用于评价通信网节点重要性的多参数优化算法

为更有效地评价通信网节点间的重要性,以节点删除算法为基础,提出一种多参数优化算法.定义节点重要性参数,通过比较该参数的大小评价节点重要性,进而反映删除节点后对整个通信网的影响程度.实验结果表明,相比于节点删除算法,多参数优化算法对各节点重要性的评估更为精确.     

基于节点亲密度的重要性评估算法

识别复杂网络中的重要节点一直是社会网络分析和挖掘领域的热点问题,有助于理解有影响力的传播者在信息扩散和传染病传播中的作用.现有的节点重要性算法充分考虑了邻居信息,但忽略了邻居节点与节点之间的结构信息.针对此问题,考虑到不同结构下邻居节点对节点的影响力不同,提出了一种综合考虑节点的邻居数量和节点与邻居间亲密程度的节点重要...     

网络舆论中节点重要性评估方法综述

介绍了国内外关于网络舆论中节点重要性评估的研究现状,系统地分析了节点重要性的模型和方法,从基于网络拓扑结构和基于节点属性两大方面综述了现有方法的思路和特点,进一步介绍了最新的研究进展和今后可能的发展方向。     

基于网络资本评估的蛋白质节点重要性排序

蛋白质是生物体生命活动中最为核心的物质基础。如何用定量分析的方法识别蛋白质网络中那些是关键蛋白质,或者评价某些蛋白质的重要程度,这是蛋白质组学中亟待解决的重要问题之一。从蛋白质网络拓扑特征出发,结合交通网络中可达性的概念,具体量化每一个蛋白质节点的作用,通过统计整个蛋白质网络的网络资本值的变化量,来衡量蛋白质节点的重要性,为进一步识别关键蛋白质提供了理论和实验的依据。     

一种基于互信息的复杂网络节点重要性评估方法

在复杂网络中,如何量化节点的重要性是一个基本问题。首先阐述了现有的计算方法,在此基础上提出了一种基于互信息的节点重要性评估方法。该方法揭示了网络拓扑结构特性,准确反映了节点的相对重要程度。对该方法进行了实验论证,并与现有方法进行了分析比较,结果表明基于互信息的评估方法简单有效,特别适用于大型复杂网络节点重要性的评估。     

基于网络熵变率的节点重要性排序方法

在通信网络中,节点的重要性不仅与网络的拓扑结构有关,而且与当前的网络负载状态相关。论文在分析网络负载和网络熵之间变化关系的基础上,首先定义了网络熵变率,然后设计了以网络熵变率为基础的节点重要性排序方法MixR(Mix Ranking)。论文以Abilene网和GEANT网的公开数据集作为分析对象,以SIR(Susceptible-Infected-Recovered)作为节点重要性评价的参考模型,通过与度中心性、接近中心性、特征向量中心性,以及半局部中心性方法对比,证实了MixR方法的有效性和准确性。     

基于网络拓扑评估网络可靠性的新算法

现代网络技术飞速发展,致使通信网络得到深入研究,而网络的可靠性是评估网络好坏的重要标准之一．在以往研究理论和实践的基础上,根据节点删除法／链路收缩法,分别对节点／链路的重要性进行评估,作适当处理,基于网络固有的拓扑结构,并结合网络传输特性,提出了评估通信网络可靠性的新方法——n儿算法（CombinedwiththeimportanceofNodes,LinkandTransmissionflow）．该方法有效地评估了在具有不同网络拓扑结构的通信网络的可靠性,实验证明该方法优于二元决策图法,具有高可靠性．     

复杂网络中重要性节点发掘综述

发掘网络中重要性^1节点（边）一直是图论领域的一个基本问题。随着近年来复杂网络研究热潮的兴起,特别是很多实际网络所抽象出来的复杂网络,表现出了与以往图理论不同的特性,如小世界特性、无尺度特性等。如何在复杂网络环境下,发掘重要性节点已经成为复杂网络研究的一个基本问题。本文简要介绍了复杂网络的基本概念,详细总结、分析了在复杂网络环境下几个领域中发掘重要性节点的方法,最后提出了这一领域内几个有待深入研究的问题和可能的应用方向。     

基于社区划分的节点重要性评估方法

对于PageRank方法结果过于集中,未考虑复杂网络社区结构特性的问题,提出了一种改进的,基于复杂网络社区划分的节点重要性排序方法CD-PR。根据标签传播算法（LPA）对复杂网络进行社区划分的结果,将社区的内外连接关系转化为社区选择的概率表示;按照社区选择概率,分别从各个社区提取一定比例的候选关键节点;将这些候选节点重新排序,得到关键节点排序结果。以4个真实复杂网络作为实验数据,与现有算法进行对比,进行SIR传播性能实验。实验结果表明,CD-PR算法筛选出的节点在整体传播性能上具有更好的效果,CD-PR算法可以有效地对复杂网络的节点进行重要性排序。     

基于接连失效的复杂网络节点重要性评估

复杂网络可靠性分析中关键要考虑的是“核心节点”的安全,而核心节点的确定有很多方法,本文在已有方法基础上提出了基于负载接连失效的节点重要性评估方法,结合网络节点的负载,给节点定义了“过载函数”,使得节点重要性评估不仅更加简便,而且能更合理地确定节点的重要性。最后通过一个具体实例证明该方法的可行性。     

