一类特殊三维六度环面网络的直径公式

六度网孔网络和六度环面网络在化学、计算机图形学和峰巢移动通信等领域都得到了十分广泛的应用。三维环面是二维环面的自然性推广。该文针对张震等人所提出的三维六度环面Cayley图网络模型的未解问题，给出了一类特殊三维六度环面网络的直径公式，并给予了详细的证明。     

基于六度分离理论的容滞网络路由算法研究

容滞网络(DTN)是一个新兴的研究领域,它适用于连接时断时续且节点随机移动的复杂网络环境。这使容滞网络的路由机制复杂且有别于现存的网络。本文提出一种基于六度分离理论的路由算法,用社会活跃度和亲密度来描述社会关系,并根据节点的社会关系来转发报文。仿真表明,和现有的路由算法相比,本算法具有很高的递交率和较低的延迟。     

基于Cayley图的六度环绕网络研究

六度网络是一类平面图网络结构,将平面以等边三角形的形式进行分割,包括六度网孔网络和六度环绕网络.六度网孔网络不是规则网络,其边缘节点与内部节点的度不相等.通过对六度网孔网络的边缘节点建立环绕边就形成了规则的六度环绕网络,每个节点的度为6.但是由于环绕边的存在,使得六度环绕网络的通信算法实现复杂,网络直径也非常难于计算.六度环绕网络被证实是一种Cayley图模型,具有良好的对称性.但是基于Cayley图的六度环绕网络的最优路由算法、广播算法还没有得到,该网络模型的具体直径值也是未解问题.针对基于Cayley图的六度环绕网络模型,文中给出了一种简单的最优路由算法和一种基于陪集图理论的广播算法,并给出该网络模型的网络直径确切值.     

网度交际

有一个数学领域的猜想,名为Six Degrees of Separation,中文翻译包括以下几种:六度分割理论、六度空间理论以及小世界理论等。你和任何一个陌生人之间所间隔的人不会超过六个,也就是说,最多通过六个人你就能够认识任何一个陌生人。这就是六度空间理论,也叫小世界理论。     

小波神经网络初始值的选择

小波神经网络参数初始值影响着网络收敛速度的快慢,甚至关系到网络能否收敛。为了减少网络训练次数,提高收敛速度,提出了一种更简便易行的选择方法,通过将此方法的仿真结果与采用随机选取初始值的方法所得仿真结果进行对比,证明此方法既可行又有效。     

一种基于边数随机增长的BA网络模型

针对基本BA网络模型模拟现实网络的局限性, 采用新节点的度数增加服从泊松分布的随机函数来代替传统BA模型中的常数, 修改了节点度数的增长方式, 提出了一种基于边数随机增长的改进网络模型。从理论分析和实验验证两方面对该模型进行了分析和研究。理论证明过程中, 利用率方程法计算度分布并得到了解析解, 而计算机仿真则验证了度分布解析解的正确性。仿真结果表明改进后的网络模型符合现实网络的一定特性。     

网络验证研究综述

随着计算机网络规模和复杂度的日益增长,网络管理人员难以保证网络意图得到了正确实现,错误的网络配置将影响网络的安全性和可用性.受到形式化方法在硬软件验证领域中成功应用的启发,研究人员将形式化方法应用到网络中,形成了一个新的研究领域,即网络验证(network verification),旨在使用严格的数学方法证明网络的正确性.网络验证已经成为当下网络和安全领域的热点研究,其研究成果也在实际网络中得到了成功应用.从数据平面验证、控制平面验证和有状态网络验证3个研究方向,对网络验证领域的已有研究成果进行了系统总结,对研究热点内容与解决方法进行了分析,旨在整理网络验证领域的发展脉络,为本领域研究者提供系统性文献参考和未来工作展望.     

基于Cayley图的三维六度环面网络研究

提出了一种三维六度环面Cayley图网络模型.针对该网络模型,给出了一种简单的三维节点编址方案,并利用该编址方案得到了任意两个节点间的最短距离公式;开发了一种简单的分布式最优路由算法,该算法可以运行于网络中的任意节点,可以建立任意两点之间的最短路由路径;基于陪集图(coset graph)理论,给出了一种新型的广播通信算法,并对该算法的效率进行了分析;给出了三维六度环绕网络模型直径的界限值.     

