基于有向复杂网络模型的形状描述与识别

针对传统复杂网络方法对形状的非刚性变形较为敏感等问题,在形状内部距离的基础上利用有向复杂网络进行形状分析.首先提取形状边界点作为复杂网络的节点,以形状边界点之间的内部距离作为复杂网络中节点之间的边权值构建初始网络;然后对初始复杂网络进行k近邻演化,得到不同演化时刻的有向子网络;最后提取各有向子网络的特征来实现复杂网络的特征描述,进而实现形状的特征表示.实验结果表明,该方法对常见的形状变形具有更强的鲁棒性;与传统的无向网络模型相比,具有更高的检索和分类精度.     

基于空间引力作用的复杂网络演化模型*

为了研究空间距离、边权演化、节点规模等因素在复杂网络演化过程中的共同作用,借助空间引力模型,采用基尼系数的统计方法,综合分析这三种因素对网络拓扑结构异质性的影响作用。数值仿真研究表明,空间距离、边权演化作用并不改变网络结构的无标度性;演化过程中节点规模的分布同时受空间距离、边权演化因素影响;网络连边距离分布符合幂律函数,其中幂指数与空间距离因素相关,而与边权演化因素无明显关系。     

一种基于复杂网络的图像形状及纹理描述方法

文中提出了一种基于复杂网络的图像特征描述方法。将图像的关键点作为复杂网络节点,利用最小生成树分解法完成初始网络的动态演化过程,由不同演化阶段下的复杂网络特征实现对图像的形状描述;根据图像像素和周围邻域的距离与灰度的相似度,由不同的阈值生成度矩阵,统计不同阈值下网络节点的度分布,完成图像的纹理描述。实验证明,该算法具有较强的鲁棒性和旋转不变性,并且在分类实验中也有较好的表现。     

面向复杂网络的节点相似性度量

在复杂网络中,度量节点之间的相似性是一项基础且具有挑战性的工作。基于邻域节点的相似性度量仅考虑了节点的邻域信息。基于路径的相似性度量考虑了节点之间的路径信息,使得多数节点与大度节点相似。为了更准确地度量节点之间的相似性且避免多数节点与大度节点相似,定义了每个节点的距离分布,并在此基础上采用相对熵和距离分布提出了一种节点相似性度量方法(DDRE)。DDRE方法通过节点之间的最短路径生成每个节点的距离分布,根据距离分布计算节点之间的相对熵,进而得到节点之间的相似性。6个真实网络数据集的对比实验结果表明,DDRE方法在对称性以及SIR模型中影响其他节点的能力这两方面表现较好。     

复杂动态网络演化社团结构探测分析的研究进展

针对复杂动态网络中演化社团结构的探测,综述了该新领域的研究进展。首先对演化社团结构探测进行了问题描述,总结了四种研究思路。重点介绍了其中一些有代表性的分析方法及其特点,以及衡量探测方法好坏的基准图。最后指出该领域值得进一步探索的研究方向。     

动态供需复杂网络演化模型拓扑性质的研究

为了深入理解供需网络的演化规律,在研究了已有的复杂网络演化模型所刻画供需网络生长过程不足的基础上,提出了以ER网络模型表示初始网络,并在局域世界中选择新增节点的连接边,依据节点之间的网络路径值作为局域世界选取的原则,局域世界的规模可动态增长。在考虑网络生长的同时,也考虑到网络内部边的动态演化以及节点的退出问题,据此建立了供需复杂网络的有增有减的动态演化模型,并给出了生成模型的算法。仿真结果表明,该模型所生成的网络模型具有无标度特性、小世界性和高聚集性。     

动态复杂供需网络局域演化模型的研究

为了深入理解供需网络的演化规律,研究了已有的复杂网络演化模型刻画供需网络生长过程的不足,提出了以星型网络表示初始网络,在局域世界中选择新增节点的连接节点,局域世界的选取,采用了依据节点之间的网络路径值作为选取局域世界的原则,同时定义了局域世界的规模动态增长,从而建立了复杂供需网络的动态演化模型,并给出了生成模型的算法。该模型在考虑网络动态增长的同时,也考虑到网络内部边的动态演化以及节点的退出,这与现实情况相吻合,因此更细致、真实地刻画了供需网络的动态演化特性。仿真结果表明,该模型所生成的网络模型具有无标度特性和小世界性。     

