基于扩散理论的动态社区挖掘

针对动态社区挖掘问题进行分析和研究,基于优先情节和增长定律,根据节点的度数分布,提出以时间为轴动态模拟社会网络的形成演化机制,同时进行社区划分。以Zachary Club和工二s Miscrablcs网络作为实验数据集,对提出的算法进行了实验验证,结果表明,该算法挖掘到的社区都是强连通社区,能够动态、精确地挖掘网络中存在的社区结构,具有较高的实用价值。     

基于角色划分的文献软聚类算法*

传统的文献聚类算法根据分析文献关键词进行,忽视了文献之间的引用关系,导致了主题漂移和搜索精度不高的问题。针对引文网络中的聚类问题,受到优先情节和增长定律的启发,提出了一种基于角色划分的分层次的文献软聚类算法。首先根据文献之间的引用关系构造引用矩阵,进行结构挖掘;然后根据结构挖掘的结果为每一聚类构造聚类主题,进而进行关键词分析,精化聚类。实验结果表明,该算法能够有效地提高搜索精度和效率。     

基于角色划分的动态社区挖掘算法研究

传统社区挖掘算法根据静态的网络拓扑结构进行分析,忽视了个体能动性对网络的影响。针对社会网络中的特殊节点进行研究,引入社区种子和联系者的概念,从个体主义和结构主义两个方面分析社会网络的形成与演化机制,提出了一种基于角色划分的动态社区挖掘算法。在人工网络和真实世界网络上进行了多次测试,并与G-N、快速G-N、Polish等算法进行了比较,结果表明,该算法明显优于G-N算法,且其挖掘到的社区都是强连通社区,具有较好的适应性和可扩展性。     

电子政务系统中角色网络扩展模型研究*

从当前角色网络模型(RNM)所存在的问题入手,通过加入时限约束和解决角色间继承关系上的缺陷对角色网络模型进行改进,并进一步提出基于时限约束的角色网络模型(TRNM)。该模型在继承角色网络模型全部优势的同时,一方面解决了原有RNM中角色间继承关系上的缺陷,使高层角色可以部分继承底层角色的权限;另一方面则通过对时限约束特征的定义和分析,给出了在时限约束条件下TRNM的组成成员和形式化描述,最后具体给出了TRNM的开发方法流程。     

基于广义后缀树的二分网络社区挖掘算法

近年来,二分网络的社区挖掘问题得到了极大的关注。提出了一种基于广义后缀树的二分网络社区挖掘算法。首先从二分网络的邻接矩阵中提取网络中每个节点的链接节点序列,然后构建广义后缀树。广义后缀树的每个节点表示二分网络的一个完全二分团,由此获取并调整完全二分团。通过引入二分团的紧密度得到初始的社区划分,最后再对孤立点进行处理以得到最终的社区划分。所提算法不仅能发现重叠社区,而且能得到一对多关系的社区。在人工数据集和真实数据集上的实验表明,所提算法能准确地识别二分网络中的社区个数,获得很好的划分效果。     

基于扩散理论的HITS算法在Web挖掘中的研究与优化*

传统的HITS算法单纯地对网页的链接结构进行分析,忽视了页面内容分析和网页的链接增幅,导致了主题偏离和搜索精度不高的问题。针对上述问题进行研究与分析,将超链接信息检索方法与页面内容相结合,根据优先情节和增长定律,提出了一种改进的基于扩散理论的HITS算法。实验结果表明,与传统的HITS和SALSA算法相比,该HITS算法能够有效地限制主题偏离,提高搜索精度,具有较高的实用价值。     

动态社会网络中的社区演变挖掘

在静态网络图中对社会网络进行分析,可能忽略网络的时间特性,从而错过捕捉动态网络演变模式的机会.为检测社区的演变及社区结构随时间的变化,分析动态社区,为每一个社区定义一系列重大事件,给出社区匹配算法,并对元社区的概念进行定义.实验结果证明,采用该算法建模和检测社会网络中的社区演变,可有效识别和追踪随时间变化的相似社区.     

信息系统中的角色网络模型和方法研究

通过对组织的一般要素及其关系的分析 ,建立了角色网络模型 ,并给出了相应的数学描述 ,阐述了角色网络开发方法。在此基础上介绍了一种信息系统开发支撑平台 ,并将其应用于实际项目的建设。     

无线Mesh网络混合策略的接口角色决定*

针对无线Mesh网络混合策略的接口角色决定问题至今尚未定论,定义了接口角色决定问题,并证明了该问题是NP难题。为了在合理的时间内解决接口角色决定问题,提出了一种近似1/2算法。该算法在维持原拓扑结构的情况下,最大限度地提高了接口间可切换对的总数量,从而帮助节点找到更多路径以避免干扰、平衡传输负载。同时,也确保了节点之的连通性。所定义的问题有利于提高网络吞吐量,该算法优于现有方法。     

复杂网络重叠社区结构发现的演化算法研究

复杂网络重叠社区结构的划分已成为复杂网络研究的一个热点,目前已提出了很多关于社区结构发现的算法。提出了一种基于个体从众的演化算法ICEA,基本思想是由节点邻居组成的个体依概率进行从众和变异操作,用较短时间找到最优(或拟最优)模块度的社区划分,社区结构确定后利用邻居投票机制NV发现网络的重叠节点,完成重叠社区的划分。在真实网络的实验结果表明,此算法的使用时间和划分结果都优于典型算法。     