SNS开放的他山之石

1967年哈佛大学的心理学教授Stanley Milaram创立的六度分割理论是SNS赖以发家的基础，也是社会化网络（Social Networking）的早期理解。虽然现在我们都知道。六度分割理论不一定正确，因为没有谁会真的通过6个人再去认识别的人。但SNS的热潮并未因此降温。     

社会网络分析和社团信息挖掘的三项探索——挖掘虚拟社团的结构、核心和通信行为

社会网络分析是数据挖掘的新热点。文中综述了社会网络分析研究动态,介绍了作者近期在社会网络挖掘方面的三项探索,包括:（a）虚拟社团的结构挖掘,讨论了初始社团生成、权重计算,社团树生成和社团结构挖掘算法。(b) 基于六度分割和最短路径社团核心成员挖掘,讨论了计算节点间的最短路径,根据六度分割定理的剪枝,基于SPLINE算法和中心度挖掘犯罪子团伙中的核心的技术。(c)基于用户属性的通信行为挖掘,讨论了用户个性和通信行为关系的量化描述,采用911事件解密数据来建立社会网络,用于模拟恐怖分子间邮件的收发。     

基于H运算的动态网络重要节点识别方法

传统K-shell网络重要节点识别方法迭代时需网络全局拓扑信息,而且难以应用于动态网络。为解决该问题,提出基于邻域优先异步H运算的动态网络重要节点识别方法。首先,证明该算法收敛于Ks值,其次以各节点的度作为h指数初始值;然后,通过节点h指数排序和邻居节点h指数变化选择更新节点,同时针对动态网络节点的增减数目和最大度,修改h指数适应拓扑变化,直至算法收敛并找到重要节点。仿真实验结果表明,该方法通过邻居节点局部信息且以更高效率找到动态网络的重要节点,收敛时间在静态网络中较随机选择更新节点法与变化邻居选点法分别下降77.4%和28.3%,在网络拓扑变化后分别下降84.3%和38.8%。     

The balance of routing energy consumption in wireless sensor networks

In order to tackle the energy hole problem of sensor networks, the non-uniform node deployment strategy was presented recently. For achieving the expected performance of this deployment method, nodes need to transmit data to the sink node by selecting a node in the adjacent inner region decided by the deployment strategy. Since nodes near the outer boundary of a region will be covered by more nodes, the random selection method will cause the unbalanced energy consumption problem. In this paper, this issue is rigorously studied and a region constraint selection scheme is proposed based on the analytical result. By combining the region constraint strategy and the maximum energy node selection mechanism, a hybrid scheme is presented. Numerical and simulation results show that the region constraint scheme can achieve acceptable performance improvements over the random scheme and the hybrid mechanism also gains better performance in comparison to the maximum energy node selection scheme.     

动态传感器网络区域受限的移动sink路径选择研究

针对sink区域受限及节点特征参数的问题,如何规划sink路径选择以满足动态传感器网络高效数据收集及低能耗的要求,提出了一种动态传感器网络区域受限的移动sink路径选择方法。该方法在缓存节点辅助通信模式下,建立sink受限区域图模型。针对不同应用情况,分别讨论了sink移动全局路径信息已知和sink移动局部路径信息已知这两种情况下的最优移动路径。在全局路径信息已知时,采用Vornon单元划分的思想求解总传输能耗和节点平均负载;在局部路径信息已知时,采用启发式策略进行路径寻优,并证明其路径寻优的正确性。最后通过仿真实验与理论计算来验证移动sink最佳路径寻优策略的有效性和可行性。     

Identifying influential nodes in weighted complex networks using an improved WVoteRank approach

Influence maximization is an important research problem in the field of network science because of its business value. It requires the strategic selection of seed nodes called “influential nodes,” such that information originating from these nodes can reach numerous nodes in the network. Many real-world networks, such as transportation, communication, and social networks, are weighted networks. Influence maximization in a weighted network is more challenging compared to that in an unweighted network. Many methods, such as weighted degree rank, weighted h-index, weighted betweenness, and weighted VoteRank techniques, have been used to order the nodes based on their spreading capabilities in weighted networks. The VoteRank method is a popular method for finding influential nodes in an unweighted network using the idea of a voting scheme. Recently, the WVoteRank method was proposed to find the seed nodes; it extends the idea of the VoteRank method by considering the edge weights. This method considers only 1-hop neighbors to calculate the voting score of every node. In this study, we propose an improved WVoteRank method based on an extended neighborhood concept, which takes the 1-hop neighbors as well as 2-hop neighbors into account for the voting process to decide influential nodes in a weighted network. We also extend our proposed approach to unweighted networks. We compare the performance of the proposed improved WVoteRank method against the popular centrality measures, weighted degree, weighted closeness, weighted betweenness, weighted h-index, and weighted VoteRank on several real-life and synthetic datasets of diverse sizes and properties. We utilize the widely used stochastic susceptible–infected–recovered information diffusion model to calculate the infection scale, the final infected scale as a function of time, and the average distance between spreaders. The simulation results reveal that the proposed method, improved WVoteRank, considerably outperforms the other methods described above, including the recent WVoteRank.

