核聚类人工免疫网络评价函数研究

人工免疫系统是对基于生物免疫系统的模式识别机制而构造的信息处理方法的总称.对一种专门用于聚类分析的人工免疫系统模型--核聚类人工免疫网络进行研究.在核聚类人工免疫网络方法中,模式类的特征值的评价函数不仅是引导方法最终收敛的关键因素,同时,也决定了该方法的聚类分析效果.专门研究了核聚类人工免疫网络中特征值评价函数的具体形式及其对聚类分析效果的影响,从而为进一步完善和更好地应用该方法提供参考.     

基于模糊决策理论的主观信任评价模型

为了解决主观信任的模糊性和管理主体之间信任关系的动态性,提出了一个基于模糊决策理论的评估模型.该模型针对成本-效益型方案提出,利用模糊理论处理信任关系的不确定性,使用特征向量法计算信任权重,同时建立优属度模糊矩阵对方案进行信任评估.试验结果表明,该模型是可行有效的.     

开放网络中基于担保的主观信任模型

针对目前存在的主观信任模型不能很好地解决信任初始值的设定和实体匿名问题,利用主观逻辑理论对实体的信任关系进行建模,提出了一种开放网络中的新型主观信任模型,定义了担保信任和全局信誉,依靠实体之间的担保关系设定信任初始值,给出了推荐信任和担保信任的搜索算法。模型有效地描述了实体间主观信任关系,保证了实体的匿名性和信任消息的完整性,从而防止了针对欺骗和联合欺骗。通过仿真实验证明了模型的有效性。     

基于云模型的风险评估方法研究

以复杂网络环境中的网络交易为研究背景, 引入云模型理论, 通过对复杂网络环境中的信任、信任影响因素及信任评价机制等问题的研究, 提出了基于云模型的信任评估模型, 实现了信任的定性与定量的转换, 客观地反映了信任的随机性、模糊性和不可预测性; 为了有效地对复杂网络中交易风险进行评估, 研究并提出了基于云模型的风险评估方法. 仿真实验表明, 提出的信任评估模型能对复杂的网络环境中实体的信任做出合理的评价; 基于云模型的风险评估方法能对电子商务中的交易风险进行合理可行的预测. 设计并实现了一个基于云模型的风险评估系统, 进一步验证了基于云模型的风险评估方法的可行性和合理性, 也为复杂的网络环境中风险评估的研究提供了有价值的新思路.     

评价离散度敏感的P2P交易系统信任模型

提出了一种评价离散度敏感的P2P电子交易系统信任模型,该模型引入了基于推荐节点数量和推荐信息离散程度 的全局声誉信度概念,以及直接声誉的相对信度概念,并给出了基于信度的信任度计算方法。通过仿真实验和分析,验证了 该信任模型的有效性和抗恶意节点能力。与EigenRep进行比较,表明该文模型在抗恶意节点攻击能力上有了显著提高。     

融合用户信任和影响力的top-N推荐算法

针对现有基于信任的推荐方法通常直接利用社交网络的二值信任关系来提高推荐质量,较少考虑用户间信任强度的差异和潜在影响的问题,提出结合用户信任和影响力的混合推荐算法进行top-N项目推荐. 采用自动编码器对用户行为进行无监督的初始特征优化,将高维、稀疏的用户行为压缩成低维、稠密的用户及项目特征向量;提出融合用户交互信息、偏好度和信任的新型信任度量模型,发掘社交网络中用户间的隐含信任关系,重构社会信任网络;将社会信任网络的拓扑结构和用户的交互信息融入结构洞算法,通过改进的结构洞算法来识别网络中的影响力用户,提高top-N项目推荐性能. 实验在FilmTrust、Epinions、Ciao这3个标准数据集上进行对比验证,实验结果证明了所提算法的有效性.     

一种基于协作频度聚类的Web服务信任评估方法

在Web服务协作环境中选择可信赖的Web服务是分布式软件需要解决的一个关键问题,为此,提出了一种基于协作频度聚类的Web服务信任评估方法.该方法借鉴社会学信任模型,通过Web服务节点间的协作频度对Web服务进行聚类,提出个体信任度、群体信任度和综合信任度的概念,给出了一个Web服务信任度评估模型.还设计了一种基于全局信任管理和本地信任管理的Web服务信任度评估框架.通过构建Web服务库,对评估模型进行了模拟实验,证明了所提出的Web服务信任评估方法的可行性和有效性.     

