Internet路由级节点的度与核数的关系

针对目前对路由层面的Internet拓扑研究较少的问题,基于2006年1月至2006年12月采集的CAIDA Skitter项目授权的海量数据,对CAIDA路由层面拓扑探测数据进行了分析,描述了路由级节点度分布的幂率性.在此基础上计算出了更能体现网络拓扑层次性的各节点的核数,描述了节点核的幂率分布性质,进一步分析了节点核数与度之间的关系.研究表明,对低核节点,其度分布存在着幂率性质.     

大规模软件宏观拓扑结构的核数分析

针对大规模软件宏观拓扑结构体现出的层次特征,基于大量开源软件结构核数的统计数据,分析了节点核数的分布及与度值的相关性、最高核节点对各层的影响力,以及软件结构核数的演化趋势.分析结果表明,软件结构的核数普遍不大,节点核数分布具有无尺度特征,最高核节点影响力巨大;低度值节点的核数与其度值具有一定的正相关性,但是核数达到一定值后不再随节点度值增大,软件演化中其核数以及核心框架保持稳定.     

Internet分形特征研究

采用k-核分解算法对Internet分形特征进行研究.对高核区间和低核区间拟合结果的差异进行分析,提出Internet分形特征与其结构的层次性存在关联的猜想.随后,从删边数、删边比例和子网分布三个角度对k-核分解过程进行观察,确定Internet核心层与边缘层的分割边界,并利用骨架树理论研究Internet的层次分形特征.最后,从度分布指数、同配系数和结构熵等常见统计角度对Internet部分与整体,以及部分与部分之间的关系进行观察.观察表明,在以上统计角度,Internet边缘子网可以表征网络整体.     

Internet路由级拓扑的分形特征

针对路由级Internet宏观拓扑结构的复杂性,分析了Internet拓扑结构的分形特征.利用κ-核解析将Internet拓扑分成不同的核,从内核至外核,分析了节点数目的增长、各核内节点的度分布以及谱密度分布,通过对各核拓扑图分别进行谱密度-特征值分布分析,发现各核分析结果表现出高度的一致性.这说明根据网络中心性定义的...     

IP级拓扑新生与消亡节点的特征

针对IP级拓扑新生与消亡节点特征进行研究,基于CAIDA项目授权的海量数据,结合复杂网络的研究理论和方法,对IP级Internet拓扑新生与消亡节点的度分布、幂律特性等特征量,以及IP级新生连接进行统计分析及演化分析.结果表明,新生与消亡节点近似符合幂律分布,新生节点不倾向于与新生节点相连,而倾向于与网络中已存在的节点相连,且连接数为1的可能性较大.新生连接不符合优先连接性质,富者更富理论在动态上的表现不显著,高度节点的影响力在连接产生时不高.新生节点连接数目具有稳定性及普适性,这为Internet建模提供有效依据.     

2012年IPv6网络拓扑演化预测

首先对网络节点的度和核数进行了幂律分析.基于Internet拓扑演化分析,融合层次模型和ARIMA模型,提出了预测IPv6演化过程的模型.选取CAIDA授权的IPv6 2008-01～2010-04三年期间的数据对模型进行了验证,并用该模型对2012年IPv6网络的各特征量进行了预测.结果表明:IPv6网络具有复杂网络...     

Internet动态节点特性的层级相关性研究

为了探究Internet拓扑动态节点演化特征的层级相关性,基于CAIDA项目授权的海量数据,结合网络科学的思想,分析了不同尺度下网络结构的演化机制.针对IP级与AS级拓扑,对层级与节点动态特性的相关性进行了分析,其中包括新生与消亡节点的动态变化比例、偏好依附、稳定连接数目等多个特性.结果表明:IP级拓扑节点的新陈代谢比AS级旺盛,IP级拓扑新生节点的非优先连接“偏好”比AS级稳定,新生连接中IP级拓扑的稳定连接数较多.IP级与AS级动态节点的演化有本质不同,为理解Internet的演化机制提供了基础.     

