基于BP神经网络的社团分类研究

社团分类对研究复杂网络及其特性具有重要意义,为此提出将神经网络的分类特性应用于社团分类中,以BP神经网络为模型,以Zachary研究的俱乐部成员关系网络为测试数据,利用社团节点与神经网络节点之间关系的相似性模拟社团分类结果,根据成员关系图建立邻接矩阵,利用邻接矩阵关系进行实验设计建立BP神经网络,通过已知样本学习和检验样本检验,实现成员关系网络的分类模拟,数值实验结果表明文章运用的仿真方法是可行有效的.     

软件体系结构的复杂网络社团特性研究

作为系统设计的高层抽象和系统实现的蓝图,SA体现了系统的基本思想和系统开发的早期决策.对所开发系统的SA结构的复杂网络社团特性研究,是了解整个系统的网络结构和功能特征的重要途径.介绍了复杂网络及复杂网络社团理论和方法,提出借助复杂网络社团思想进行SA复杂网络社团特性度量.将SA结构转化为复杂网络模型,并通过SA的模块度、SA的层次性及SA的重叠性等来进行SA结构的复杂网络社团特性研究.最后,通过实例对所提出的研究思路进行验证.实践表明,此方法能较好地对所开发系统的SA结构的复杂网络社团特性进行评估及度量,为系统后续开发等工作提供依据.     

复杂网络理论在对等网络特性分析中的应用

基于现有的复杂网络理论,研究了对等网络的复杂特性,并就对等网络中节点度和节点间平均最短路径两个特征参数进行算法设计和仿真.仿真结果表明,对等网络中使用复杂网络理论的特性分析理论结果与实验结果基本一致,能准确反映对等网络的特性.     

社会合作网络中社团结构的搜索算法研究

许多实际的网络都具有一个共同性质,即它们都是由各个社团通过公共节点连接而成网络,因此,网络中社团的数目以及每个节点归属于社团的数目对于研究复杂网络都具有重要的意义。通过分析复杂网络的社团结构和寻找网络社团数目的传统算法,针对传统算法所存在的缺陷,提出了一种搜索社团结构的算法。该算法正确的对网络的社团结构进行了划分,且较好的改进了其运行效率。最后指出了进一步的研究方向。     

基于传染病模型的LPA特征阀值社团划分方法

社团结构划分对于分析复杂网络的统计特性非常重要.在非均匀社交网络的信息传播中,社团结构划分更是一个广泛关注的研究热点,相关研究往往侧重于研究紧密连接的社团结构对于信息传播所产生的关键影响.传统社团划分方法大多基于点和边的相关特性进行构建,如标签传播算法LPA（Label Propagation Algorithm）通过半监督机器学习方法,基于网络节点标签的智能交换和社团融合过程进行社团划分,但运行效率较低.为提高LPA类算法的运行速度,使其快速收敛,并提高社团划分精度,特别是重叠社团划分精度,针对LPA算法划分中的低运行效率和低融合收敛速度,本文从标签传播的网络连接矩阵本质出发,将该矩阵的最大非零特征值与网络标签信息传播的阀值相结合,提出了新的基于传染病传播模型的社团划分方法（简称ESLPA算法,Epidemic Spreading LPA）.通过经典LFR Benchmark模拟测试网络、随机网络以及真实社交网络数据上的算法验证,结果表明该算法时间复杂度大幅优于经典LPA算法,在重叠社团划分上精确度优于基于LPA模型的经典COPRA算法,特别是在重叠社团较明显时,划分精度接近精度较高GA、N-cut和A-cut算法,明显优于GN、FastGN和CPM等经典算法.     

基于结点相似性的层次化社团发现算法

复杂网络中往往存在着社团结构,通过发现网络中的社团结构,可以以社团为单位研究网络的特性和隐藏的规律,从而降低了研究大型复杂网络的难度。文中提出了一种基于结点相似性的层次化社团发现算法,设计了方法选取最佳的边权重阈值,首先得到局部核心树结构,并经过两次扩散步骤,得到网络的社团划分结果。仿真实验表明,提出的算法在较低的时间复杂度下能够取得较高的社团发现准确度。     

改进HK网络演化模型的研究

以HK网络模型为基础,提出了两个度分布与聚类系数均可调的改进HK网络模型。改进模型联合考虑“优先连接”、“三角结构”、“内部演化”等演化机制。在新节点加入时,分别考虑加入单个节点和社团的情况,将 TF 机理移到旧节点之间进行网络演化。仿真结果表明,两个改进模型不仅继承了HK模型的高聚类无标度特性,同时克服了HK模型演化过程中单一加入单个节点的方式及新旧节点之间TF机理的限制。     