基于知识库的多媒体视频信息云存储方法

为了提高多媒体视频信息云存储的聚类能力,降低存储空间和数据访问延迟率,提出基于知识库的多媒体视频信息云存储方法.在Hadoop云平台中构建多媒体视频信息的大数据挖掘模型,结合知识库本体构建方法和日志文件分析方法对多媒体视频信息进行融合特征挖掘和信息聚类;采用模糊C均值聚类分析方法建立多媒体视频信息的属性归并模型;在语义...     

一种新的P2P网络的信任管理模型

在点对点(P2P)网络中,由于不存在可信中心,实体间的信任关系无法使用传统方式建立.针对这一问题,在已有研究的基础上,提出了一种新的P2P网络信任管理模型. 该模型基于模糊理论构建服务行为评价,可以根据用户的需求进行定制. 该模型通过将历史行为分组,并赋予不同的权值,提供了一种简捷有效的时间相关性算法. 该模型使用分布式存储的方法来处理推荐信息,降低了搜集推荐信息的消耗.     

复杂网络中无信任边界限制的连续观点演化研究

多数的连续观点演化模型中,缺少考虑舆论环境对信任关系的影响,同时信任边界条件使得观点演化聚合之后,各观点集合中的个体无法进行后续观点交互。该文分析个体观点差异以及邻居舆论环境对交互过程中信任关系的影响,消除信任边界对观点交互更新的限制,建立无观点信任边界限制的连续观点演化模型,并研究该模型观点演化统一的影响机制。理论分析与仿真实验表明:该模型不单可以反映观点演化的聚合过程,而且能反映舆论演化聚合之后各观点集合之间的竞争交互过程,模型可描述观点集合形成后的观点有序集合的变化;同时,模型反映了在较高聚类系数的无标度网络中,观点演化统一更加困难,而在平均连接度高的网络中,演化统一更加容易,这与已有相关研究结论是基本相符的。     

密度峰值聚类的自适应社区发现算法

为减少社区发现算法中参数的选择对社区划分的影响,同时使算法能够自适应地进行社区划分,本文提出一种基于核密度估计的密度峰值聚类的社区发现算法KDED.首先,定义一种基于信任度的距离度量,将社交网络中的用户关系量化为距离矩阵,使用矩阵元素的大小度量用户关系的紧密程度;然后对距离矩阵进行核密度估计,统计各个节点在网络中的影响大小,结合热扩散模型改进计算流程,使其自适应不同规模的数据集以提高计算精度;结合密度峰值聚类原理和社区属性确定社区中心节点后,可根据节点间的距离得到社区内部层次结构和社区外部的自然结构;最后将剩余节点按距离分配到相应的社区当中以完成社区划分.仿真结果表明:通过可视化软件可观察到,通过KDED算法得到的社区划分结果具有清晰的自然结构和内部层次结构;随着社区规模的提升以及划分难度增加,KDED算法具有出色的稳定性;在真实数据集以及LFR基准网络上均得到较为接近真实划分结果的社区划分,自适应性良好,验证算法的可行性与有效性.     

基于吸引关系的停车场网络连接方法

为研究停车场网络拓扑结构,提出了基于吸引关系的停车场网络连接方法.通过改进现有停车需求预测模型,充分考虑停车利用率、停车周转率、城市中心指数等因素影响,建立了新的停车场需求算法.通过绘制常规Voronoi图,利用断裂点理论的关键性质和常规Voronoi图的物理参数,划分各停车场的影响范围.引入吸引度概念,并对吸引度计算公式中的参数进行了修改和标定.计算停车场网络中每个节点的吸引度和节点间连线的边权,确定了停车场之间的连接情况.对哈尔滨市部分停车场进行吸引关系下的停车场网络模型构建.采用复杂网络参数分析方法对停车场网络进行分析,分别分析了规模赋值计算方法下和进一步通过吸引关系计算下的停车场宏观及微观节点参数.结果表明吸引关系下,停车场网络度分布符合幂律分布,无标度网络特征明显.与全局耦合网络和单边耦合网络对比,吸引关系下停车场网络具有较高聚类系数和全局有效性和较小的平均路径长度,在现有参数评价体系中表现均衡,是一种实用的停车场连接方式.     

