仅受网络拓扑结构影响还和节点流量紧密相关,由此建立了航空网络模型,提出了基于改进复杂度矩阵和节点使用率的效率度指标,采用节点效率度识别算法识别网络影响力节点。通过实例研究与5种传统的影响力节点识别指标进行对比分析,结果表明:根据网络鲁棒性攻击效率度指标识别的影响力节点时,航空网络会较快地趋于瘫痪,指标适用且有效性高;航空网络中节点流量对运行的影响大于网络拓扑结构。     

融合用户行为同步指标的链路预测研究

现有链路预测方法大多基于网络结构相似性及连边的权重特征,没有有效挖掘连边权重形成的时序信息。考虑到两个节点行为的时间同步性往往是由于两个节点存在链接造成的,因此在网络结构的重构研究中通常利用节点的行为同步性来反推它们之间是否存在链接关系。该文尝试将节点同步性信息这一网络重构的方法引入链路预测领域,提出一种网络拓扑相似性上融合节点行为同步指数的链路预测算法。经过两类6种真实网络数据的比较分析,发现该算法可有效提高链路预测准确率,相比现有方法,Precision指标提高了15.3%～68.2%。该研究不仅发现节点局域结构相似性和节点行为同步指数对链路预测的共同影响,也揭示了不同类别真实加权网络的内在结构和动态特征。     

城市公交网络的复杂网络关联性质分析

以国内4个城市公交网络为研究对象,分别在L空间和P空间对这些网络的静态统计特性和关联性质进行计算和分析。结果表明,L空间公交网络节点具有正的度度相关性,节点度与其集聚系数具有负的相关性;P空间公交网络节点k。（是）随度k的变化显示出随机的特征,节点C（是）随度的增长呈幂律下降。研究还发现,L空间公交网络节点权分布为双斜率幂律分布,明显不同于其他的加权复杂网络;节点权随度的增长呈幂律上升。     

面向多源社交网络的社团结构特征研究（研究生论坛）

为了研究社交网络社团结构对舆情传播的影响,本文对比分析了多源社交网络的社团结构特性及传播特性,并且利用COPRA算法和LFM算法进行了社交网络重叠社团研究,提出一种基于节点度过滤的LFM改进方法——NF-LFM算法。该算法对好友关系网络中节点度小于某一阈值的节点进行过滤,再对剩下的好友关系网络进行社团划分。实验结果表明：1）人人网、QQ空间、新浪微博都具有明显的社团结构特性,其中人人网和QQ空间的社团结构特性强于新浪微博;2）在不考虑社交网络用户活跃度的情况下,舆情信息在人人网上扩散范围最广,新浪微博次之,QQ空间扩散较慢。本文提出的改进方法能解决现有算法社团划分结果分辨率低的问题,且有效弥补了LFM算法在大规模社团发现时陷入无限的迭代过程而导致时间复杂度高的缺点,将其应用于经典数据集中也符合理论预期结果。本文的研究结果将有助于进一步理解和认识社交网络社团结构对舆情传播的影响,同时对于网络群体事件发现和舆情监控及引导等具有重要意义。     

复杂网络中具有低易感的疾病传播问题研究

基于真实流行病学中免疫力减弱的特性,提出一个新的疾病传播模型即复杂网络中具有低易感即免疫力减弱的传播模型。 利用平均场理论和计算机仿真对该模型的传播行为进行了详细研究,结果表明该模型的传播阈值主要与网络拓扑结构、免疫丧失率和免疫保留率有关。 小世界网络中存在非零的传播阈值,而无标度网络在网络规模无限大的情况下传播阈值趋于零。 在网络拓扑结构不变的情况下,增大节点的免疫保留率可以增大小世界网络和无标度网络上的传播阈值,降低疾病的传播范围,从而有效控制传染性疾病在复杂网络上传播。     

社交网络上基于信息驱动的行为传播研究

针对社交网络上信息与行为的交互作用与协同传播的特点,建立了基于信息驱动的行为传播模型。该模型综合反映了社交网络上信息与行为传播的交互性,以及信息传播的记忆性、时效性与社会加强效果等多种因素对传播的影响。研究发现,信息的时效性、社会加强效果、信息的转播率等模型参量,以及源节点的度与核数、节点的度及与源节点距离等网络参量,都在一定程度上影响行为传播的速度和范围,但各参量在不同环境下发挥不同的作用。     

