基于排名聚合的时序网络节点重要性研究

目前时序网络节点重要性的研究主要从时序路径、连通性、网络效率等方面展开。该文考虑到时序网络层内的连接关系和层间耦合关系,引入基于评分矩阵的排名聚合理论,提出了一种基于排名聚合的时序网络节点重要性识别方法。Manufacturing和Enrons等实证数据上的实验结果表明,基于排名聚合的时序网络节点重要性度量方法对比其他方法的Spearman相关系数平均提高2.41%和18.63%,说明了该方法在时序网络节点重要性度量的适用性和有效性。     

基于交叉熵的节点重要性排序算法

如何高效地度量节点的重要性一直是复杂网络研究的热点问题。在节点重要性研究中,目前已有许多算法被提出用于判断关键节点,然而多数算法局限于时间复杂度过高或评估角度单一。考虑到熵可用于定量描述信息量的大小,因此,提出了一种基于交叉熵的节点重要性排序算法,该算法兼顾了中心节点与其近邻节点之间的整体影响力,并将节点的邻域拓扑信息有机地融合,使用交叉熵值来量化节点之间的信息差异性。为验证该算法的性能,首先采用单调关系、极大连通系数、网络效率以及SIR模型作为评价指标,其次在8个不同领域的真实网络上与其他7种算法进行比较实验。实验结果表明,该算法具有有效性和适用性,此外时间复杂度仅为O(n),适用于大型网络。     

网络节点重要性的多指标综合评价方法

给出了网络节点重要性的一种多指标综合评价方法。从网络的备选路由数、网络被分割的程度和网络性能三方面考虑节点的重要性,分别引入"改进的生成树数目"、"改进的网络连通性"和"改进的剩余节点对距离和的增量"三个指标,并根据变异系数法,确定其权重,以其线性加权值作为节点重要性的测度。最后,利用该方法对一个无向图的节点重要性进行分析,并与节点删除法进行比较,该方法可行有效。     

时序网络中关键节点的识别方法研究进展

相对静态网络,时序网络可以更准确地刻画现实网络的动态过程。基于时序网络模型,如何有效地识别重要节点或者评价时序网络中一个节点对其他节点的影响力,已成为时序网络研究领域中的一个亟待解决的问题。该文分别从时序网络拓扑结构和动力学的角度,对现有的时序网络中的关键节点识别方法进行了系统的回顾,详细比较各种方法的计算思路、应用场景和优缺点。最后总结了这一研究方向几个待解决的问题,并指出未来可能的发展方向。     

无人机集群网络节点重要性的多属性决策

针对无人机集群网络关键节点识别与保护问题,文中选取网络节点的局部属性、全局属性以及节点间的相关重要性等指标,通过变异系数法确定指标权重,基于多属性决策,提出了一种无人机集群网络节点重要性的评估算法。采用不同算法对ARPA网络节点重要性进行排序,以识别出ARPA网络重要节点。通过计算网络重要节点去除后所生成的子图数与子图最大规模,分析网络重要节点失效对网络连通性的破坏情况和分割情况。结果表明：相较于重要度评价矩阵法、信息熵法、贡献矩阵法等传统算法,多属性决策算法实现了ARPA网重要节点的有效识别,且识别性能优于传统算法,为无人机集群网络健壮性评估提供了新方法。     

社会网络结构洞节点度量指标比较与分析

为了分析社会网络中影响结构洞节点测量的因素,首先阐述了现有的7种定量衡量结构洞节点的方法,然后构建了4组12个具有不同结构特征的模拟网络。在模拟网络上对结构洞节点的度量指标进行深入而全面的分析和比较。同时,在人人网社会网络上进行实证分析。实验结果表明,这7种度量指标均难以准确度量结构洞节点,不同指标间存在着一定的相关性。在7种度量指标中,介数中心性能相对取得较好的效果。     

复杂网络节点重要性排序算法及应用综述

复杂网络中节点的异质性导致各个节点的重要性是截然不同的,而关键节点往往对网络的结构和功能具有巨大的影响力,所以通过节点重要性排序算法对关键节点进行挖掘的研究直受到各方面的关注。将复杂网络中关于节点重要性的排序算法进行研究,比较了各种方法的优势和缺陷,并对重要节点挖掘算法的应用方向和常用数据集进行介绍,最后对现有研究进行了总结,并对未来的研究方向进行展望。     