     

基于FP-Growth的图上随机游走推荐方法

推荐是促进诸如社交网络等应用活跃度的重要模式,但 庞大 的节点规模以及复杂的节点间关系给社交网络的推荐问题带来了挑战。随机游走是一种能够有效解决这类推荐问题的策略,但传统的随机游走算法没有充分考虑相邻节点间影响力的差异。提出一种基于FP-Growth的图上随机游走推荐方法,其基于社交网络的图结构,引入FP-Growth算法来挖掘相邻节点之间的频繁度,在此基础上构造转移概率矩阵来进行随机游走计算,最后得到好友重要程度排名并做出推荐。该方法既保留了随机游走方法能有效缓解数据稀疏性等特性,又权衡了不同节点连接关系的差异性。实验结果表明,提出的方法比传统随机游走算法的推荐性能更佳。     

基于节点向量表达的复杂网络社团划分算法

社团结构划分对复杂网络研究在理论和实践上都非常重要.借鉴分布式词向量理论,提出一种基于节点向量表达的复杂网络社团划分方法（CDNEV）.为了构建网络节点的分布式向量,提出启发式随机游走模型.利用节点启发式随机游走得到的节点序列作为上下文,采用SkipGram模型学习节点的分布式向量.选择局部度中心节点作为K-Means算法的聚类中心点,然后用K-Means算法进行聚类,最终得到社团结构.在真实和模拟两种网络上做了丰富的实验,与主流的全局社团划分算法和局部社团划分算法作了比较.在真实网络上CDNEV算法的F1指标比其他算法平均提高19%;在模拟网络上,F1指标则可以提高15%.实验结果表明,相对其他算法,CDNEV算法的精度和效率都较高.     

一种基于区间规则的条件证据网络推理决策方法

针对证据网络推理方法无法对区间规则进行表示和推理的问题, 提出一种基于区间规则的条件证据网络推理决策方法. 该方法针对模糊规则的条件概率或信度为不确定区间的情况, 可同时表达不确定性和模糊性; 并将区间不确定规则转化为区间条件信度函数作为证据网络的结点参数, 通过条件推理和证据融合得到条件证据网络中各结点幂集空间中焦元的随机分布作为决策依据. 最后, 通过空中目标态势评估实例, 验证了所提出方法的有效性.

     

基于LEACH的WSNs分簇优化策略

针对LEACH算法中能量消耗不均匀的缺陷,本文提出了一种改进的路由协议来提高无线传感器网络的能量效率。在簇首选择阶段,引入节点剩余能量和初始能量来调节传感器节点随机数的大小;在成簇阶段,该算法将节点的剩余能量和距离汇聚节点的远近作为成簇的依据,使簇首的分布更加合理;在数据传输阶段,将节点与汇聚节点之间的距离及节点的剩余能量相结合,提出一种单跳与多跳相结合的传输方式,从而减少了能量消耗。仿真实验表明,改进后的算法能够更好的减少能耗,延长无线传感器网络的生命周期。     

基于标签影响力的半同步社区发现算法

微博网络与社交网络等的交互式社会信息网络规模的快速增长对社区发现提出巨大挑战。标签传播算法(LPA)虽然在时间复杂度上具有很大的优势,但是其内在的多种随机策略使得算法稳定性不高。针对LPA的随机问题,提出了一种基于影响力的半同步标签传播算法(ISLPA),能有效地避免振荡问题,巧妙地实现了相邻节点之间的同步更新,并结合影响力从初始标签、选择邻居节点和更新顺序三方面进行了改进,摒弃了原有的随机策略。真实网络和人工网络的实验结果表明,ISLPA具有较高的稳定性与有效性,与其他LPA相关算法相比存在明显的优势。     

异构传感器网络中的一种混合密钥预分配方案

针对异构无线传感器网络,提出一种混合密钥预分配方案。该方案针对异构节点采用不同密钥预分配策略：高级节点采用基于身份的公钥密码机制进行节点间的认证和密钥协商;普通节点主要采用基于单向散列链的随机密钥预分配策略,在高级节点的辅助下进行对偶密钥的建立。在对偶密钥建立过程中,采用共享密钥发现和密钥协商相结合的方法,充分发挥公钥密码机制和随机密钥预分配策略的优势,达到较好的安全连通性和抗毁性。理论分析和仿真试验结果证明方案的可用性和安全性。