基于多层次灰色关联分析的复杂网络节点排序模型

复杂网络节点重要性是研究复杂网络特性的重要方面之一,被广泛应用于数据挖掘、Web 搜索、社会网络分析等众多研究领域。在选取评估节点重要性指标时,考虑到普通聚类系数仅能衡量网络节点聚类的疏密度,不能衡量聚类的规模,提出了修正的聚类系数;同时,选取了Erdos数和介数两个指标来综合衡量网络节点重要性,建立多层次 灰色关联分析模型,确定出各个节点与理想节点的关联度,实现对复杂网络节点的排序。模型不仅考虑到度、路径距离对节点排序的影响,而且也考虑到每个节点聚类程度对节点排序的影响。通过与实际网络和其他方法的排序结果对比,模型能够准确找到复杂网络的核心节点,并且排序结果真实反映了节点依次的重要程度。     

单层网络目标控制的多属性决策方法

目标控制,旨在研究如何选择与控制网络中的部分节点,已有工作主要采用随机选取和局部选取来进行,并没有考虑节点的重要性。针对现有的复杂网络节点重要性的评价指标比较单一的问题,在目标控制中采用了一种基于多属性决策的节点重要性综合评价方法,从不同的角度,利用网络中多个节点重要性指标,分别给出不同的权重对节点进行综合评价并且排序,以此选取重要的节点进行目标控制。在人工生成数据及真实数据集上的实验结果表明,该方法能够选出较少的驱动节点。     

基于故障模式的SFN中事件重要性研究

为研究系统故障演化过程(SFEP)中各事件的重要性,了解各事件对故障模式的影响,提出事件重要性分析方法.基于系统科学复杂网络节点重要性分析思想,在空间故障网络(SFN)框架内对SFEP中事件重要性进行分析;通过抑制事件发生(去掉节点)分析原始故障模式和抑制后故障模式的变化来衡量事件重要性,衡量指标包括致障率、复杂率、重要性和综合重要性,从不同角度对事件重要性进行分析.通过简单的SFEP说明了指标计算方法,结果表明,不同指标对事件重要性的研究侧重点不同,计算得到的各指标排序和具体数值也不同,为进一步研究事件重要度提供了理论基础.     

一种电力通信网络重要节点识别模型

针对目前电力通信网络重要节点识别时存在识别精度低、考虑片面的问题，提出了一种多层节点重要性识别模型。通过将电力通信网络分为物理拓扑层、传输层和服务层三层结构，建立不同层中节点重要性度量指标。提出了自适应的基本度量可信度指标，从而计算不同层的基本测度可信度与节点综合临界度。实验结果表明，与APT、ASI、AST、TOPSIS等模型相比，所提多层节点重要性识别模型可综合考虑物理拓扑层、传输层、服务层中各节点重要性度量，从而高质量确定电力通信网络中重要节点。仿真结果符合实际情况，验证了所提模型的有效性和实用性。     

CPS拓扑结构节点重要性排序方法

信息物理融合系统(Cyber-physical Systems,CPS)拓扑结构中节点重要性排序是CPS拓扑分析的重要方面。针对CPS内在结构特征,构建一种CPS拓扑结构模型——交互网络模型。然后结合CPS信息交互特点定义节点交互介数作为衡量具体节点重要性度量,阐明该测度能够反映节点的相对重要度,并给出了时间复杂度为多项式阶的节点重要性排序有效算法。最后构建CPS拓扑实例进行分析,并与节点介数进行对比,说明节点重要性排序能够为CPS的运行和防护提供重要参考。     

优势关系下多粒度粗糙集排序方法及其应用

排序方法是多粒度粗糙集研究的一个重要内容。分析了现有优势关系多粒度粗糙集排序方法的优缺点,对现有排序公式进行改进,使其构造的优势关系矩阵满足对称互补性,且能有效克服方法失效问题。同时,基于相对优势度的视角提出优势关系多粒度粗糙集排序新方法;考虑不同粒度的重要性问题,定义了优势关系多粒度粗糙集的加权排序公式,讨论了公式的含义与性质;最后实例说明了两种方法的实用性和有效性。     