一种新颖的社会网络安全策略分析

社会网络的发展为用户提供了新的商业机会和沟通渠道,但同时也引入了新的安全问题.网络攻击的复杂性、多变性,使得如何利用最低的网络开销提供最优的服务安全成为当前的研究热点之一.针对社会网络中的信息安全问题,引入“柔性退化”的概念,以G-N和分角色社区挖掘算法为基础提供不同的安全保护措施,建立了一种基于角色划分的多层次柔性抗攻击社会网络防护体系.通过研究表明,分角色安全保护策略的效果远远优于基于G-N的单一保护策略,它能够使用较低的网络开销保持灵活、持久、稳定的抗攻击效果.     

基于优先队列的时变网络最短路径算法

提出了基于优先队列的时变网络最短路径算法,能克服传统最短路径算法难以对时变网络求解最短路径的缺陷。提出的时间窗选择策略能够在算法求解过程中为节点选择合适的时间窗以降低路径长度,从而求得精确解。进一步地,算法使用了优先队列组织节点集合以提高计算效率。在随机生成的网络数据以及美国道路数据上的实验表明,基于优先队列的时变网络最短路径算法与经典方法相比,不仅能够求得精确解,运算速度也有所提高。     

静息态脑功能网络的社团结构研究

为了探索人脑的工作机制,提出将社团划分算法应用于人脑功能网络。利用功能磁共振(fMRI)采集28名健康被试静息态脑功能数据,构建了基于时间序列的脑功能网络;根据模块度和网络全连接理论对网络中的边数划定阈值范围,利用层次聚类算法和贪心算法对脑网络进行社团划分,实验结果证明两种算法的划分结果基本一致,验证了人脑功能网络具有模块化结构;进而分析了脑网络社团结构在跨阈值范围内的差异化表现,提出了研究脑功能网络的边数有效阈值范围是180至320条边。挖掘脑网络的社团结构有助于研究脑病变机理,以辅助脑疾病的诊断治疗。     

网络社区发现的多目标分解粒子群优化算法

通过分析社会网络中社区发现问题的优化目标,构造了社区发现的多目标优化模型,提出一种网络社区发现的多目标分解粒子群优化算法。该算法采用切比雪夫法将多目标优化问题分解为多个单目标优化子问题,使用粒子群优化(PSO)算法对社区结构进行挖掘,并引入了一种新颖的基于局部搜索的变异策略以提高算法的搜索效率和收敛速度,该算法克服了单目标优化算法存在的解单一以及难以发现社区层次结构的缺陷。人工网络及真实网络上的实验结果表明,该算法能够快速准确地挖掘网络社区并揭示社区的层次结构。     

基于协同过滤的Web服务动态社区发现算

针对现有社区发现算法挖掘结果精确度不高以及Web服务资源智能推荐质量较低的问题,在传统协同过滤算法的基础上,提出了基于节点相似性的动态社区发现算法。首先以连接节点最多的中心节点为起始网络社区,以社区贡献度为衡量指标不断形成多个全局贡献度饱和的社区;再使用重叠度计算将相似度高的社区进行合并,最后通过计算目标用户与社区中其他用户之间的动态相似度,将计算结果降序排列后构成邻近用户集,获得社区化推荐对象。实验结果表明,提出的社区发现算法对用户社会网络的社区分类与实际社区分类结果吻合,提高了社区挖掘的精确度,有助于实现高质量的社区化推荐。     

复杂网络中社区发现方法的研究

研究复杂网络中社区发现方法对分析复杂网络的拓扑结构和层次结构、理解社区的形成过程、预测复杂网络的变化趋势、挖掘复杂网络蕴含的规律特征具有十分重要的意义。同时,复杂网络社区发现方法在众多实际领域还有广泛的应用前景。综述了复杂网络社区发现方法的研究现状,将社区发现方法分为无重叠社区发现、重叠社区发现、演化发展社区发现三个方面,并分析比较了算法时间复杂度和准确度。试图为社区发现方法的研究工作提供有益的帮助和参考。     

Epidemic机制下基于优先级的机会网络路由算法

在机会网络某些应用场景中,部分节点有优先使用网络资源的需求。提出并在ONE仿真平台上实现了Epidemic机制下基于优先级策略的路由算法。该算法为网络中节点分配了不同的优先级,并通过一定的策略抑制低优先级节点使用网络资源,以此来保证高优先级节点优先使用网络资源。仿真结果表明,当选择恰当的时间因子时,该算法可有效地抑制Epidemic过度泛洪,在不影响网络总体性能的前提下大幅度提高优先级节点的性能。     

基于角色和CSCL的智能网络协作模型

为深入研究智能Agent在开放动态的网络环境中的应用，把角色机制应用到网络学习环境中，提出了一种新型的基于CSCL的智能网络协作模型，给出了智能Agent的结构表示及功能，并从多角色的角度给出了模型中Agent的分类。最后以共同学习活动为例，对Agent之间基于角色的协作过程进行了形式化描述。