基于有限信息的网络邻接关系识别研究

如何根据有限的网络交互信息确定网络结构是当前网络科学研究的重要问题之一。该文提出了基于网络单一结构属性的网络结构重构分析方法。首先,该方法通过Holme-Kim模型生成一系列集聚系数可调的人工网络。然后,该方法通过压缩感知识别模型对有限信息下的网络结构进行重构。实验结果表明,当仅能掌握20%的网络节点间交互的时间序列信息时,网络邻接关系的平均识别准确率和平均真实关系召回率均随网络平均集聚系数的增大而提高。当网络的平均集聚系数在0.1~0.6变化时,平均集聚系数为0.6的网络将获得最高的平均识别准确率和平均真实关系召回率。进一步的实验分析说明,网络中度小于8的节点其平均识别准确率是决定网络平均识别准确率的关键。     

融合AP和GMM的说话人识别方法研究

针对在说话人识别过程中经典的高斯混合模型(Gaussian Mixture Model,GMM)阶数的确定具有很大随意性的问题,提出采用吸引子传播聚类方法(AP聚类)自动获取GMM的阶数,进而实现说话人识别的方法.首先,采用Mel频率倒谱系数法(MFCC)与差分倒谱相结合的方法,提取语音特征参数;其次,采用吸引子传播聚类方法(AP聚类)对语音特征参数进行聚类处理,从而自动获得GMM的阶数;在此基础上进行GMM模型的训练;最后,采用训练好的GMM模型对Timit标准语音库以及自制网络志愿者语音库进行说话人识别测试实验.实验结果为：使用了AP聚类算法获取GMM阶数的情况下,对Timit标准语音库的测试结果为100%;在自制网络志愿者语音库中,训练样本为168个,其中潮汕话样本10个,湖南话样本10个,测试样本为42个,测试结果为97.6%.实验结果表明,引入AP聚类自动获取GMM的阶数,可以显著提高说话人识别的精度和效率.     

融合局部聚类特征的银行间网络重构研究

准确地重构银行间网络是开展银行系统性风险研究的首要工作,实证研究发现最小密度方法低估了真实银行间网络的连边密度且无法刻画其“核心?外围”结构。该文提出一种融合局部聚类特征的银行间网络重构方法。通过引入局部增强矩阵对最小密度方法的概率矩阵进行修正,增强核心银行间的连接倾向。进而,引入自适应因子法对银行间关系重构过程进行权重分配,从而建立具有局部聚类特征的低密度银行间网络。在2018年中国272家银行年报数据集上的实验结果表明,在核心银行连边密度和平均聚类系数上,融合局部聚类网络的银行间网络相比于未融合的银行间网络提升了83.9%和60.1%。而且重构的银行间网络具有稀疏性、异配性和无标度等实证网络结构特征。     

基于社会网络的电子商务信任社区聚类模型

采用社会网络分析的方法建立电子商务信任社区聚类模型,讨论信任网络构建问题,进行信任网络社区聚类分析.通过互信息方法构建信任信息度,采用直接信任信息度和全局信任信息度描述主体之间的信任程度.提出使用信任社区聚类的方法分析用户最信任的网络关系,采用聚类系数和全局信任信息度进行信任社区聚类分析,给出电子商务信任社区聚类优化算法.实验表明,利用该方法构建的信任社区聚类模型能够反映电子商务主体间接的信任关系,与现有的其他方法相比,该模型具有较高的精确度.     