基于FCM的复杂网络重叠社团结构发现算法

复杂网络中的社团结构发现是对网络数据集进行数据挖掘的普遍性问题.针对网络中大量存在的重叠社团现象,提出了基于FCM的发现重叠社团结构算法,并进一步在NG模块度的基础上,给出了评价重叠社团结构的模块度函数.算法首先将网络的节点映射成欧氏空间的节点,再以此做模糊聚类得到各重叠社团结构,根据模块度函数选择最佳重叠社团结构.最后,在经典网络上的实验结果表明,算法能够得到满意度高的重叠社团结构,而且时间复杂度较低.     

一种基于有向感知模型的传感器节点覆盖算法

覆盖控制作为无线传感器网络中的一个基本问题,反映了传感器网络所能提供的“感知”服务质量.优化传感器网络覆盖对于合理分配网络的空间资源,更好地完成环境感知、信息获取任务以及提高网络生存能力都具有重要的意义.针对无线传感器网络方向个数固定的有向感知模型提出一种覆盖增强算法,采用复杂网络社团结构算法划分对网络进行节点子集划分,重新调整节点的感知方向,增强网络的覆盖率,同时有效降低了算法的时间复杂度.     

基于人类真实场景的分时段的机会网络移动模型

针对现有移动模型不能有效反映出节点移动过程中的行为特性,提出了一种基于人类真实场景中的分时段的机会网络移动模型,通过建立节点日常移动模型,依据时间段划分节点子移动模型,分析了基于人类真实场景的机会网络移动模型下的节点行为特性,包括节点平均停留时间、不同时段社区节点个数以及目的变换频率等。并与已采集到的真实移动数据和其他移动模型进行仿真比较。仿真结果充分表明,在节点相遇间隔时间等方面,该模型贴近真实场景中节点所表现出的行为特性,并且优于其他节点移动模型。     

基于Attention深度随机森林的社区演化事件预测

在网络结构不断变化的同时,社区结构也随之演化.社区结构在不同时间片的变化可定义为四种不同的演化事件：持续、分离、融合和消失.本文运用网络表示学习的方法,对网络进行图嵌入编码映射到低维向量空间中,研究动态社区演化事件的预测.特征方面,在传统的社区内部属性特征、时间片间属性特性变化和前段时间片的社区演化事件的特征维度的基础上,引入潜在结构特征表征四种演化事件,运用随机游走和Softmax思想获取潜在的结构特征;模型方面,引入深度随机森林的策略,同时采用attention机制、蒙特卡洛特征采样策略进行特征融合和特征训练,克服了已有算法仅获取局部结构特征的缺陷.实验在DBLP、FACEBOOK和Bitcoin数据集上,对比SVM、XGBOOST和RIDGE模型训练,证实了新提出的算法模型对最终预测准确率有很大的提升.     

Network management architectures and protocols: problems andapproaches

Key areas of agreement and disagreement in the network management community are presented using the evolving open systems interconnection network management architecture as an informal guide. A key observation is that the open-networking community has apparently settled on a management model that places management information base (MIB) on each network node and manages these MIBs remotely with application level protocols. Various network systems based on this model are examined, along with some systems that use alternative management architectures     

网络演进中的网络管理

本文定义了一种基于电信管理网络(TMN)的完全综合的智能电信网的演进结构及其相应的网管系统。它将保证网元和网管系统间的有效互通。另外,这种不断演进中的网络管理将使业务提供者增强其业务适应能力,实现商业目标。     

基于局域偏好的移动自组织网络演进模型

To accurately describe the evolving features of Mobile Ad Hoc Networks (MANETs) and to improve the performance of such networks, an evolving topology model with local-area preference is proposed. The aim of the model, which is analyzed by the mean field theory, is to optimize network structures based on users’ behaviors in MANETs. The analysis results indicate that the network generated by this evolving model is a kind of scale-free network. This evolving model can improve the fault-tolerance performance of networks by balancing the connectivity and two factors, i.e., the remaining energy and the distance to nodes. The simulation results show that the evolving topology model has superior performance in reducing the traffic load and the energy consumption, prolonging network lifetime and improving the scalability of net-works. It is an available approach for estab-lishing and analyzing actual MANETs.     

