基于边介数的信息系统网络节点重要性评估方法

 网络中节点的重要性评估是复杂网络研究中的一项重要内容.针对已有复杂网络节点重要性评估方法中片面强调节点的度而忽略了边对与之相连节点的支撑作用的缺陷,构建了基于边介数的信息系统网络节点重要性评估的数学模型.该模型在充分考虑节点度的基础上,为体现边对其端节点的支撑作用,引入边介数概念,形成了节点度和边介数共同作用下的评估数学模型.以某信息系统网络为例进行了仿真验证.仿真结果表明：考虑边的支撑作用后评估结果更切合实际,进一步印证了构建的评估模型对于评估信息系统网络节点重要性的有效性.     

基于m阶邻居节点的复杂网络关键节点评估

基于无向无权复杂网络理论,提出一种基于m阶邻居节点重要度贡献的节点重要度评估方法. 在综合考虑了节点自身的属性,节点在网络中的位置以及m阶邻居节点的度重要度贡献和介数重要度贡献后,提出m阶邻居节点重要度贡献系数矩阵概念,建立评估模型. 通过实验并和其他算法结果进行对比分析,表明所提出的评估方法具有可行性和更高的精确性. 当m的取值接近网络的平均路径长度时,节点的重要度评估趋于稳定,可有效提高评估效率.     

多维约束下指挥网络节点重要度的评估方法

针对一般节点重要度评估方法没有考虑指挥体系网络自身运行机制及与外界交互的问题,从拓扑结构、作战任务、指挥方式、节点属性4个维度研究指挥节点的重要度评估方法。考虑节点在拓扑网络的全局和局部重要性给出结构重要度计算方法,基于任务分解和节点功能子集的形成给出作战任务对节点依赖度计算方法,通过删除节点对指挥质量造成的影响给出指挥方式对节点依赖度计算方法,并给出基于区间数的节点属性重要度的计算方法。最后提出指挥节点的综合评估方法并设计了具体案例,得出节点在四维约束下的重要度定量评估数据。结果表明,同一节点或结构重要度相同的节点在不同任务和指挥方式下综合重要度差异明显,与单一方法相比,提出的综合算法所得数据能更全面反映指挥节点的重要程度,说明该算法具有优越性。     

基于介度熵的复杂网络节点重要度识别方法

现有复杂网络通常会受到随机攻击和蓄意攻击,导致复杂网络拓扑结构的可靠性性能下降.为了解决以上问题,基于图熵,结合节点的介数中心性和其所有邻居节点的度中心性,提出一种新的攻击策略,即介度熵( BE),用来识别网络中的重要节点并加以保护.实验分别通过静态攻击和动态攻击来评估攻击策略在3个标准网络模型和3个真实网络上的效率,通过比较,介度熵比传统的攻击策略具有更高的攻击效率.     

基于改进节点收缩法的加权供应链网络节点重要度评估

为了全面客观地评估供应链网络中节点的重要度,有效识别供应链网络中关键节点,提升供应链网络的稳定性.本文基于复杂网络理论,提出一种融合节点自身重要度及连边重要度的改进加权节点收缩法,此改进方法能够全面客观地评估供应链网络节点之间的重要度;最后以变压器装配生产供应链网络为例,实验结果验证了该改进算法的合理性和有效性.     

复杂网络中节点重要度的一个评估指标

为了简单而有效地评估网络拓扑结构中各节点重要性,本文基于节点的连接度和局部连通性,定义了一个节点重要度函数.该重要度函数指标实质上与网络中的平均最短距离指标是一致的,通过该重要度函数指标值的大小可以得到网络中各节点的重要度排序.理论分析与实例表明,对于小型网络,该方法的计算比较简单,且直观、有效、合理.     

大型软件网络的节点重要性度量方法研究

互联网是现代人们日常生活的重要组成部分,计算机软件更是推动现代互联网发展的重要力量。计算机软件网络也是复杂网络的一部分,因此通过识别计算机软件网络中的重要节点来提升软件网络的抗毁性显得尤为重要。针对大型软件网络的节点重要性进行了研究,提出了一种基于网络节点的局部特征和全局特性的节点重要性度量方法,并将节点重要性的度量方法用于大型软件网络鲁棒性的研究。该方法依据各节点重要性与节点自身及以邻接节点的度以及节点的度中心性之间的联系对节点的重要性进行评估,评估结果用于反映软件网络的鲁棒性。实验结果表明:该方法能够细致的描述网络中各节点之间存在的差异性,适用于大型软件网络的节点重要性度量,尤其适用于应用型软件网络。     

基于多子网复合复杂网络模型的多关系社交网络重要节点发现算法

为提高社交网络中重要节点评估的效率和有效性,根据社交网络中存在多种相互影响的关系的特性,基于复杂网络理论提出了一种适用于多关系社交网络的重要节点发现算法.首先使用多子网复合复杂网络模型建立包含多种关系的复杂网络,然后采用信号传播方法体现网络中多种关系和节点间的相互影响,以及这些影响的传递性,最后利用矩阵迭代方法模拟信号传播过程,定量分析网络中各节点的重要度.该算法综合了社交网络中节点的全局和局部重要性,考虑了各节点重要度的相互影响,在豆瓣网上的实验结果表明,与传统社交网络重要节点发现算法相比,该算法在迭代次数、涵盖率等指标上都有较大改善,有助于提高社交网络中舆情分析、社团结构发现、信息传播等工作的效率和准确性.     

一种改进的基于节点相异度的社团结构划分算法

提出一种改进的基于节点相异度的社团结构划分算法.首先根据度和平均度评估标准,筛选出核心节点作为初始核心节点集,然后基于节点相异度进行划分,直至社团结构划分完成.实验结果证明,与其他一些算法相比,该算法的划分效果比较精确且易于实现.     

