基于智能Agent的复合网络演化模型

为了更好地理解网络结构与网络行为之间的关系,提出了一种基于Agent的动态网络演化模型DA,把网络中的每个节点建模成一个智能Agent,每个Agent节点具有一定的寿命并根据自己的演化策略进行演化。实验结果显示该模型涌现出了许多真实网络所具有的特性,准确地刻画了真实网络的演化规律,并且增强了传统模型在受到攻击时的鲁棒性。     

基于无尺度网络的僵尸网络传播模型

主流传播模型不能准确反映僵尸程序在Internet中的传播特性。针对该问题,提出一种基于无尺度网络结构的僵尸网络传播模型。该模型考虑了Internet网络的增长特性和择优连接特性,能够反映实际网络中的无尺度特性,更符合真实Internet网络中僵尸程序的传播规律和感染特性。     

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。     

电子邮件病毒传播网络的建模与分析

为了深入了解电子邮件病毒传播网络的演化规律,通过分析电子邮件病毒传播网络的生长过程的特点及方式,把电子邮件病毒的传播过程抽象成一个网络的生长,建立了基于局部优先连接机制的电子邮件病毒传播网络的动态演化模型,该模型在考虑网络动态增长的同时,兼顾了网络内部边的动态演化,更细致、真实地刻画了电子邮件病毒传播网络的动态演化特性,仿真结果表明,该模型所生成的网络具有无标度特性、小世界以及高聚集性。     

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。     

扭立方体连接网络结构的研究与分析

根据交叉立方体（CQn）的结构与关联对的概念,对扭立方体连接网络（TNn）的结构特性进行了分析,证明了当[n5]时,TNn是不连通的,并且不连通的结点数占整个网络结点数的一半。通过分析扭立方体连接网络的错误所在,提出了一种新型网络结构——扭交叉立方体（TCQn）,证明了该网络结构是完全连通的,初步研究了其基本网络性质,如正则性,连通度,容错度,递归性等,表明TCQn具有与CQn同样优秀的网络性质。     

子网络的连接模式对关联网络可靠性影响研究

为了分析关联网络中子网络之间连接方式对网络可靠性的影响,根据不同子网络之间连接的度相关性,建立关联网络中子网络之间的连接模型,以节点之间非交叉路径的最大条数为可靠性测度,对由4个子网络组成的网络系统进行了分析。结果表明,当子网络之间的连接具有异配性时,网络具有较高的可靠性,但过大的异配性反而会降低网络的可靠性。     

敏捷供应链知识网络演化模型及知识扩散仿真

针对敏捷供应链中知识的动态增长和聚类性的特征,基于改进后的BA网络模型构建敏捷供应链知识网络的生长演化模型.网络中的节点基于节点间的关系强度择优选取并进行连接.在此基础上,对网络中知识主体的属性进行定义,并对网络中的知识扩散过程进行建模.最后通过计算机仿真对网络中知识主体采用不同的择优连接策略时网络中平均知识存量和知识差异系数的变化趋势进行了对比分析,得到了提高网络中知识扩散效率的有效对策.     

强/弱连接对软件网络结构的影响*

抽取类级软件网络拓扑模型,提出用紧密度来测度网络中的强连接,用结构洞来刻画网络中的弱连接。由紧密度与度的相关性得出高度值节点周围一定存在强连接,低度值节点间不一定用强连接相关联;由中介度与结构洞的相关性得出网络中的弱连接与节点占据结构洞有关,无洞和全洞结构都不存在弱连接;利用K-近邻指标分析强/弱连接的分布特征,得出强连接具有网络中心性,而弱连接的中心性并不明显;通过逐步删除一定百分比的强/弱连接节点和边来对比分析它们对软件网络结构的影响,结果表明移去强连接可迅速破坏网络的连通性,而移去弱连接在一定范围内对网络结构影响并不大,但随着删除比例增多,网络的连通性和信息流动受到严重破坏。所得结论对度量和控制软件结构复杂性提供理论指导。     

