融合用户行为同步指标的链路预测研究

现有链路预测方法大多基于网络结构相似性及连边的权重特征,没有有效挖掘连边权重形成的时序信息。考虑到两个节点行为的时间同步性往往是由于两个节点存在链接造成的,因此在网络结构的重构研究中通常利用节点的行为同步性来反推它们之间是否存在链接关系。该文尝试将节点同步性信息这一网络重构的方法引入链路预测领域,提出一种网络拓扑相似性上融合节点行为同步指数的链路预测算法。经过两类6种真实网络数据的比较分析,发现该算法可有效提高链路预测准确率,相比现有方法,Precision指标提高了15.3%～68.2%。该研究不仅发现节点局域结构相似性和节点行为同步指数对链路预测的共同影响,也揭示了不同类别真实加权网络的内在结构和动态特征。     

在线社交超网络的信息全局传播模型

信息爆炸时代,在线社交网络作为信息传播的主要途径被广泛应用,但在线社交网络中信息传播的动态过程往往难以准确预测和防控。该文引入超图中的超边描述两个或两个以上个体之间复杂的社交关系,利用基于超网络动态演化模型构建在线社交超网络,并结合基于反应过程策略的SIS模型,对在线社交超网络中信息全局传播的动态过程进行理论分析和仿真实验。使用平均场理论得到超网络结构参数与传播率、恢复率之间的解析表达式,并通过仿真实验分析超网络规模、传播率、恢复率、超网络结构参数以及初始传播节点对信息全局传播的影响。进一步,对超网络和复杂网络结构下的信息全局传播过程进行了对比分析。研究结果有助于深层次理解在线社交网络中信息全局传播的传播规律及发展趋势,并为信息侦测和舆情控制等实际应用提供科学依据。     

神经网络和证据理论融合的管道泄漏诊断方法

针对传统管道泄漏诊断方法存在的准确率不高的问题,结合无线传感器网络与信息融合技术,提出一种神经网络和证据理论有机结合的管道泄漏诊断方法. 在普通节点处建立两个子神经网络模型来简化网络结构,分别以负压波和声发射信号中的泄漏特征参数作为输入向量进行初始泄漏诊断;然后将神经网络的识别结果作为证据的基本概率分配,从而实现了赋值的客观化;采用改进的证据组合规则,在普通节点和汇聚节点处进行两级证据合成,充分利用了网络中各种冗余和互补的泄漏信息. 实验结果表明,该方法显著提高了管道泄漏诊断的准确率,降低了识别的不确定性.     

基于特征工程的重要节点挖掘方法

复杂网络中重要节点的挖掘对分析和治理现实复杂系统有着重要的指导意义。设计能反映节点重要性的有效计算方法,是高效准确挖掘重要节点的关键。该文基于节点的邻居信息,采用特征工程中的特征提取、特征重构等方法提取能有效反映节点局部结构的特征向量。利用局部特征向量,通过回归模型建立节点局部结构和重要性的关系模型。在13个真实网络上的实验结果表明,相比于已有的重要节点挖掘基准方法,该方法具有更优的性能。     

信息融合相似性算法下的虚拟社区链接预测

针对传统的基于节点相似性的链接预测方法存在链接预测指标仅考虑网络结构信息或者节点属性信息,以及链接预测指标静态处理节点之间关系的问题,提出了一种基于信息融合相似性算法的链接预测指标（similarity based on network evolution and user generated content , SNEUGC）,该指标结合用户生成内容信息和网络演化信息对含权网络进行链接预测,以解决现有链接预测指标在含权网络环境下链接预测准确率低的问题。实验证明,该方法的准确率达到了80％,具有一定的可行性。     

基于图神经网络的零件机加工特征识别方法

针对现有基于深度学习的方法存在的难以识别相交特征、无法精确确定加工特征面的问题,提出基于图神经网络的加工特征识别方法.通过压缩激励模块提取节点与邻接边的特征,构建节点级与邻接边级的双层注意力网络,分割每个节点对应的加工特征.该方法充分利用了零件模型的面特征与边特征,结合零件模型的拓扑结构,基于注意力机制对特征信息进行深度学习,可以有效地解决非面合并相交特征的识别问题.在多加工特征零件数据集上,将该方法与其他3种特征识别方法进行实验对比,在准确率、平均类准确率和交并比3项指标上均取得最优结果,识别准确率高于95%.     

