网络社区中的意见领袖特征分析

本文通过社会网络分析方法识别网络社区中的意见领袖.首先对意见领袖存在的人际关系网络结构特征进行分析,对比论坛、博客和问答网络之间的区别,提出基于无向、有权重网络模型更能真实准确地识别意见领袖.并基于该网络模型研究和分析了网络论坛结构特征,通过测量其小世界和无标度的复杂网络特征,定量分析意见领袖存在的社会性根源.其次提出...     

小世界人工神经网络模型及其应用研究

关于优化神经网络模型的快速性和精度,为了寻找最优的神经网络结构,在复杂网络的研究方法对多层前向神经网络模型的基础上,提出一种在层次结构上处于规则型到随机型神经网络过渡的中间网络模型-NW型多层前向小世界人工神经网络模型.利用对多层前向规则神经网络中神经元以某一概率p随机化向后层跨层连接,构建新的神经网络模型,然后将不同跨层概率下的小世界人工神经网络应用于函数逼近.在设定精度相同情况下对不同概率下的收敛次数做比较,仿真发现随机化加边概率p处于p =0.08附近时的小世界人工神经网络比同规模的规则网络和随机网络具有更好的收敛速度,实验证实采用NW型小世界多层前向人工神经网络模型,在精度和收敛速度上均得到提高.     

加速增长的HK网络演化模型

近年来,随着复杂网络演化模型的深入研究,研究的焦点已从全局结构转移到了局部结构,其中,网络的集团度及其分布受到了广泛关注.实证研究表明,大量真实网络具有幂律的低阶集团度分布,而且分布指数随集团阶数的上升呈下降趋势.这一普适规律无法由Holme和Kim(HK)模型的熟人推荐机制再现.在HK模型中考虑网络演化的加速增长这一重要因素,提出一种改进的HK模型.数值模拟显示,改进的HK模型生成网络的簇系数较大,平均最短路径较小,不仅具有小世界效应和无标度特性,而且再现了真实网络的低阶幂律集团度分布特性.此研究有利于更好地认识真实网络中的各阶基元.     

基于增广链修复的最大流求解算法

NW小世界网络及BA无标度网络是现实中常见的两种网络,这两种网络中任意两点之间有极大可能存在多条路径,若舍弃饱和增广链并重新寻找增广链,则效率不高,因此针对网络的这一特性提出了一种增广链修复的最大流求解算法.该算法沿最短增广链调整流量后,保留路径上残余的非饱和弧,并用贪心法则选择合适的中继节点修复断开的增广链,提高增广链使用效率.通过对NW小世界网络和BA无标度网络建模仿真,得到并验证了所提算法在这两种网络上的运行速度数倍于Ford-Fulkerson算法且其空间复杂度仅有Dinic算法的一半,因此所提算法能够高效处理更大规模网络流问题,以适应日益膨胀的通信网络和交通运输网络.     

基于复杂网络的舰艇编队协同反导作战模型研究

现代战争已进入网络化作战时代,利用小世界网络具有较小的最短路径和较大的聚类系数,BA无标度网络的择优连接特性,提出传感器之间采用NW小世界网络连接,决策器之间采用BA无标度网络连接,建立了舰艇编队协同反导作战网络模型,应用复杂网络的若干特征参数对作战网络效能进行了仿真分析。通过仿真结果的对比,表明在网络中心战条件下,提出的舰艇编队协同反导作战网络实现了战场信息互通和共享,能够大大提高舰艇编队的作战效能。     

一种新的中文微博社区博主影响力的评估方法

提出了基于传统的PageRank算法的改进模型评估微博社区博主的影响力。微博社区中博主的影响力反映其话语权的大小,是研究微博社区的核心概念之一。通过对平均度、聚类系数和平均路径长度等网络特征指标的统计,验证了微博社区网络具有"小世界"的显著特性。从用户活跃度和博文质量两个角度出发,构建了博主影响力的评价指标,引入了博主传播能力这个因子,利用PageRank算法的思想设计了新的影响力排名(Influence Rank)算法模型来评估博主影响力。通过实验对比发现Influence Rank算法在考虑节点间的关系之外还考虑了节点本身的特性,能够更加准确客观地反映博主的影响力排名。     

基于异质移动网络的破坏性病毒传播模型

针对现有研究没有考虑移动网络节点异质性与没有构建破坏性病毒传播模型的问题,提出一个基于异质移动网络的破坏性病毒传播模型。通过考虑移动网络节点的异质性,进一步将易感染状态划分为新系统状态和旧系统状态,并结合破坏性病毒的潜伏与爆发特性将感染状态划分为潜伏状态和爆发状态。计算了模型的平衡点与传播阈值,并指出当传播阈值大于1时,模型在正平衡点处不稳定;当传播阈值小于1时,模型在正平衡点处局部渐近稳定。在NW小世界网络和BA无标度网络上进行仿真对比实验,仿真结果表明,两个网络的病毒传播速度不同,NW网络存在病毒完全消除的情况,而BA网络中的病毒不会被完全清除。     