基于TOPSIS的时序网络节点重要性研究

时序网络考虑事件发生的顺序,可以更准确地刻画复杂系统的演化特征。本文采用多属性排序方法（TOPSIS）对时序网络不同时间片段节点的影响力进行综合评价。具体的思想是通过计算不同层间相似性指标值与正理想解和负理想解的欧式距离,根据其接近正理想解和远离负理想解的程度对层间耦合关系的度量方法进行排名。基于Workspace数据集的实验结果表明,以优先链接指标（PA）度量时序网络时间层耦合关系,所挖掘出的重要节点准确率最高,在各时间层上平均达到50.82%。该文的工作为从多属性角度分析时序网络提供了借鉴。     

级联失效下的供应链网络节点重要性评估方法

在复杂的市场环境中,由于各种不可抗拒的原因造成供应链网络中的节点企业因故不能正常供应,从而影响整个供应链的上下游供需关系,造成故障的扩散,引发级联失效,最终导致整个供应网络效能严重下降,甚至导致整个供应链的瘫痪。针对供应链网络具有异质性的特点,即链中企业的重要程度各不相同,所造成供应链网络整体效能下降的程度也不相同,因此发现供应链网络中重要节点企业并进行维护,是一种有效提升供应链网络级联失效的有效方法。作者首先基于图论对供应链网络的级联失效问题进行形式化描述与建模,并在此基础上提出了一种考虑级联失效的节点重要性评估方法,该方法通过网络负载熵的变化来衡量该节点失效对整个供应链网络造成的整体效能下降程度来评价节点企业重要性,最后通过实证数据证明了该方法的有效性。     

图卷积融合计算时效网络节点重要性评估分析

复杂网络节点的重要性度量与时间属性相关,经典静态网络模型弱化对节点交互时间属性的有效表征.将深度学习模型迁移到动态图数据上进行端到端系统建模,提出基于图卷积融合计算的时效网络节点重要性综合评估模型.通过超邻接矩阵集结时效网络结构特征的动态演化过程,利用图卷积神经网络框架融合计算节点邻域特征,分析节点时序演化重要性顺序结构,实现节点重要性综合排序.仿真实验结果表明,与基线方法相比,所提方法得到的Kendall’sτ值在所选网络数据集上均表现优良,体现出基于图卷积融合计算的时效网络节点重要性综合评估方法的有效性和优越性.     

一种基于h指数变体的软件网络节点重要性度量方法

新成员在参与软件项目开发和维护系统时,往往需要花费大量时间去理解系统的结构和功能,为了加速新成员对系统的理解,通常优先推荐他们关注一些系统中更重要的类。大量研究表明软件系统具有明显的复杂网络拓扑形态,可以将软件系统抽象为软件网络模型,通过网络节点重要性度量方法识别软件系统中更重要的类,辅助新成员快速掌握系统的核心结构和功能。目前,关于网络节点重要性度量的方法很多,大多数方法仅考虑邻居节点的度或边的权重。另外,h指数作为一种成功用于定量评估研究人员学术成就的指标也很少应用于软件网络中重要类的识别。作者以Ant、Jung和Maven项目为研究对象,构建对应的加权软件网络模型,结合节点的度和连边的权重信息提出H-NWD、A-NWD和G-NWD 3个h指数的变体指标来度量软件系统中类的重要性,并与已有的度中心性、介数中心性、接近度中心性、特征向量中心性、PageRank中心性5个常用的复杂网络中心性度量指标进行对比。实验结果表明,本文所提的H-NWD和G-NWD指标与已有的度量指标交集达到80%以上,能够很好地识别软件系统中重要类;在确定类的修改情况下,H-NWD指标与度中心性、特征向量中心性、PageRank中心性共同识别的重要类节点rank值更靠前,且被识别的其他类节点修改更频繁,相比于已有指标在识别关键类上更准确。     

中国航空网络时序特征分析

该文着重研究时序信息对中国航空网络拓扑结构和传播行为的影响。将网络分割为24个时间窗口,研究拓扑结构在序列中的变化特性;考虑网络中事件发生的时间间隔,建立时序网络上的SIR传播模型以及基于时间特性的节点分类方法。结果表明,度-集聚系数和介数-集聚系数在8:00时出现正相关向负相关的转变;节点上航班出港行为的时间爆发性存在明显差异,但整体上可降低网络的传播速度和感染范围。该研究成果对进一步认识航空网络及受航空网络影响的疾病传播等动力学过程具有重要意义。     

基于耗散结构理论的改进熵值法企业管理绩效评价

针对传统企业管理绩效评价指标设计偏重局部而忽略整体、评判标准滞后于组织变化等弊端,利用耗散结构理论从熵增和涨落两方面分析了企业管理的实质,并基于此设计了企业管理绩效的多层评价指标体系.在确立指标体系的基础上,结合改进熵值法进行定量计算.并结合实例进行了验证,取得了满意的效果.     