基于复杂网络的网构软件信任模型研究

信任问题是网构软件实体交互与协作需要解决的首要问题。传统信任模型在解决大规模复杂网络环境的信任问题方面存在网络开销大,信任收敛慢等问题。为解决该问题,提出了基于复杂网络的网构软件信任模型,将复杂网络的小世界特征和无标度特性引入到网构软件的信任模型当中,并给出了模型的定义、构造、信任计算及模型的动力学演化证明。Peer Sim仿真实验表明,复杂网络思想的引入,减小了信任链长度,降低了网络消息量,加快了信任收敛速率,为解决大规模分布式环境下构件节点的信任问题提供了有价值的新思路。     

复杂公交社团网络模型的稳定性研究

为了研究城市公共交通网络的动态特征,在现有公交网络模型的基础上,建立了一类新的复杂公交网络模型。同时基于派系过滤算法,对复杂公交网络模型进行了社团结构分析。以Lorenz系统为网络的节点,研究了复杂公交社团网络的同步问题。通过改变公交车辆之间的控制强度、删除网络中普通公交线路和关键公交线路,研究了公交社团网络的同步问题。采用Matlab仿真技术分析了公交车辆的人为调度和线路优化对公交线路网络稳定性的影响。     

基于复杂网络的协同舆情演化模型研究

针对舆情传播中人际关系网络的复杂性和个体邻域的异质性,建立可变聚类系数的无标度网络,在此基础上构建了协同舆情演化模型。通过不同参数下的仿真实验,分别讨论了序参量和网络结构特征对系统磁化率的影响。实验结果表明,序参量更能体现舆情系统的协同效应,比较符合网络舆情演化的实际情况。此外,当网络平均度较小时,提高聚类系数可以有效抑制舆情的传播;当平均度超过临界值时,将促使系统迅速收敛于极端态度,此时聚类系数不再起关键作用。研究结果有助于理解舆情的演化规律,为导控舆情发展提供了理论参考。     

基于用户复杂网络特征分类的协同过滤模型

协同过滤算法被广泛应用的同时一直存在着伸缩性和可扩展性困难的问题。针对该问题,提出了一种基于用户复杂网络特征分类的推荐系统协同过滤模型。首先,在用户集中基于度值选择特征用户,建立相似性阈值实现非特征用户分组;然后,构建用户—用户相似性网络,通过K-core分解完成网络中的社区标记;最后,目标用户在组内选择邻居,实现电影评分预测。基于MovieLens和Netflix数据集的实验结果表明,该算法与经典协同过滤算法相比,提升了时间和空间的性能,展现了更为出色的伸缩性和可扩展性。     

复杂网络演化的舆论动力学模型及仿真分析

针对舆论传播过程中复杂动力学演化问题,提出一种基于传播动力学的舆论动态演化模型。首先,构建舆论及舆论演化模型,通过方程变换求出静态解;其次,引入Fokker-Planck方程对舆论演化渐近行为进行分析,得到稳态解决方案并求解,构建复杂网络与模型的关联并提出仿真研究实验目的;最后,通过对舆论演化模型及引入Fokker-Planck方程的舆论意见模型进行仿真分析,并以真实微博舆论数据为例进行实证分析,研究舆论在复杂网络中传播和演化的实质。实验结果表明舆论网络演化渐近行为与度分布相一致,网络舆论传播中的连接方式会受到节点意见影响,模型能有效描述微博舆论传播网络形成和演化过程的动力学行为。     

基于社团理论的复杂网络级联故障模型

针对目前级联故障研究局限于单个节点或节点的简单邻居关系的问题,充分考虑网络的中观局域特征--社团结构,提出一种考虑社团理论的级联故障模型。依据节点的社团属性,赋予节点动态初始负荷,并采用不同的攻击策略对美国西部电力网络、美国航空网络、IEEE118标准电网和无标度网络(SFN)等不同网络模拟故障过程。经仿真发现,社团因素对节点的初始负荷贡献越大,社团内失效节点引发的故障规模越小,而连接多个社团的特殊"枢纽"节点的失效则会引发严重的级联故障。进一步计算不同属性的Pearson相关系数,表明节点的社团外邻居节点数属性较其他属性与故障规模更相关。     

基于角微特征的神经网络识别人脸特征

提出一种利用人脸角微特征几何特性的图像预处理,建立BP神经网络识别人脸特征模型的方法。研究了角微特征提取和具体算法,讨论了BP网络结构的设计,输入、输出层设计和隐藏层节点选取问题。微特征提取,可以降低网络输入维度,对于识别不同角度、不同表情的人脸图像提供了可能性。利用ORL人脸图像数据库做实验,结果表明此方法有效。     