Internet动态节点特性的层级相关性研究

为了探究Internet拓扑动态节点演化特征的层级相关性,基于CAIDA项目授权的海量数据,结合网络科学的思想,分析了不同尺度下网络结构的演化机制.针对IP级与AS级拓扑,对层级与节点动态特性的相关性进行了分析,其中包括新生与消亡节点的动态变化比例、偏好依附、稳定连接数目等多个特性.结果表明:IP级拓扑节点的新陈代谢比AS级旺盛,IP级拓扑新生节点的非优先连接"偏好"比AS级稳定,新生连接中IP级拓扑的稳定连接数较多.IP级与AS级动态节点的演化有本质不同,为理解Internet的演化机制提供了基础.     

AS级Internet拓扑基本特征量演化分析

基于CAIDA项目授权的海量数据,结合复杂网络的研究理论和方法,进行了AS级Internet拓扑的CCDF-degree幂律分析和节点时效分析.结果表明,随着AS级Internet拓扑结构的演化,高度值节点部分较为稳定,保持了网络的聚集特性和幂律性,但这部分节点随时间变化逐渐丧失有效连接,同时度值较低的节点的活动比较动荡,Internet的拓扑结构呈缓慢均匀化的趋势.     

Internet AS级拓扑社团特征及其演化分析

以CAIDA组织提供的海量的Internet AS级拓扑数据作为样本数据,分析了样本的覆盖问题和采样偏见问题,并对数据进行了修正.在此基础上,对2001年到2007年之间的Internet AS级拓扑数据进行了社团划分,并计算了模块度、社团规模等与社团演化相关的特征量,发现Internet AS级拓扑数据的社团特征越来越明显;同时,根据社团相关特征量分析了AS域内节点的动态行为特征.最后,根据分析结果研究了导致社团特征演化的成因.     

人工蜂与K-means混合算法在VANETs的应用

针对车载自组织网（Vehicular Ad Hoc Networks,VANETs）拓扑结构经常变化导致通信链路容易断裂而通信质量不可靠的问题,将人工蜂与K-means混合算法应用在VANETs中。在成簇阶段,该混合算法利用人工蜂算法较强的全局搜索能力确定初始聚类中心,代替传统的K-means对初始聚类中心的选择,这样就消除了K-means对随机初始聚类中心的依赖。在簇头选取阶段,类内具有最小的速度方差以及到其他节点最小平均距离的车辆节点被选择为簇头。在簇的维护阶段,当最优节点即簇头有变化时,次优节点被选为临时簇头,直至更新为最优节点的簇头信息。为测试该混合算法的性能,将其和PSO与K-means混合算法、经典K-means算法进行实验对比,结果表明,该混合算法能够更加稳定VANETs通信链路,具有更高成簇质量和更高通信质量。     

一种基于复杂网络属性值的K-means聚类算法

传统-means聚类算法的性能依赖于初始聚类中心的选择.本文将复杂网络节点的属性值作为节点的度、聚集度与聚集系数的加权值,通过计算所有节点的加权综合聚集特征值,选取综合聚集特征值高,并且彼此之间无高聚集性特征的K个节点作为聚类的初始聚类中心,然后进行聚类迭代过程.实验结果表明,新算法对初始聚类中心的选取更迅速有效,避免了传统K-means算法初始聚类节点选取的敏感性,进而提高K-means算法的聚类质量.     

无线传感器网络中最优分割圆定位算法

为提高无需测距定位算法精度,提出一种最优分割圆定位(OPCL)算法.以节点通信半径做分割圆,将待定位节点附近的锚节点分割为圆内及圆外两部分,定义匹配函数以量化衡量分割结果与实际一、两跳锚节点集合的匹配程度.在一定搜索范围和搜索粒度下,取最优分割圆的圆心作为目标位置.算法综合利用了节点连通性约束及非连通性约束.仿真结果显...     

基于遗传算法的复杂网络节点匹配问题

为提高已知匹配节点较少情况下的网络节点匹配精度,提出一种基于遗传算法的复杂网络节点匹配方法。该方法根据网络结构以及已知的部分节点匹配信息,计算节点相似度矩阵,再由遗传算法求得网络间相似度之和最大的节点匹配方案。将其应用于EA随机网络、WS小世界网络和BA无标度网络,结果表明,三种复杂网络的匹配精度均有提高。该结果验证了文中方法的有效性。     