汉语部分实体的抽取模型

为了识别汉语实体,提出了利用模式匹配技术构造一个抽取模型。为了识别该模型的有效性,系统的测试语料采用Internet网上真实语料,语料全部来自新加坡联合早报,主要是新闻领域,经过开放测试,该系统识别实体召回率46．02％,准确率为52．94％。     

考虑级联失效的可重构网络抗毁性研究

网络是由节点与连接节点的边构成的拓扑结构;节点之间通过边进行信息交互并实现网络的功能。网络中一个或多个节点发生的故障,会通过节点之间的连接关系引起其他节点发生故障,这种现象称为级联失效。网络的功能依赖于网络结构,当部分节点或者边发生故障时,网络往往能通过重构和载荷分配等方式恢复和保持一定的功能。以无人机集群和通信网络为研究背景,考虑了无人机集群的级联失效行为和可重构特点。通过引入节点最大连接数限制,提出了一种基于信息载荷分配的多状态级联失效规则与基于概率的动态网络重连规则,研究了级联失效行为的扩散和传播对网络抗毁性的影响。通过仿真实验设计及分析,提出几点提升集群抗毁性的可行建议。     

有向制造网格节点多重链接权重计算方法

将制造网格与Web技术相结合建立了一个新的制造网格控制模型,可有效地刻画制造网格的有向控制过程,同时具有易管理和易控制的特征．在构建模型过程中给出了状态汇聚代理的概念,并分析了状态汇聚代理在有向制造网格进行协同控制管理的过程中提高管理效果和可控性的工作机理．基于该工作机理提出一种基于多重链接的有向制造网格节点权重计算方法,可根据节点权重计算结果排序来识别有向制造网格中的状态汇聚代理．采用T检验、Kendall-tau和斯皮尔曼等级相关系数这3种统计学检验标准对不同的状态汇聚代理识别算法进行对比实验,同时还对算法的准确率和召回率以及计算时间进行了实验验证．结果表明,从状态汇聚代理识别能力、准确率和召回率以及计算时间等综合指标来看,新方法更具优势．     

基于本体特征的汽车领域命名实体识别

针对汽车领域命名实体识别中汽车属性名识别的准确率和召回率较低的问题,提出了一种基于本体特征的汽车领域命名实体识别方法。通过扩展现有叙词表,基于叙词表构建汽车领域本体,提取语料中的本体特征,利用CRFs模型对汽车领域命名实体进行识别。实验结果表明,本体特征能够有效地识别出汽车属性实体,准确率、召回率和F值分别为75.60%,66.12%和70.54%。     

朋友关系网络的实证统计研究

为了探究节点的动力学行为如何对网络拓扑结构造成影响,构建了4个节点相同但拓扑结构不同的朋友网络. 对比研究发现,普通朋友网络是一个小世界网络,但随着朋友关系亲密度的增加,网络拓扑结构由连通到不连通,平均度和集聚系数在减少而平均路径长度在增加. 此外,前3个网络的度相关性呈现负相关.     

Network community identification method based on individualcentered theory

The studies show that numerous complex networks have clustering effect.It is an indispensable step to identify node clusters in network,namely community,in which nodes are closely related,and in many a...     

时序网络上的随机游走免疫策略研究

针对传统免疫模型在时序网络中所面临的难以收集、分析网络拓扑信息的困境，提出了基于随机游走机制的免疫策略，一定数量的免疫粒子被随机地分配到网络节点上，当该节点有边激活时，免疫粒子就可以沿着激活边游走到另一节点，获得免疫粒子的节点获得免疫能力，失去免疫粒子的节点转换成非免疫的易感态。根据随机游走者之间在转移时是否相互影响，分别建立了非独立随机游走免疫模型和P_独立随机游走免疫模型。在这两种免疫模型中，免疫粒子传播所需的网络开销受到事先给定的免疫粒子密度的限制。实验表明，这两种随机游走免疫模型可以获得比熟人免疫模型更好的免疫效果，而与目标免疫模型的比较结果取决于网络拓扑结构的异质性程度。     