基于角色发现的动态信息网络结构演化分析

动态信息网络是当前复杂网络领域中极具挑战的新问题之一，对其动态的演化过程进行研究，有助于分析网络结构、理解网络特性、发现网络中潜在的信息及演化规律，具有重要的理论意义与应用价值.基于网络结构本身量化表示的复杂性以及网络演化时序、复杂、多变的挑战，使用角色来量化动态网络的结构，并对模型进行分析，给出了两种角色解释的方法；在角色发现的基础上，将动态网络结构预测问题转换为可以表示结构特征的角色预测问题，通过向量自回归的方法，以历史网络角色分布矩阵作为训练数据构建模型，预测未来时刻网络可能的角色分布情况，提出了基于潜在角色的动态网络结构预测方法LR-DNSP（latent role based dynamic network structure prediction）.该方法克服了已有基于转移矩阵方法忽略历史信息的不足，并且考虑了多个预测目标之间可能存在的相互关系.实验结果表明，提出的LR-DNSP方法具有更准确的预测效果.     

基于集成学习的动态链接预测方法

链接预测是社会网络分析领域的关键问题。传统的链接预测方法大多针对社会网络的静态结构预测隐含的链接或者将来可能产生的链接,而忽视了网络在动态演变过程中的潜在信息。为了能更好地利用网络演变的动态信息,从而取得更好的链接预测效果,提出了一种基于网络结构演变规律的链接预测方法。该方法使用机器学习技术对网络结构特征的动态变化信息进行训练,学习每种结构特征的变化并得到一个分类器,为每个分类器加权得到最终集成的结果。在三个现实的合著者网络数据集上的实验结果表明,该方法的性能要高于静态链接预测方法和一个相关的动态链接预测方法。这说明,网络结构演变信息有助于提高链接预测效果。此外,实验还表明,不同的结构特征对网络动态变化的刻画能力也有所差别。     

基于因子图模型的动态图半监督聚类算法

针对动态图的聚类主要存在着两点不足:首先, 现有的经典聚类算法大多从静态图分析的角度出发, 无法对真实网络图持续演化的特性进行有效建模, 亟待对动态图的聚类算法展开研究, 通过对不同时刻图快照的聚类结构进行分析进而掌握图的动态演化情况.其次, 真实网络中可以预先获取图中部分节点的聚类标签, 如何将这些先验信息融入到动态图的聚类结构划分中, 从而向图中的未标记节点分配聚类标签也是本文需要解决的问题.为此, 本文提出进化因子图模型(Evolution factor graph model, EFGM)用于解决动态图节点的半监督聚类问题, 所提EFGM不仅可以捕获动态图的节点属性和边邻接属性, 还可以捕获节点的时间快照信息.本文对真实数据集进行实验验证, 实验结果表明EFGM算法将动态图与先验信息融合到一个统一的进化因子图框架中, 既使得聚类结果满足先验知识, 又契合动态图的整体演化规律, 有效验证了本文方法的有效性.     

Engineering self-organizing referral networks for trustworthy service selection

Developing, maintaining, and disseminating trust in open, dynamic environments is crucial. We propose self-organizing referral networks as a means for establishing trust in such environments. A referral network consists of autonomous agents that model others in terms of their trustworthiness and disseminate information on others' trustworthiness. An agent may request a service from another; a requested agent may provide the requested service or give a referral to someone else. Possibly with its user's help, each agent can judge the quality of service obtained. Importantly, the agents autonomously and adaptively decide with whom to interact and choose what referrals to issue, if any. The choices of the agents lead to the evolution of the referral network, whereby the agents move closer to those that they trust. This paper studies the guidelines for engineering self-organizing referral networks. To do so, it investigates properties of referral networks via simulation. By controlling the actions of the agents appropriately, different referral networks can be generated. This paper first shows how the exchange of referrals affects service selection. It identifies interesting network topologies and shows under which conditions these topologies emerge. Based on the link structure of the network, some agents can be identified as authorities. Finally, the paper shows how and when such authorities emerge. The observations of these simulations are then formulated into design recommendations that can be used to develop robust, self-organizing referral networks.     