一种新的模糊决策树算法 ——基于加权毕达哥拉斯模糊熵

传统的模糊决策树虽然可以从模糊数据中抽取模糊分类规则,但只能获取节点的隶属度信息,无法得出样本数据对于节点的非隶属度和犹豫度信息,导致数据分类的准确率不高。针对此,基于毕达哥拉斯模糊集理论,提出了一种新的加权毕达哥拉斯模糊决策树算法（Weighted Pythagorean Fuzzy Decision Tree,WPFDT）。首先,通过改进的K-means聚类算法得到连续属性数据的聚类中心,并结合三角模糊数对连续数据进行模糊处理;其次,定义并计算每一个属性的加权毕达哥拉斯模糊熵,选择加权毕达哥拉斯模糊熵最小的属性作为决策树根节点,在根节点下递归选择模糊熵最小的属性作为分裂节点,同时通过阈值控制树的规模,得到从根节点到叶子节点路径的模糊规则以及模糊规则的隶属度、非隶属度以及犹豫度,并完成预测分类,直至生成WPFDT模型;最后,选取UCI上的3个医学数据集（Haberman、Breast Cancer、Parkinson）进行实验,在分类准确率和得出模糊规则的数量与3种传统决策树算法（模糊ID3算法、C4.5算法、CART算法）比较,实验结果表明：WPFDT在分类精度和树大小上都优于其他传统决策树算法,并且有较高的召回率和精确率。     

基于中心差异度迭代调整机制的 网络社区搜寻算法研究

为解决当前网络社区搜寻算法存在的节点聚类形成困难,搜寻迭代过于复杂,难以实现社区归属的二次更新等不足,提出了一种基于中心差异度迭代调整机制的网络社区搜寻算法。首先,通过领袖节点重叠度来实现初次社区搜寻裁决,有效降低了重复搜寻的概率,且根据加入节点与领袖节点差异度进行聚类匹配;随后,通过待加入节点与领袖节点之间的交互热度方式进行基于热度机制的聚类递归,实现对搜寻误差的二次校正。仿真实验表明,与当前网络社区搜寻算法中常用的差分迭代阈值裁决机制,混沌度一体化成型迭代机制相比,本文算法具有更高的首次成功率,以及更小的搜寻次数与迭代周期,具有很强的实际部署价值。     

一个有效的时延约束最小代价多播路由算法

基于时延约束多播路由问题考虑链路代价,提出一种新的时延约束最小代价路径(DCM-CA)算法,作为搜寻节点间最短路径的算法;在此基础上又改进了基于代价-时延比率(CDR)函数的有效中心节点选择算法;基于CBT树,应用上述2种算法提出一种基于中心选择的时延约束最小代价多播路由(CS-DCMCMR)算法,该算法在搜寻路径和中心节点选择的问题上同时考虑路径的时延和代价。仿真证明CS-DCMCMR算法的时间复杂度为O(mlogn),与CSDVC算法和CCLDA算法相比,该算法在没有增加复杂度和满足时延及时延抖动约束的条件下,较大程度地减小了最终多播树的总代价。     

一种基于局部信息最小二乘法的节点定位算法

针对一些面积较大、节点分布密度过低的实际应用场景中,由于节点间距离测量误差过大而导致定位算法结果精度较低的问题,提出一种根据各邻居节点相关信息划分为若干个局部网络块的节点定位算法.该算法首先将无线传感器网络节点定位技术与机器学习领域中的降维方法相结合;然后根据节点间的距离越近,测量精度越高的规则及在一定通信半径内的各邻居节点相关信息共建网络块;最后将网络块组建成全局坐标系,利用全局构建以及锚节点的具体信息映射出各节点的坐标.仿真实验结果表明,该算法较其他节点定位算法在节点定位精度方面表现更优.     

传感器网络分布式能量平衡路由

提出一种分布式能量平衡路由算法,该算法根据邻接点的能量和状态信息达到各个节点能耗的平均.对能耗过大的节点采取保护措施,汇聚节点sink在广播兴趣阶段形成一棵广播树,各个节点距sink节点的远近不同即在广播树中处于不同的层次,从而传播网络中的任一节点就有父节点、兄弟节点和子孙节点,使得所选路径为距sink节点最短即路径最短能量平衡路由,节点感知各层次节点情况就可以根据其能量信息来重选路径.分析和仿真结果表明,这种路由方法计算简单,所需信息传输量小,可有效提高网络的生命期.