网络抗毁度和节点重要性评价方法

针对现有评价模型无法准确评价某些典型网络抗毁度和节点重要性的问题,提出一种基于全网平均等效最短路径数的网络抗毁评价模型,全网平均等效最短路越多,网络的抗毁能力越强。在此基础上,提出一种节点重要性评价方法,如果节点失效后网络抗毁度下降越多,则该节点在网络中的重要性越大。     

基于网络流路径模型的军事通信网可靠性分析

考虑军事通信网中节点的不同功能属性、节点之间的关联协作和信息流动的方向性,结合网络流理论,构建一种符合军事通信网特征的网络流路径模型。在此基础上定义基于时延的通信可靠性和通信节点重要度,用以表征网络实际运行的可靠性。分析军事通信网在一般情况和突发性情况下的通信可靠性,结果显示通信可靠性均存在峰值,反映出军事通信网的可靠通信能力,进而计算通信节点的重要度,找出网络的瓶颈节点。通过分析通信节点负载情况,验证了该模型的有效性。     

基于重要度贡献的无标度网络节点评估方法

针对无标度网络的节点重要度评估问题,通过分析节点的邻居数量与其邻居间的拓扑结构,得到节点的结构洞重要性指标,再融合相邻节点的K核重要性指标值来确定相邻节点间的重要度贡献,以此表征相邻节点的局部信息;在此基础上,再结合表征节点位置信息的节点自身的K核重要性,从而提出一种基于节点间重要度贡献关系来评估无标度网络的节点重要度的方法.该方法综合考虑了节点的结构洞特征和K核中心性特征来确定节点的重要度,同时兼顾到了网络的局部和全局重要性.理论分析表明,此方法的时间复杂度仅为o（n²）.与其他几种算法仿真对比的结果表明,该方法可行有效,拥有理想计算能力,适用无标度网络.     

一种新的复杂网络节点重要性评估方法

网络拓扑结构及节点间的相对距离对复杂网络节点的重要程度具有较大影响。在分析并研究现有节点重要性评估方法的基础上,根据邻居节点的拓扑结构并结合万有引力定律,提出一种基于改进重力中心性的复杂网络节点重要性评估方法。实验从SIR传播模型的准确性和单调性两方面验证了该方法的有效性,且结果表明其可对节点重要性进行重新排序,相比度中心性、介数中心性等方法能更准确地评估复杂网络节点的传播能力与重要性。     

基于图神经网络的机会网络节点重要度评估方法

机会网络(opportunistic network)是一种利用节点移动的相遇机会实现通信的自组织网络,机会式的通信方式导致其具有时变性与动态性,节点重要度的评估是研究机会网络信息传播的关键.提出一种基于图神经网络的机会网络节点重要度评估方法.将机会网络进行时间切片,对得到的机会网络单元采用聚合图建模,以表征网络信息;采用动态网络嵌入模型提取机会网络单元间的时序变化信息、拓扑结构信息,得到网络的动态属性特征;借助图神经网络(graph neural network, GNN)在图数据处理上的优势,获得网络动态属性特征与节点重要度之间的映射关系,实现节点重要度的评估.在3个真实机会网络数据集MIT,Haggle,Asturias-er上的实验结果表明：相比于时效介数(temporal betweeness, TB)方法、时效度(temporal degree, TD)方法、时效PageRank(temporal PageRank和f-PageRank)方法以及kshell-CN方法,该方法具有更快的消息传播速率和更大的消息覆盖范围,其SIR和NDCG@10指标更优.     

一种针对大型局域网的节点重要性分析方法

本文首先针对大型局域网的特点定义了网络设备的结构负载,并且在此基础上提出了基于负载重新分配的相继故障模型,该模型为每个节点定义了过载函数,使用过载函数值的变化来反映网络拓扑的演化。在该模型基础上,提出了基于相继故障模型的节点重要度排序方法,并通过实验分析了该方法的可行性和有效性。     

动态加权网络中节点重要度评估

目前节点重要度评估中针对静态无权图的研究比较多,针对动态加权图的研究相对较少。针对加权网络提出了等效点权节点重要度评估方法;考虑加权网络的动态性,提出了动态距离矩阵更新算法;结合动态规划和迭代的思想,给出了一种新的求距离矩阵的方法;考虑加权网络的社区性,提出了基于距离增量的分组算法;最后,综合给出了基于距离增量分组的动态节点重要度评估算法(node importance evaluation based on distance-increment grouping in dynamic weighted network,IDGD),通过在C-DBLP(digital bib-liography & library project in China)数据上的对比实验,验证了算法的可行性和有效性。     

一种基于改进K-shell的节点重要性排序方法

对复杂网络中节点的重要性进行排序在理论和现实中都有着重要的意义。传统K-shell分解方法有着排序结果分辨率不高的缺陷。针对这一问题,本文提出了一种改进的K-shell方法,通过利用K-shell分解过程中节点被删除时的迭代层数来进一步区分不同节点的重要性程度。在三类不同的现实网络中的实验表明,本文提出的方法能够有效解决传统方法的缺陷,在提高排序结果分辨率的同时有着较好的时间复杂度。