改进的随机游走模型节点排序方法

复杂网络节点重要性排序是研究复杂网络特性的重要方面之一,被广泛应用于数据挖掘、Web搜索、社会网络分析等众多研究领域。基于物理学场论模型,提出改进的随机游走模式的节点重要性排序算法,即通过节点之间相互作用的场力来确定随机游走模型中的Markov转移矩阵,这样可以对节点重要性排序作出更加准确真实的评估。实验结果表明,所采用的节点重要性评估方法能更合理地解释节点重要性的意义,并且可以给出更加真实精确的节点重要性的评估结果。     

边排序质量影响因素研究

网络可靠度BDD分析方法的计算性能与BDD尺度紧密相关,而BDD尺度严重依赖边排序质量。因此,边排序问题是网络可靠度BDD分析方法的重要问题。由于求解最优边排序是一个NP问题,在实际网络可靠度分析中,通常采用启发式边排序策略如BFS和DFS,它们适用不同类型的网络。然而,对于给定网络,采用何种边排序策略更优,有哪些因素影响边排序质量,迄今没有给出评判依据。利用边界集思想,提出"边界长度(BSL)"概念,并用边界长度BSL表征边排序质量,揭示边界长度BSL和BDD尺度(节点数目)之间的关系。实验结果表明,边界长度BSL与BDD尺度具有正相关性,即较小BSL对应的BDD尺度较小,较大BSL对应的BDD尺度较大,多数情况下,BSL取最值时,BDD尺度能取到(或接近)最值。这为特定网络选择(或设计)高性能边排序提供了重要的参考依据。     

复杂网络的节点重要性综合评价

复杂网络中的节点重要性研究在不同领域都具有重要意义。针对单一指标评价的局限性和片面性以及现有的一些综合评价方法不够准确等问题,提出了一种新的综合评价方法,该方法结合改进的主成分分析法和TOPSIS法计算节点重要性的排序结果。通过对ARPA网络和美国航空网络进行实验分析,验证了该方法的准确性和有效性,它为进一步完善节点重要性评价方法奠定了基础。     

基于Transformer的节点影响力排序模型

节点影响力排序是复杂网络的一个重点话题,对识别关键节点和衡量节点影响力有着重要作用。目前,已有诸多研究基于复杂网络探索节点影响力,其中深度学习显示出了巨大的潜力。然而,现有卷积神经网络(CNNs)和图神经网络(GNNs)模型的输入往往基于固定维度特征,且不能有效地区分邻居节点,无法适应多样性的复杂网络。为了解决上述问题,文中提出了一种简单且有效的节点影响力排序模型。该模型中,节点的输入序列包含节点本身及其邻居节点的信息,且可以根据网络动态调整输入序列长度,确保模型获取到足量的节点信息。同时该模型利用自注意力机制,使节点可以有效地聚合输入序列中邻居节点的信息,从而全面地识别节点的影响力。在12个真实网络数据集上进行实验,通过多维度的评价标准验证了该模型相比7种已有方法的有效性。实验结果表明,在不同的网络结构中,该模型均能有效地识别网络中节点的影响力。     

一种基于中介真值程度度量的模糊综合评价方法

鉴于现有的综合评价方法大多为刚性的评价,不适用于模糊因素评价,提出了一种基于中介真值程度度量的模糊综合评价方法,对效益型指标、成本型指标和区间型指标3种情况下的真值程度度量过程和参数取值方法进行了设计;并基于真值程度度量结果构造了中介模糊评判矩阵来进行综合评价。 为处理模糊信息创建了中介数学系统。相比传统模糊评价方法,基于中介真值程度度量的模糊综合评价方法更具有客观性,因此能更有效地处理模糊现象。与其他综合评价方法的对比实验表明,所提出的方法是有效的,并具有一定的优越性。     

复杂网络中的一种介度熵抗毁性度量方法

在复杂网络中，核心节点的损坏可能会影响到整个网络的稳定性。基于节点重要性研究了网络抗毁性度量和抗毁性能。综合考虑节点度值和介数对节点重要性的影响，提出了局部介-度中心性指标。兼顾节点的聚集系数，提出节点抗毁性度量方法。为了估量网络的抗毁性能，提出了介-度熵度量及其算法。仿真攻击实验结果表明，基于介-度中心性的攻击策略移除约20%的节点后，可将网络近似地分割为孤立节点集合，它优于传统的攻击策略，表明介-度中心性指标可以更准确地刻画节点重要性。对不同模拟网络的抗毁性评估计算结果则表明，介-度熵度量对网络抗毁性能的排序符合实际情况，在衡量网络抗毁性方面是完全合理的。     

