时效网络结构及动力学研究进展综述

在时效网络中连边激活的时效特征能够显著影响相同时间尺度下网络系统的动力学行为，是当前网络研究的热点课题之一。该文从时效网络的建模方法、时效网络的结构特性及相关统计力学、时效网络中的传播动力学、时效网络与人类行为结合的统计特性及目前常用的处理时效网络的理论方法等多方面对时效网络的研究进展进行综述，并对目前的国内外研究现状进行分析，提出了时效网络面临的几个关键科学问题，展望了该领域未来的研究方向。     

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。     

基于混合深度模型的虚假信息早期检测

针对一种信息特征进行检测方法在信息传播早期阶段提取的特征信息往往不充分,导致传播早期阶段检测准确率较低的问题,提出一个新颖的混合深度模型EGSI,模型由EXTRACT、GRU、SCORE和INTERATE 4个模块组成。EXTRACT通过卷积神经网络提取信息的传播路径特征,GRU通过门控循环单元捕获信息的文本特征和反馈特征,SCORE基于用户行为挖掘用户特征,INRERATE整合以上特征并预测出信息事件类标。EGSI通过整合信息最基本的4种特征(文本、用户、反馈、传播路径),从而可以在信息传播的早期阶段充分提取可用特征信息,进而较准确地检测出虚假信息。真实数据集的试验结果表明,模型在信息传播60 min内的准确率达到95.9%。相比基准方法,EGSI模型在检测虚假信息的准确率和时效性之间取得了较好的平衡。     

知识和数据驱动的多时间尺度采样系统建模方法

针对多时间尺度采样系统快采样变量的信息难以充分利用，建模信息不足的问题，提出一种知识和数据驱动的多时间尺度采样系统的模糊迁移学习建模方法，建立多时间尺度采样系统模型，提高建模精度.首先，设计滤波插补方法填补慢采样变量的空缺值，统一慢采样变量和快采样变量为慢时间尺度，利用慢时间尺度变量建立目标模型.其次，提出模型共享机制补充目标模型的建模信息，统一慢采样变量和快采样变量为快时间尺度，利用快时间尺度变量建立参考模型，将参考模型中充足的模型知识迁移到目标模型中.最后，利用参考模型的知识和目标模型的数据学习目标模型的参数，提高目标模型的精度.将提出的建模方法应用于理论数据集，实验证明该方法可以充分挖掘建模信息，建立高精度的多时间尺度采样系统模型.     

基于模体的汽车行业站点网络复杂性测度

为了研究大规模网络结构复杂性测度方法,并针对汽车行业站点网络布局与结构功能优化提出对策,基于万维网页面链接数据,构建汽车行业站点网络拓扑结构图.借助VOSviewer聚类算法及Gephi检测并划分网络社团结构,解析基于主题搜索的汽车行业站点内容分类体系及功能结构,并利用Pajek验证各内容社团结构的小世界性,基于Rand-ESU算法检测各社团的模体结构,提出基于模体的网络结构熵算法测度各社团的复杂性.最后,得出汽车行业站点网络社区中模体结构具有同构性,导致社区结构的信息传播功能具有相似性,模体规模与模体信息传播途径多样化对网络结构复杂性影响的显著性较高.     

基于异质模体特征的社交网络链路预测

现有链路预测方法大多是针对同质网络,没有考虑到真实网络多数是节点或连边性质具有差异的异质网络,无法充分利用不同类型节点或连边的拓扑结构信息.提出了一种基于异质模体特征的链路预测方法,将网络中的用户以性别差异作为节点类型划分,构建区分节点类型的异质模体特征进行异质网络中的链路预测.在此基础上,提出融合同质模体与异质模体特...     