微博社交网络模型的建立及其性质研究

针对在线社交网络进行建模研究将有助于理解其网络特征结构和演化机制,为了提高网络模型描述在线社交网络的准确性,分析统计了新浪微博网络演化相关特征,并结合复杂网络中社团结构特征和优先连接特性提出了COMW（Community-Oriented Model for Weibo）网络演化模型。通过实验模拟验证了COMW模型的包括度分布、聚类系数、网络效率、社团结构演化等网络特征。实验表明,COMW模型具有明显的小世界特性和明显的社团结构,并在多项特征上均符合微博网络,能够较为合理地表征微博网络的演化。     

一种新型多局域世界网络模型分析

从现实世界网络中存在的局域性质及联系强弱角度出发, 研究一种新颖加权多局域世界网络模型（WDLW）。该模型算法结合权重分析动力学及局域世界性质, 能实现动态演化。均场理论及数值模拟仿真均验证了该模型强度分布具有幂率性; 实证数据检验了WDLW模型与Internet网络在拓扑结构和模块度上是吻合的。由此可得出结论, WDLW模型的强度分布呈现显著的幂率特性, 并且能很好地模拟现实中的Internet网络。     

基于博主背景的博客倾向性检索归一化策略

博客倾向性检索的目标是检索出不仅与特定查询主题相关而且包含针对该主题的评论的博文单元,并依据倾向性强度进行排序。目前大多数研究工作仅仅通过单个博文单元包含的主题倾向性强弱对博文进行排序。然而,博客是博主表达自己观点情感的媒介,博主的个性风格很大程度上影响着倾向性强度,忽略博主因素仅仅使用单个博文单元获取倾向性评分,会给倾向性评分带来偏差。针对这个问题,该文首先分析博主背景因素对倾向性评分的影响并建立博主背景模型,然后提出基于博主背景的博客倾向性检索归一化策略,最后使用该策略对基于概率推理模型的博客倾向性检索算法进行归一化。实验结果表明,基于博主背景的倾向性检索归一化策略能够更加合理地对博主单元进行排序。     

多层前向小世界神经网络及其函数逼近

借鉴复杂网络的研究成果, 探讨一种在结构上处于规则和随机连接型神经网络之间的网络模型—-多层前向小世界神经网络. 首先对多层前向规则神经网络中的连接依重连概率p进行重连, 构建新的网络模型, 对其特征参数的分析表明, 当0 < p < 1时, 该网络在聚类系数上不同于Watts-Strogatz 模型; 其次用六元组模型对网络进行描述; 最后, 将不同p值下的小世界神经网络用于函数逼近, 仿真结果表明, 当p = 0:1时, 网络具有最优的逼近性能, 收敛性能对比试验也表明, 此时网络在收敛性能、逼近速度等指标上要优于同规模的规则网络和随机网络.     

大数据驱动的开发者社区中知识交流网络的分析

开发者社区一般包括博客、问答和论坛等多个版块,这些版块共同构成了用户贡献和交流软件开发知识的平台。文中以CSDN为研究对象,通过分析CSDN平台上积累的大数据构建了开发者知识交流网络,并基于复杂网络理论对其进行了分析,发现多版块的知识交流网络具有小世界、无标度等复杂网络特性。基于知识交流网络进一步分析了知识贡献者的分布情况,发现多版块用户中有较多的知识贡献者,其在知识交流网中起着比较重要的作用。     

基于SIR模型的时间侵占行为传播动力学建模与仿真

针对时间侵占行为在复杂网络上的传播问题,基于基本SIR传染病模型,提出了一种考虑了自发感染率和外部组织环境因素的时间侵占行为传播模型,探讨了时间侵占行为在ER随机网络,NW小世界网络,WS小世界网络以及BA无标度网络上的传播,在此基础上,集中分析了无标度网络上时间侵占行为传播的影响因素。研究发现:1. 时间侵占行为的传播受压力和公平系数的影响,一定范围内,压力越小,员工发生时间侵占行为的概率越大,传播过程也越快;反之压力越大,发生时间侵占行为的概率越小,传播过程也相对较为缓慢。2.时间侵占行为的传播与传播概率和自发感染概率密切相关,初始节点的度越大,传播越快,反之传播越慢。     

Using adjacency matrices to lay out larger small-world networks

Many networks exhibit small-world properties. The structure of a small-world network is characterized by short average path lengths and high clustering coefficients. Few graph layout methods capture this structure well which limits their effectiveness and the utility of the visualization itself. Here we present an extension to our novel graphTPP layout method for laying out small-world networks using only their topological properties rather than their node attributes. The Watts–Strogatz model is used to generate a variety of graphs with a small-world network structure. Community detection algorithms are used to generate six different clusterings of the data. These clusterings, the adjacency matrix and edgelist are loaded into graphTPP and, through user interaction combined with linear projections of the adjacency matrix, graphTPP is able to produce a layout which visually separates these clusters. These layouts are compared to the layouts of two force-based techniques. graphTPP is able to clearly separate each of the communities into a spatially distinct area and the edge relationships between the clusters show the strength of their relationship. As a secondary contribution, an edge-grouping algorithm for graphTPP is demonstrated as a means to reduce visual clutter in the layout and reinforce the display of the strength of the relationship between two communities.     