基于多尺度时效模体度的虚假信息传播机制

将时效网络引入虚假信息传播研究中，提出一种通过时效模体度刻画传播网络的方法来探究虚假信息的传播机制。该方法将传播网络的结构特性和信息的时间属性相融合，使用多个真实数据集检验了该方法在虚假信息检测中的普适性。数据结果表明，真假信息在不同的时间尺度下时效模体度的变化规律不同，在大时间尺度上虚假信息比真实信息的传播速度更快且传播深度更深，利用基于时效模体度的方法可以更准确地检测出虚假信息。该研究揭示了虚假信息的多时间尺度传播机制，可用于预防虚假信息的传播。     

基于资源约束的自适应实时聚类算法

针对物联网环境下实时数据挖掘中资源约束的特点,分析了快速有效地挖掘抽取知识的方法。在K-means算法的基础上,结合RA-Cluster算法,提出了ARRA-Kmeans聚类算法。并基于环境资源约束和时间约束的特点,引入自适应聚类方法和滑动窗口技术,对网络节点的实时数据进行挖掘。实验结果表明,随着流数据量的增大,ARRA-Kmeans算法在处理实时动态的数据时具有较好的效果,聚类精度较高,处理时间较快。     

Open shop复杂调度网络模型及特征分析

给出open shop 复杂调度网络模型,即通过将open shop复杂调度对象描述成复杂网络,并将相关的复杂调度问题描述成对应复杂网络上的节点遍历问题,从而将复杂调度问题纳入复杂网络理论体系进行研究.分析几个复杂调度网络场景的一些基本结构特征,发现复杂调度网络具有小世界、模块化等很多现实复杂网络共同具有的特点.前者说明调度对象事件之间具有较强的局部和全局耦合;后者能够为分块解决复杂调度问题提供理论基础.复杂调度网络中的平均度值和平均聚类系数与调度目标即网络平均遍历时间具有较强的关联,网络平均度值和网络平均遍历时间基本满足对数关系,这为后续设计基于复杂网络特征的调度规则提供启发式信息.给出网络可折叠度的概念,发现复杂调度网络本质上具有较大的网络可折叠度,可以通过折叠复杂调度网络来降低它的复杂度,从而提高后续的分析和算法执行效率.     

基于多变量时间序列的接触状态聚类分析

针对机器人轴孔装配任务中接触状态的分类问题,该文提出了一种基于多变量时间序列的聚类方法。该方法利用深度时间聚类网络对装配过程中的接触状态变量进行编码,然后使用复杂度不变性度量对时间序列片段进行划分。该方法避免了对接触过程进行准静态分析,因此在实际中具有一定的通用性。并且利用时间序列的方式有利于提取接触状态变量的时间关联特性,从而使得聚类的结果更加鲁棒。实验结果和预期一致,验证了该算法的正确性和有效性。     

Detonation Propagation Characteristics of Superposition Explosive Materials

1　ＩｎｔｒｏｄｕｃｔｉｏｎＳｕｐｅｒｐｏｓｉｔｉｏｎｓｔｒｉｐ ｓｈａｐｅｄｃｈａｒｇｅｓｍａｄｅｕｐｏｆａｄｅｔ ｏｎａｔｉｎｇｃｏｒｄａｎｄｅｘｐｌｏｓｉｖｅｓｗｅｒｅｕｓｕａｌｌｙｕｓｅｄｉｎｓｍｏｏｔｈｂｌａｓｔｉｎｇ ,ｐｒｅ ｓｐｌｉｔｂｌａｓｔｉｎｇ ,ｄｅｅｐ ｈｏｌｅｂｌａｓｔｉｎｇ ,ｑｕａｒｒｙｉｎｇｂｌａｓｔｉｎｇ ,ｅｔｃ .Ｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｔｈｅｄｅｔｏｎａｔｉｏｎｐｒｏｐａｇａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｃｈａｒｇｅｐａｔｔｅｒｎ…     

自适应属性加权近邻传播聚类算法

针对多维数据属性对聚类分析结果有不同重要程度影响的问题,提出一种基于自适应属性加权的近邻传播聚类算法。该方法通过考虑多维数据属性权值的重要度,在近邻传播聚类过程中引入属性加权相似性矩阵计算,并根据当前数据聚类划分的结果来分析目标评价函数,计算各个属性对当前聚类的贡献程度。随后根据贡献程度的计算结果自适应地更新属性权值,并通过属性加权相似性矩阵来重新计算近邻传播算法中的两种竞争信息,进而提高聚类结果的质量。数值实验结果表明,新方法能够有效实现属性权值的自适应调整,提高近邻传播算法的聚类效果,与其他传统聚类算法相比新方法具有更好的聚类质量。