基于距离相似度的数据关联算法分析

多目标测向交叉定位时易产生大量虚假定位点,通过量测与目标之间的约束条件最大限度缩小假设集,再通过计算不同浮标组合下目标的距离相似度来滤除虚假点,获得目标真实航迹。该方法无需先验信息,只需3个测量平台,降低了平台间时间同步和数据互联的复杂度。仿真实验表明,应用该方法可以快速、稳定地完成多目标数据关联,具有良好的工程应用价值。     

基于SIR的Device-to-Device移动社交网络信息传播模型

智能移动设备的迅速普及在加快移动社交网络发展的同时,也给底层通信网络带来了沉重的负担。为了缓解底层通信网络的负担,越来越多的社交网络应用开始采用Device-to-Device技术传播信息。本文以Device-to-Device移动社交网络为研究对象,首先分析该网络中用户参与信息传播的特点,然后在传染病模型的基础上构建适合此网络特点的信息传播模型,并利用该模型分析真实Device-to-Device环境中的信息传播过程。结果表明,Device-to-Device移动社交网络中的信息传播与基于Internet的社交网络中的信息传播有相似之处;但是,由于Device-to-Device移动社交网络存在较大的传播时延,信息在该网络中需要较长的时间才能达到传播高峰。     

遗忘曲线的协同过滤推荐模型

针对资源历史评价信息的时效量化问题,研究了一种应用遗忘曲线的协同过滤推荐模型.该模型以推荐信系统的构成要素为基础,将历史信息的时效量化函数引入到未知评分资源的推荐计算中.通过多阶段时效量化方法与时间单位映射函数,揭示不同资源时效衰减速率随用户兴趣变化的规律,获取具有记忆心理学中遗忘特征的推荐评价数值.实验表明,与现有协同过滤推荐模型的推荐效果相比,模型能够合理解决时效量化问题并提供质量较高的推荐效果.     

基于信息熵理论的黄土高原小流域雨量站网优化

地面雨量站是降水数据最直接的来源,合理的雨量站点密度与空间布局能准确反映流域面雨量,对于构建流域水文模型至关重要.以黄土高原岔巴沟流域为研究对象,采用2001—2010年流域内11个地面雨量站的日、周、15 d时间尺度降雨量序列,以信息熵理论为基础,基于最大信息最小冗余准则(MIMR),分析11个地面雨量站之间降雨的信...     

成本信息不对称下PPP项目激励机制研究

针对PPP项目中私营企业运营成本存在异质性的特点,研究了抑制私营企业谎报成本信息的激励机制设计问题.通过建立委托代理模型,设计以价格补偿为激励措施的最优激励合同,使得私营企业谎报成本信息获得的收益不高于实报成本信息获得的收益,从而激励私营企业显示其真实的成本信息,进一步分析企业类型分布对最优激励合同的影响.研究表明:该...     

改进胶囊网络的滚动轴承故障诊断方法

针对滚动轴承工作环境噪声复杂,振动信号信噪比低且呈现非平稳和非线性的特点,以及传统诊断方法在噪声环境下分类诊断准确率低等问题,提出一种基于改进胶囊网络特征提取结构和反向传播损失值计算方法的滚动轴承故障诊断模型.应用多尺度卷积核Inception结构和空间注意力机制,替代传统胶囊网络单一卷积层进行特征提取,得到不同尺度下...     

旋转框定位的多尺度再生物品目标检测算法

针对传统目标检测算法未考虑实际分拣场景目标物形态尺度的多样性,无法获取旋转角度信息的问题,提出基于YOLOv5的改进算法MR²-YOLOv5. 通过添加角度预测分支,引入环形平滑标签（CSL）角度分类方法,完成旋转角度精准检测. 增加目标检测层用于提升模型不同尺度检测能力,在主干网络末端利用Transformer注意力机制对各通道赋予不同的权重,强化特征提取. 利用主干网络提取到的不同层次特征图输入BiFPN网络结构中,开展多尺度特征融合. 实验结果表明,MR²-YOLOv5在自制数据集上的均值平均精度(mAP)为90.56%,较仅添加角度预测分支的YOLOv5s基础网络提升5.36%;对于遮挡、透明、变形等目标物,均可以识别类别和旋转角度,图像单帧检测时间为0.02~0.03 s,满足分拣场景对目标检测算法的性能需求.     