复杂网络链路预测

网络中的链路预测是指如何通过已知的网络结构等信息预测网络中尚未产生连边的两个节点之间产生连接的可能性。预测那些已经存在但尚未被发现的连接实际上是一种数据挖掘的过程,而对于未来可能产生的连边的预测则与网络的演化相关。传统的方法是基于马尔科夫链或者机器学习的,往往考虑节点的属性特征。该类方法虽然能够得到较高的预测精度,但是由于计算的复杂度以及非普适性的参数使其应用范围受到限制。另一类方法是基于网络结构的最大似然估计,该类方法也有计算复杂度高的问题。相比上述两种方法,基于网络结构相似性的方法更加简单。通过在多个实际网络中的实验发现,基于相似性的方法能够得到很好的预测效果,并且网络的拓扑结构性质能够帮助选择合适的相似性指标。该文综述并比较了若干有代表性的链路预测方法,展望了若干重要的开放性问题。     

无线传感器网络中基于广播坐标的静态链簇路由算法

提出了一种基于广播坐标的无线传感器网络静态链簇路由算法SCTC。该算法在节点地理信息未知的情况下,利用双基站把网络划分为若干静态簇以降低网络动态成簇的能耗,采用簇内成链及簇间并行通信的方式减少簇内通信的能量损耗并降低传输时延,以轮换汇聚层的方法均衡节点能量消耗。仿真实验结果表明,该算法可以大幅度降低网络的能耗并延长网络的生存时间,降低了网络通信的时延。     

WMI技术在Ad Hoc网络移动管理系统中的应用

为了对Ad Hoc网络进行有效管理,解决Ad Hoc网络自组织、拓扑结构动态变化和移动终端资源有限等特点给网络管理带来的问题,在Ad Hoc网络管理系统中使用了WMI技术.通过WMI提取的节点信息对基于GPS的分群算法进行了改进,使Ad Hoc网络的分群更加稳定可靠,使用WMI对Ad Hoc网络进行管理,能够实时提取节点各类信息,监控网络的运行状态,解决了Ad Hoc网络中由于节点移动所造成的移动管理问题.     

基于复杂网络的质量系统分析

从复杂网络的角度,对由许多相互关联的质量组织所构成的质量系统建模。利用复杂网络的理论方法研究了质量系统的结构属性和动力学特征,并以计算机信息产业质量系统为例,借助网络分析软件UCINET和MATLAB统计工具进行了分析。结果表明:质量系统网络的度数和介数较集中,聚集系数小,度分布服从对数正态分布。说明计算机信息产业质量系统的关键点是微软等六大公司,对他们的质量管理和控制对于整个系统的稳定和发展具有重大的意义。     

动态网络中的高效多故障诊断技术

针对已有算法复杂度较高,不适用于规模较大网络的问题,将被管系统建立成动态贝叶斯模型,并提出一种能处理多故障的近似推理算法. 通过复杂度分析,证明该近似算法时间复杂度为多项式级,远远低于精确算法的时间复杂度下限,可以用于解决大规模动态网络的故障诊断问题. 实验结果证明,新算法在准确度方面虽然略低于精确算法,但执行效率上远远高于精确算法.     

一个用于传感器网络的分布式节能组簇方法

为使无线传感器网络中结点有效节能进而延长网络生命周期,提出一个新的组簇方法DEEC.DEEC通过局部的结点间消息交换计算出一个簇内数据聚集能耗优化的簇结构模式,而且还包含一个能有效平衡网络能耗负载的方法,能更好地适应周期性收集数据的传感器网络应用.仿真实验表明:DEEC能在较小的网络延迟下把LEACH的网络生命周期延长约45%.     

一种基于调节因子的动态自组织映射网络流量分类方法

针对当前自组织映射网络在流量分类中存在的不足,提出一种新的动态增长自组织映射模型DS GSOM用于流量分类。该方法采用灵活可控的网络结构,引入调节因子EF来控制网络生长,可以按需要方便地在任意合适位置生成新结点,实现层次聚类,所生成的网络结点数目远远低于传统的SOFM方法,训练周期短,算法执行效率明显高于SOM和GSOM。实验分析结果表明该分类方法准确率和召回率明显优于自组织映射网络的其它流量分类方法。