基于P2P的制造资源网络

企业需要在网络中搜索制造资源信息，而通用搜索引擎无法很好地满足这种需求。而，P2P网络是一种有效的资源搜索方式。通过分析P2P网络的基本结构和资源共享方式，提出一种基于P2P的制造资源网络(PMRN)模型。PMRN是由制造单元“自组织”形成的分布式、虚拟、动态和松散的纯P2P模型网络。根据PMRN中对等体之间的平等关系和松耦合特性，提出了一种基于Dempster-Shafer证据理论的PMRN信任模型，并在此基础上建立了信任传递和信任聚合机制。基于P2P的制造资源网络模型可以充分利用位于网络边缘的各种规模的制造资源，形成可观的制造能力。PMRN的信任机制也为企业间的合作提供了重要的参考。     

基于社团结构的文本聚类算法研究

为了提高文本聚类的有效性,提出一种基于网络社团结构的文本聚类算法。基于语义知识库理论,利用文本集与词语间的关系,引入文本相似度概念,再结合Newman社团聚类算法特性,将文本集作为独立社团,用文本相似度表示社团联系的紧密程度,对网络文本进行聚类。实验结果表明,该方法有效可行。     

基于高考录取成绩的院校竞争网络实证研究

平行志愿录取规则与优质生源的紧缺使得院校在高考招生时存在激烈的竞争关系。从网络科学视角正确理解院校竞争关系,能够合理地指导考生进行志愿填报。利用2019年山西省高考理科录取成绩,通过改进的Jaccard相似度计算方法,构建院校竞争网络的邻接矩阵。基于复杂网络度量方法,实证研究院校竞争网络得到:1) 度分布存在一定的异质性,且具有较大的平均度;2) 簇度负相关表明院校竞争网络存在层次结构;3) 富人俱乐部连通性表明度数大于375的院校完全连通构成富人俱乐部;4) 利用基于节点标签与网络结构的社团划分算法,通过基尼不纯度评估社团内院校的同质性,进一步利用Louvain算法识别社团内院校存在层次化差异结构。这些实证结果刻画了院校竞争关系,在此基础上归纳了一些指导考生进行合理、分梯度志愿填报的建议和策略。     

动态网络桥系数增量聚类算法

提出了一种在动态网络中发现社团结构的增量式聚类算法.基于动态网络中相邻采样时刻网络拓扑变化较小的特点,将网络前一时刻的社团结构作为当前时刻的初始聚类结果,利用边的桥系数判断网络拓扑变化对聚类结果的影响,局部调整初始聚类,最终得到符合当前网络拓扑的社团结构.通过和马尔可夫聚类算法进行比较,验证了本算法的精确性和高效性.实验结果表明,利用增量聚类算法分析动态网络,避免了对当前网络的重新聚类,可以快速、准确地发现动态网络社团结构.     

多Agent系统中信任预测的SRL模型

针对多Agent系统(MAS)中信任关系管理的需求,将Sarsa 强化学习(SRL)理论应用于构建MAS中基于Agent行为的信任关系预测模型. 首先根据Agent之间交互的时间顺序,构建了基于时间戳的行为状态空间结构,然后应用SRL理论,建立了基于直接可信度和反馈可信度相融合的总体信任关系预测模型. 新模型充分利用SRL理论较强的动态适应能力,解决了传统预测模型对环境的动态变化适应能力不足的问题. 累计误差方面的实验结果表明,与已有模型相比,新模型能显著提高信任决策的准确性.     

D-Trust:双信任度量的非结构化P2P网络信任模型

针对传统的P2P网络信任模型用单一信任无法准确反映节点行为的问题,提出了基于双信任的非结构化P2P网络信任模型D-Trust。该模型将信任分为服务信任和反馈信任,提出了双信任的存储、计算和更新算法,以及信任传播机制。仿真结果表明,该模型能有效防御常见的安全攻击,和单一信任相比,更大程度地发挥了节点的服务能力,较已有的信任模型在性能上有很大提高。     

点对点网络中运用云理论的信任域模型

针对点对点网络中信任的模糊性和随机性难以刻画和计算的特点,首先运用域的概念设计一个信任模型,包括可信度的管理、传递和表示.在计算对等点的全局可信度时引入动态权重函数,再运用云理论将每个已存在的可信度映射为定量的可细微变化的不同云滴,并计算不同权值下其云的数字特征.在Microsoft Visual C++和Matlab环境下,计算与标准概念云的相似度,相似度最大的云最大限度地保留了点对点网络中信任的随机度和模糊度,其所对应的权重最终确定了请求对等点的可信度.结果表明,运用域的概念和云理论的信任模型较好地表征和计算了点对点网络中的信任,具有较强的抗攻击能力.