基于概率的不确定时态信息的表示模型

时态信息表示和推理是时态数据库的研究重点之一,现实生活中很多时态信息是不确定的,现有的时态数据库模型在处理不确定时态信息方面仍存在较大困难.本文提出一种用概率的方法表示不确定时态信息的模型,用于描述各种具有确定或不确定时态信息的事件,定义了各类时态对象(如时间点、时间区间)以及它们之间的关系,并给出了不确定时态推理的例子.     

Reconstruction of different scales of pore-fractures network of coal reservoir and its permeability prediction with Monte Carlo method

There are millimeter, micron and nanometer scales of pores and fractures in coal to describe different scales of coal pores and fissures communicating path and to quantitatively characterize their permeability. Such information provides an important basis for studying coalbed methane output mechanism. The pores and fissures in a large number of coal samples were observed and counted by scanning electron microscopy and optical microscopy. The probability distribution models of pore-fissure network were then established. Different scales of pore-fissures 2D network models were reconstructed by Monte Carlo method. The 2D seepage models were obtained through assignment zero method and using Matlab software. The effect of permeability on different scale pore-fractures network was obtained by two-dimensional seepage equation. Predicted permeability is compared with the measured ones. The results showed that the dominant order of different scale pore-fractures connected path from high to low is millimeter-sized fractures, seepage pores and micron-size fractures. The contribution of coal reservoir permeability from large to small is millimeter-size fractures, micron-size fractures and seepage pores. Different parameters in different scale pore-fractures are of different influence permeability.Reconstruction of different scale pore-fractures network can clearly display the connectivity of porefractures, which can provide a basis for selecting migration path and studying gas flow pattern.     

谈会计信息的虚假及防范措施

对虚假会计信息产生的原因进行了分析,提出了具有针对性和可操作性的防范措施.对企业出具真实、可靠的会计信息,具有一定的借鉴和指导意义.     

协同装配建模关键技术的研究

装配接口表达方案和协同装配模型修改实时传播机制是协同装配建模研究的重点.本文研究了协同装配建模过程中产品各组件之间的关联关系,提出了新的装配接口表达方案,该方案信息全面,有利于实现协同装配建模;XML语言具有局部更新能力,可采用基于语义传输的方法,能解决三维实体模型传输数据量大、系统不能及时响应的问题,利用XML对装配接口表达进行定义,通过对XML解析实现了装配模型修改的实时传播控制;最后,在协同装配建模环境下给出了修改信息的实时传播系统体系框架.     

基于特征选择和时间卷积网络的工业控制系统入侵检测

针对工业控制系统流量数据存在特征冗余及深度学习模型对较小规模数据集检测能力较差的问题,提出了一种基于特征选择和时间卷积网络的工业控制系统入侵检测模型。首先,对源域数据集的异常特征和样本不平衡数据进行处理,提高源域数据集质量。其次,针对流量数据的特征冗余,利用信息增益率和主成分分析法构建IGR-PCA特征选择算法,筛选出最优特征子集实现数据降维。然后,根据工业控制系统流量数据的时间序列特性,在较大规模的源域数据集上,利用时间卷积网络（temporal convolution network,TCN）对时间序列数据优异的处理能力,构建源域时间卷积网络预训练模型。最后,在较小规模的目标域数据集上,结合迁移学习（transfer learning,TL）微调策略,获取源域样本数据的流量特征,构建目标域TCN-TL模型。利用公开的工业控制系统数据集进行实验测试,实验结果表明：流量数据经本文特征算法处理后,相较于其他方法,在降低数据维度减少计算量的同时仍具有良好的检测效果;在较大规模的源域数据集和较小规模的目标域数据集上,本文模型均取得了良好的检测效果,在目标域中利用迁移学习微调策略能够学习到源域中的知识,模型检测准确率为99.06%,在训练时间对比中,本文模型训练时间消耗更少,具有更好的泛化能力,能够更好地保护工业控制系统安全。