基于模糊熵的多值图像恢复方法

提出了一种基于模糊熵的多值图像恢复方法．该方法根据熵在应用方面的局限性,对其表示的形式进行了扩展,构造了一类能够反映多值图像特点的模糊熵．仿真结果表明,用模糊熵进行图像恢复的效果明显好于另两种常用的图像恢复方法(中值滤波和均值滤波)得到的结果．另外,在医用图像和军事图像处理方面,多值图像的恢复是非常重要的．     

基于迭代K-shell和改进信息熵的节点重要性排序算法

复杂网络中对节点重要性排序算法的研究具有重要的现实意义。传统的K-shell算法排序结果分辨率不高,根据节点信息熵的排序算法时间复杂度又过高。针对这一问题,提出基于迭代K-shell和改进信息熵的节点重要性排序算法。首先,通过分析K-shell分解过程中的迭代信息得到节点在网络中的全局信息;其次,提出改进的节点信息熵来得到节点的局部信息;最后,综合节点的全局和局部信息对节点重要性进行排序。通过将该算法在4个真实数据集上与其他6个算法进行实验,该算法与现有方法相比排序结果的分辨率更高、节点信息传播能力更强且时间复杂较低,更适用于大规模网络。     

异形单层网壳结构的整体稳定性研究及关键节点分析

单层网壳结构属于缺陷敏感结构,整体稳定问题是结构设计的关键.单层网壳结构可以采用空间相贯节点,有必要对节点进行三维实体有限元分析,在此基础上研究节点的力学性能.本文总结了单层网壳结构整体稳定分析的方法,归纳了空间相贯节点三维实体有限元分析方法;针对异形单层网壳结构,研究了结构的静力性能、结构网格与建筑形状对结构承载能力的影响,确定了结构的弹性稳定承载力和弹塑性稳定承载力;对空间相贯节点进行了有限元分析,得到节点处应力的分布情况,并研究了节点隐蔽部位有无焊缝对节点力学性能的影响.结果表明：异形单层网壳的曲率变化和结构网格对关键部位处杆件受力影响较大;稳定承载力对单层网壳结构起控制作用,对此异形单层网壳进行弹塑性稳定分析,结构安全系数达到24;隐蔽部位焊缝对节点承载力的影响较大,设置隐蔽部位焊缝后,节点处各杆件的最大应力可减小20%以上.     

基于节点聚类系数的网络社区结构发现

研究了节点聚类系数与网络社区结构之间的关系.直接使用节点聚类系数不易刻画社区子图的高聚集特性,定义了一些基于节点聚类系数的社区度量,据此识别网络中的社区.首先,给出了基于聚类系数增大的社区间边判定规则,简称CCE规则;然后,利用CCE规则引出相似度矩阵,即网络密度矩阵;最后,通过网络密度矩阵来构造Laplacian矩阵,并进一步推导出通过计算Laplacian矩阵的特征值以及特征向量来实现社区结构划分的算法.三个真实网络数据的实验结果表明,算法不仅获得了令人满意的划分结果,而且还提高了算法的时间效率.     

基于邻层传播的相对重要节点挖掘方法

目前针对复杂网络中相对重要节点的挖掘方法已有一些成果,但方法的效率和准确性仍有待提高.该文基于如下假设—如果一个节点具有某种特征的邻居节点越多,则该节点具有此特征的可能性越大—提出了一种基于邻层传播(NLD)的相对重要节点挖掘算法,并通过实验比较与分析,验证了该方法的准确性与适用性.     

基于网络节点中心性的新闻重要性评价研究

评价权威报刊的新闻重要性对于正确理解国家政策变化具有重要意义.该文以《人民日报》为例,抽取发表在1946-2008年期间的新闻,利用其内容相似性构建新闻网络.从复杂网络视角,一篇新闻与其他新闻的相似性越高,其在新闻网络中连接越紧密,具有较大的节点中心性.鉴于此,该文将H指数引入PageRank排序算法,提出H-Page...