基于链接寿命的社交网络结构演化分析

近些年来,社交网络受到越来越多的关注。社会网络服务(SNS),例如YouTube、Facebook和Twitter等,已经成为网络上最受欢迎的网络应用之一。SNS的风靡促使越来越多的人研究社交网络的特性,特别是基于网络拓扑结构的研究,以期改善当前的网络应用并创造新的受欢迎的社交网络应用。然而,大多数的现有研究方法只是研究随着时间积累的网络结构的动态变化,这些方法无法完全反映社交网络的其他特性比如链接寿命现象。链接寿命现象是指社交网络中的边并不是永久存在的,它可能会随着时间的变化而消亡。着重研究这种社交网络中链接生存周期对社交网络结构演化的影响。具体来说,研究链接寿命对于社交网络结构基础重要参数(包括度、网络直径和平均聚类系数等)的影响。基于DBLP的真实网络数据的研究表明,在考虑链接寿命这个必要因素之后,社交网络结构的演化结果和传统研究结果有很大的不同。特别是,链接寿命的微小变化会导致网络直径的剧烈变化。     

图聚类算法的评价模型

关系数据可抽象为网络,在通常情况下,缺乏对这些现实网络背景知识的了解。为了评价图聚类算法在现实网络上的性能表现,构建了一种接近现实的网络模型,通过算法在模型网络上的性能表现来推断其分析现实网络的能力。为了确保此推断的合理性,构建的模型网络具有与所研究网络完全相同的一阶统计特征。同时,构建的模型网络可具有任意设定的集团结构,这就相当于给定了背景知识,即真实的分类信息是已知的。实例说明,构建的模型为客观评价图聚类算法提供了一条途径。     

Application of multivariate statistics and 3D visualization analysis in tacit knowledge diffusion map

Tacit knowledge is an important factor for enterprises and institutions to enhance their knowledge innovation and value-added capabilities, and it is also a basic link to enhance organizational learning capabilities. With the development of technology, the dissemination of tacit knowledge has increasingly shown complex and dynamic trends. In order to make the tacit knowledge in the enterprise better circulate and generate greater economic value, therefore, this paper proposes a study on the diffusion map of tacit knowledge based on multivariate statistics and 3D visualization analysis. First of all, this paper analyzes the internal relationship between organizational learning and organizational tacit knowledge integration and organizational tacit knowledge innovation, and combines multiple statistical methods to propose an organizational tacit knowledge integration method based on tacit knowledge management. Secondly, we combine 3D visualization and generative confrontation network methods to analyze the data of tacit knowledge dissemination, and visualize the distribution of knowledge dissemination in three dimensions. In the simulation experiment test, this paper reveals that the spreading efficiency of tacit knowledge in the network is affected by related factors. Through this model, we hope to explore the behavioral laws of different types of nodes in the network and propose effective countermeasures to improve the efficiency of knowledge dissemination.     

融合拓扑和属性的动态网络链路预测方法

网络数据中出现的大量节点属性和随时间变化的特征,给链路预测提出了新挑战。基于注意力机制和循环神经网络对随时间演化网络进行建模,提出了DTA-LP模型。与传统的静态链路预测算法相比,DTA-LP使用LSTM捕获时序信息,动态预测可以更好应用于现实网络;与基于网络拓扑的动态链路预测算法相比,DTA-LP可以聚集高阶拓扑特征,有效挖掘网络邻域信息;与基于属性网络的动态链路预测算法相比,DTA-LP可以加权融合网络拓扑属性,提高预测精度。在4种真实数据上的实验结果表明,该方法能结合网络已有先验知识,以较高的MAP值来预测未来网络中的边,验证了模型的有效性。     

基于三角形演化机制的社会网络模型研究

详细介绍了社会网络模型的演化历程以及三元闭包在社会网络中的重要作用,在社会网络中新节点的连接对以后的连接具有一定的影响,鉴于三元闭包在社会网络演化过程中具有的巨大作用以及BA无尺度网络模型本身具有的局限性,提出了一种基于三角形演化机制的社会网络模型。通过仿真实验得出该网络模型遵循幂率分布,与BA模型相比该社会网络模型有更强的鲁棒性、较小的聚集系数和较大的平均路径长度。     

基于聚类信息和对称非负矩阵分解的链路预测模型研究

现有的大部分基于非负矩阵分解的链路预测方法仅考虑网络拓扑结构信息而忽略节点与链接聚类信息.针对此问题,提出一个融合聚类信息的对称非负矩阵分解的链路预测模型.首先,该模型利用对称非负矩阵分解去捕获网络节点相似度信息;其次,使用基于Jaccard的节点和链接聚类系数去保持网络局部结构信息;最后,启用拉格朗日乘法规则去学习模型参数.在六个真实无向无权和四个加权网络上的实验结果表明,该方法在两种不同类型网络预测精确度分别提升了1.6％和8.9％.