Two ranking schemes for efficient computation on the starinterconnection network

A node ranking scheme provides the necessary structural view for developing algorithms on a network. We present two ranking schemes for the star interconnection network both of which allow constant time order preserving communication. The first scheme is based on a hierarchical view of the star network. It enables one to efficiently implement order preserving ASCEND/DESCEND class of algorithms. This class includes several important algorithms such as the Fast Fourier Transform (FFT) and matrix multiplication. The other ranking scheme gives a flexible pipelined view of the star interconnection network and provides a suitable framework for implementation of pipelined algorithms     

一个有效的动态网络节点影响力模型

网络节点影响力度量对社会网络研究具有重要的价值,静态网络的影响力度量是目前研究的主要问题。然后社会网络的结构经常会随着时间变化,呈现出动态网络。静态网络节点影响力度量模型虽然可以对动态网络不同时间点上的快照进行度量,然后这种机制很难刻画动态网络节点影响力的变化过程。本文将动态网络建模为不同时间点网络的叠加快照,然后构建了动态网络边权重衰减和节点影响力衰减机制,基于衰减机制提出了动态网络节点影响力模型,模型可以应用于加权或无权动态网络节点影响力度量。为了客观衡量本文模型的性能,在一个模拟网络和三个真实网络进行了不同实验。在模拟网络上,将结果与人工标注的结果计算肯德尔系数,针对三个真实网络则进行了不同角度的影响力效果分析。实验结果表明本文模型不仅可以较好的刻画动态网络节点影响力的变化过程,还可以准确度量动态网络节点影响力。     

基于重要度排序与全寿命周期的配网故障治理措施优化方法

摘 要：为优化配网故障治理措施，提升配网供电可靠性，针对配网故障治理措施优化问题，以故障、投诉、措施实施空间为约束条件，以综合效益优化为目标函数，基于Prato最优原则和Well-bing模型，提出一种基于设备重要度排序和全寿命周期的配网优选设备的治理措施。基于Well-bing模型的配网设备重要度排序综合考虑了环境的恶劣度、网络的复杂度和设备的重要度，与状态检修不同，基于大数据的重要度评价，评估输入的底层基础数据更丰富、评估结果更合理可靠。基于Prato最优原则，以设备全寿命周期内的综合经济性最优为目标，按照设备重要度排序进行差异化治理措施优选，治理措施更精准。基于上述方法，对某重过载配变及其所处的区域进行了治理措施优化，实际应用效果验证了该方法的有效性。     

容迟与容断网络路由协议的综合评估模型

针对容迟与容断网络路由协议评估中指标信息的灰色性问题,提出一种容迟与容断网络路由协议的综合评估模型。该模型采用层次分析法确定评估指标的权重,利用灰色理论建立评估样本矩阵与评估灰类,获得灰色评估系数与权矩阵,将评估路由协议性能的主观因素限制在很小的范围内,使评估结果更加客观可信。实验结果表明该模型是有效的。     

基于FAHP的网络性能综合评价的研究*

针对工业现场对有线/无线异构网络的性能要求,提出了一种基于模糊层次分析法( FAHP)的网络性能综合评价方法,着重分析了网络的综合性能指标参数的获取和利用FAHP算法确定各指标权重的过程。通过对不同业务和参数的多媒体仿真网络的性能评价验证算法的准确性,最后针对一个具体的有线/无线异构仿真网络进行评价,比较了不同用户要求下得到的网络性能综合评价值。实验结果表明,采用基于FAHP的网络性能评价算法对于工业异构网络的性能评价是准确有效的。     

Mining diversity on social media networks

The fast development of multimedia technology and increasing availability of network bandwidth has given rise to an abundance of network data as a result of all the ever-booming social media and social websites in recent years, e.g., Flickr, Youtube, MySpace, Facebook, etc. Social network analysis has therefore become a critical problem attracting enthusiasm from both academia and industry. However, an important measure that captures a participant’s diversity in the network has been largely neglected in previous studies. Namely, diversity characterizes how diverse a given node connects with its peers. In this paper, we give a comprehensive study of this concept. We first lay out two criteria that capture the semantic meaning of diversity, and then propose a compliant definition which is simple enough to embed the idea. Based on the approach, we can measure not only a user’s sociality and interest diversity but also a social media’s user diversity. An efficient top-k diversity ranking algorithm is developed for computation on dynamic networks. Experiments on both synthetic and real social media datasets give interesting results, where individual nodes identified with high diversities are intuitive.