Stability and bifurcation of disease spreading in complex networks

A general nonlinear model of disease spreading is proposed, describing the effect of the new link-adding probability p in the topological transition of the N-W small-world network model. The new nonlinear model covers both limiting cases of regular lattices and random networks, and presents a more flexible internal nonlinear interaction than a previous model. Hopf bifurcation is proved to exist during disease spreading in all typical cases of regular lattices, small-world networks, and random networks described by this model. It is shown that probability p not only determines the topological transition of the N-W small-world network model, but also dominates the stability of the local equilibria and bifurcating periodic solutions, and moreover can be further applied to stabilize a periodic spreading behaviour onto a stable equilibrium over the network.     

基于典型相关的脑功能网络构建方法

人脑是自然界中最复杂的系统之一,在该系统中,各个脑区之间相互作用构成脑网络．为方便科学研究,学者们通过不同的方法构建脑功能网络．本文基于自动结构标签模板和典型相关来构建脑功能网络,并研究了所构建网络的某些关键的拓扑性质,如小世界性,全局效率,局部效率等．与此同时,比较了正常被试与心理异常海员脑功能网络的这些性质,结果表明在统计意义上正常被试和心理异常海员某些性质存在显著性差异,说明此种脑功能网络构建方法是可行的．     

一种新型WSN抗毁性评价方法及其仿真实现

从特定的以数据为中心的无线传感器网络拓扑结构出发,首先给出了无线传感器网络连通性的一个新测度—连通系数,在此基础之上给出了抗毁性测度的新定义,针对面临的两种攻击,给出了无线传感器网络抗毁性的两个新测度-容错度和抗攻击度,并对基于小世界模型的无线传感器网络抗毁性进行了抗毁性分析,仿真表明提出的评估模型更能客观,准确地评估以数据收集为中心的无线传感器网络的抗毁性。     

小世界网络抗毁性及介-度相关性研究

日常生活中,复杂网络主要面临随机攻击和选择性攻击,网络模型的结构特性使复杂网络在不同攻击方式下的抗毁性有很大的差异.综合考虑复杂网络的抗毁性参数和网络模型的结构特性差异,文章以节点的最大度值、平均度值、最大介数和平均介数为度量参数,通过5种不同攻击方式对WS小世界网络的抗毁性进行了测试,得到了介度关系曲线,随着节点的移除,动态分析了WS小世界网络的抗毁性和攻击下小世界网络的介 度相关性.实验结果表明,WS小世界网络在RD攻击下表现出一定的脆弱性,在其他攻击方式下有很强的鲁棒性,而其介度关系在某些区域呈线性关系,但大部分区域呈现无规律性,其动态相关性需要进一步研究.小世界网络较强的抗毁性对组建网络有重要的影响,鉴于小世界网络的结构特性,组建网络时应尽量不要把网络的功能集中在少数Hub节点上.针对WS小世界网络较强的鲁棒性,结合小世界网络的结构特性,将做进一步研究,以便提出更高效的攻击策略.     

基于移动模型的VANETs网络动态拓扑特征研究

采用复杂网络理论研究VAENTs网络动态拓扑结构特性,以基于车辆换道功能的智能驾驶移动模型为 基础,应用VanetMobiSim仿真软件建立了车辆交通网络,详细分析了VAENTs网络瞬时拓扑特征及平均度、聚类系数和调和平均最短路径长度等复杂统计参数随时间的变化特征。通过仿真实验发现VAENTs网络动态拓扑不具有无标度属性,只在特定条件下,才呈现小世界网络的特征。     

小世界网络中的删边扩容效应

不同于无标度网络,小世界网络中体现负载特性的介数分布和体现连接特征的度分布这两种结构差异很大,依据这个差异,我们提出了有效的删边扩容方法并进行了仿真实验,并进一步从容量与最大介数的关系理论分析确证了实验结果.接着,我们分析了小世界网络中介数分布的差异性与删边扩容效果的相关性,把基于介数的基尼系数变化用于度量删边扩容的效果,指出了结构差异是导致删边扩容效应的必要条件.还指出了无论从容量与介数的定义、仿真结果、结构差异与删边扩容效果的关系来看,都应该从介数入手来实现删边扩容方法,这种方法反直觉,有很多变种,并且实现方便、节省成本,作为一类新的路由策略可以广泛地应用于各类通信网络和交通网络等领域.