基于相似度特性的复杂网络演化算法研究

提出了一种基于相似度特性和三角形结构的复杂网络演化算法,利用平均场理论给出网络的度分布、聚类系数和平均距离等特性的理论分析,并利用NetworkX工具包进行仿真验证,证明该演化模型在增加相似节点连接概率的同时具有幂率分布和小世界特性。     

基于个人意愿的社会网络团体结构与信息检测方案

个人意愿对于形成网络社团和传播信息有着重要的影响力,因此本文提出一种基于个人意愿的社团结构与信息检测方案.该方案中的社团检测算法初次检测以融入节点属性的模块度,再次检测以兴趣度并能发现重叠社团,最后精细检测以个人意愿,本文社团检测算法（ε_CSDA）较之前的算法更有效的是可以发现重叠社团;同时,该方案建立的信息传播模型在指数模型基础上构建边特征向量（边属性）、节点特征向量（节点属性）和意愿向量（用户意愿、社团意愿和节点意愿）,并以传播概率和传播延迟构建模型基本关系,从而使得该模型实现了基于个人意愿的信息传播.实验结果表明,加入个人意愿的社团检测和信息传播方案,能够保证社团检测的有效性和实用性,能够实现用户间信息传播的主动性和可靠性.     

Model for autonomous agents in machine‐to‐machine navigation networks

Machine‐to‐machine (M2M) is an evolving architecture and tends to provide enormous services through the swarm presence of the networked devices. Localization is one of those services. Previous localization techniques require complex computation that is not suitable and affordable in such architecture. Moreover, integrating intelligent multiagents on these ubiquitous devices makes the network more independent and reactive requiring for a less complex localization model. This paper reviews the present localization techniques and discusses their infeasibility for M2M communication while proposing a mathematical model that is derived from Anderson model for the distributed structure of machine‐type‐communication network involving autonomous agents. This paper has made an attempt to use the property of Anderson model that structures the distributed objects. This paper also classifies autonomous agents according to their functionalities in a navigational network. Recently, Anderson model have been customized for implication of optical communication; in this paper, the proposed mathematical model involves intelligent agents for localization that aim to reduce complexity of positioning computations for nodes having restricted computational resources and battery life, which are the main characteristics of M2M communication.     

融合节点分析与边分析的复杂网络社区识别算法

针对边社区识别与节点型社区识别两类算法在识别社区过程中均存在相应缺陷,影响复杂网络社区识别质量的问题,提出融合节点分析与边分析的复杂网络社区识别（CDHNE）算法。该算法首先运用边在网络中较为稳定的特点,在算法执行初期通过边社区识别构建较为准确的社区结构;然后利用节点较为灵活的特点,在边社区形成后,对边社区的边缘进行精确识别,更准确地识别出复杂网络中的社区结构。在计算机生成网络实验中,当网络的社区结构逐渐变得模糊、重叠节点数量与重叠节点归属社区数量不断增加时,CDHNE算法的社区识别精度较传统算法平均提高10%,在重叠节点识别精度上较传统算法平均提高15%;在真实网络实验中,算法识别的社区结构紧密度较好,特别是面对拥有十几万个节点的大规模网络时,CDHNE算法高质量地完成了识别任务,EQ值达到0.412 1。实验结果表明,CDHNE算法在运行稳定性和处理大规模网络方面具有优势。     

复杂网络社团结构理论在电力调度网中的应用

随着电力调度网规模的不断扩大,电力分级调度网络的划分日益成为复杂难解的问题。本文以复杂网络理论为基础,构建电力调度网的复杂网络模型,通过计算网络节点介数,挖掘网络社团结构,进行电力分级调度拓扑结构构建,并采用了一个模拟的电力调度网进行实验验证,划分准确率达到100％,实验结果说明该方法是有效、可行的。     

社区模型机会网络路由研究

当前,基于社区的机会网络研究在模型上还有待完善,在社区间的路由算法没有考虑消息的传输效率,只采用简单的分发等待路由算法,使得路由效率较低。为此,对社区模型进行了改进,加入节点回归因素,并在此模型下提出了新的路由算法NBR。在社区内采用混合路由算法,并加入了正反馈思想重新计算节点活跃度。在社区间采用查询路由表和判断节点回归相结合的方法,利用节点回归的特性提高转发效率。仿真结果表明,在改进后的社区模型下,NBR算法使得社区间和社区内的消息传输成功率得到了提升,有效的降低了网络资源的消耗。