Electroencephalography‐based feature extraction using complex network for automated epileptic seizure detection

Electroencephalography signals are typically used for analyzing epileptic seizures. These signals are highly nonlinear and nonstationary, and some specific patterns exist for certain disease types that are hard to develop an automatic epileptic seizure detection system. This paper discussed statistical mechanics of complex networks, which inherit the characteristic properties of electroencephalography signals, for feature extraction via a horizontal visibility algorithm in order to reduce processing time and complexity. The algorithm transforms a time series signal into a complex network, which some features are abbreviated. The statistical mechanics are calculated to capture distinctions pertaining to certain diseases to form a feature vector. The feature vector is classified by multiclass classification via a k‐nearest neighbor classifier, a multilayer perceptron neural network, and a support vector machine with a 10‐fold cross‐validation criterion. In performance evaluation of proposed method with healthy, seizure‐free interval, and seizure signals, firstly, input data length is regarded among some practical signal samples by optimizing between accuracy‐processing time, and the proposed method yields outstanding performance on the average classification accuracy for 3‐class problems mainly for detection of seizure‐free interval and seizure signals and acceptable results for 2‐class and 5‐class problems comparing with conventional methods. The proposed method is another tool that can be used for classifying signal patterns, as an alternative to time/frequency analyses.     

基于动态贝叶斯网络的复杂网络攻击方法研究

在制定网络攻击策略时,目标网络信息存在不确定性,攻击方缺乏综合、可靠、实时的攻击依据,难以达到攻击效果,为此提出一种科学的复杂网络攻击方法。对网络攻击中攻击方收益、损耗、代价和遇到的风险进行分析,建立指标体系,利用动态贝叶斯网络对网络节点的攻击效果进行综合评估,克服了传统节点重要度评估方法依靠网络拓扑单一指标或者对目标节点进行静态评估的缺点。仿真实验表明该方法在攻击时综合了更多节点关系和观测信息,避免了依靠静态评估手段实施攻击时实际攻击效果与理论期望的差距,同时在攻击精度上更加准确,攻击效能更高。     

基于复杂网络动力学模型的链路预测方法

链路预测是复杂网络中研究缺失连边和未来形成连边的重要组成部分,当前基于网络结构的链路预测方法成果丰富,而基于复杂网络动力学模型的链路预测研究较少。针对无权无向网络,首先构建了复杂网络动力学模型,然后给出了基于复杂网络动力学模型的链路预测节点中心性的量化评价指标,最后通过给出的节点中心性量化指标,提出了由复杂网络动力学模型定义的链路预测方法。通过在真实网络数据集上进行的实验表明,提出的链路预测方法较基准方法有明显的预测精度的提升。     

一种基于边数随机增长的BA网络模型

针对基本BA网络模型模拟现实网络的局限性, 采用新节点的度数增加服从泊松分布的随机函数来代替传统BA模型中的常数, 修改了节点度数的增长方式, 提出了一种基于边数随机增长的改进网络模型。从理论分析和实验验证两方面对该模型进行了分析和研究。理论证明过程中, 利用率方程法计算度分布并得到了解析解, 而计算机仿真则验证了度分布解析解的正确性。仿真结果表明改进后的网络模型符合现实网络的一定特性。     

自适应复杂网络中的病毒传播模型

提出了一个基于自适应复杂网络的病毒传播模型。模型中,易感节点为了不被感染,能够有意识地避开与感染节点的连接,此过程一方面使得网络结构发生了变化,另一方面网络结构的变化又反过来对病毒传播过程造成了影响。着重考查了模型中个体的躲避行为对病毒传播效果的影响,结果显示,在个体躲避行为的驱动下,系统的最终染病节点数会发生振荡,并且在一定的参数范围内系统出现了双稳状态。     

企业营销复杂网络演化模型及其仿真

在对企业营销网络理解的基础上,将其抽象为复杂网络。分析了企业营销复杂网络的演化机制,建立了企业营销复杂网络演化模型,并对模型进行了仿真分析。结果表明企业营销复杂网络模型节点度分布、节点强度分布和边权分布均符合幂律分布,表明其能较好地拟合实际企业营销网络的拓扑结构特征。研究对于探讨企业营销网络的演化规律,对企业营销网络的建设和管理具有理论意义和实践价值。