复杂网络中的层次结构挖掘

挖掘复杂网络中的层次结构对复杂网络的研究有着重要的意义.复杂网络中的社团结构往往具有层次性.过去的研究中,研究者更多的关注于层次社团结构,而很少关注于社团内部成员的层次结构.因此,提出一种基于模糊相容关系的层次结构挖掘算法(fuzzy tolerance relation based hierarchical structure detection algorithm,FHSD),旨在挖掘层次社团结构以及社团内部成员层次结构.在该算法中,首先通过相似度函数计算节点之间的相似性从而获取一个满足模糊相容关系的相似度矩阵;其次,基于相似度矩阵获取对应的商空间链;然后,依据重叠节点对各社团的隶属度处理商空间链各层中的重叠节点,从而得到层次社团结构;最后,基于处理后的商空间链,获取对原始模糊相容的近似模糊等价关系,从而获取社团内部成员层次结构.在真实网络上的实验结果表明:(1)复杂网络中不仅存在层次社团结构,同时存在基于模糊相容关系的社团成员层次结构;(2)相比于当前主流的社团挖掘算法,FHSD挖掘出的社团结构具有最高的精准性(NMI accuracy)和较高的模块度值.     

基于节点重要度动态评估的复杂网络级联失效分析

级联失效前的评估和检测是预防和控制级联失效现象的关键,对充分把握整个网络系统的稳定运行至关重要。为深入探究级联失效传播过程的内在机理,提出一种考虑网络动态特性的节点重要度评估模型;在此基础上,采用一种更符合真实复杂系统的非线性容量负载模型,利用该模型进行不同攻击策略下的级联失效仿真,以网络的最大连通子图比例为测度量化网络抵御级联失效的抗毁性,仿真结果表明,节点41所在的广安市与节点55所在的重庆市,无论是在静态节点重要度评估,还是动态节点重要度评估下,均是成渝铁路网络中最关键的节点;此外,不考虑级联失效情况下,在网络的静态拓扑结构中,节点的度中心性更能代表节点的关键程度;而在动态的网络拓扑结构中,节点的介数中心性更能代表节点的重要性,与度值攻击相比,采用重要度攻击策略能以更快的速度击溃网络;考虑级联失效情况下,与其他攻击策略比较,采用重要度攻击策略时,在级联失效的作用下,仅攻击2个节点,网络便会迅速崩溃,验证了节点重要度动态评估模型的有效性;同时探讨了网络在不同模型参数下抵御级联失效的抗毁性,实验结果表明,在一定范围内提高负载系数、容量系数可以有效提高网络抵制级联失效的抗毁性;受网络拓扑结构和攻击策略的影响,需设置较大的节点容量,来预防网络的级联失效。     

基于多领域复杂网络拓扑结构的节点重要度评价方法

节点的重要度评价对复杂网络上节点的传播影响力具有重要的理论意义和应用价值,但传统的基于网络位置的方法并未考虑多维指标特征对网络节点重要度的影响,导致在大型网络的节点重要度评价中,一般节点的排序结果精度不高.为此在深入剖析经典的混合度分解算法以及传统重要性排序算法缺陷的基础上,结合网络节点的全局特征和局部特征对节点进行重要度影响分析,并将三度影响力原则融入节点的局部特征,提出一种适用于无向网络的基于多领域复杂网络拓扑结构下的节点重要度评价方法,即基于聚集系数和邻居特征的混合分解方法(CNMD).在社交网络、电子邮件网络、协作网络等10个领域数据集上的实验结果表明,相比于MDD、Eksd和MCDWE等算法,CNMD方法排序结果的分辨率分别达到了92.44%、99.99%、98.68%等,在10个领域数据集上的平均分辨率为98.73%,最高分辨率为99.99%,最低分辨率为92.44%,明显优于对比算法,可以更有效地应用于大型复杂网络中节点重要度的快速评价与计算.     

基于模块度优化的加权复杂网络社团发现算法分析

社团结构是复杂网络的一种重要拓扑结构。针对加权复杂网络中的社团发现问题,在8个不同领域、不同规模的真实数据集上,从模块度、强/弱社团、聚集系数3个评估指标分析了基于模块度优化的GN算法、FN算法、CNM算法和BGLL算法在加权复杂网络社团发现的效果。研究结果表明,上述3个评估指标在加权复杂网络上的划分结果不能始终保持一致,基于优化模块度的算法更倾向于找到复杂网络中比较粗糙的社团结构,而不是精准的社团结构,其算法的泛化能力有待加强。     

一种基于节点重要度的社团划分算法

指出了通过挖掘复杂网络中存在的社团结构,可以分析整个复杂网络的拓扑结构和功能,还可以发现网络中隐藏的规律.为了得到最佳社团划分结构,定义了网络的节点重要度矩阵和聚类矩阵,结合图的特征谱平分法和模块度函数,提出了一种基于节点重要度的社团划分算法(CDNIM).通过在空手道俱乐部、海豚关系网络等多个经典数据集上应用,结果表明:该算法能够有效提高发现社团结构的准确率.     

信度函数在复杂网络节点重要性评价中的应用

针对复杂网络中重要节点的识别问题,提出了一种基于信度函数复杂网络中识别节点重要度的方法;回顾了信度函数、复杂网络相关理论知识及节点重要度相关算法,建立了基于信度函数的节点重要度识别模型;通过建立辨识框架,把节点相关属性转换为信度函数,利用证据理论组合规则进行融合,得到节点的综合属性信度函数值并将其转换为单一数值,进而提到节点的排序结果;实例分析表明,所建立模型有效克服了相关单一节点重要度算法的局限性问题,具有合理性与有效性,可进一步推广。     

复杂网络上节点重要度的确定方法

采用综合考虑节点的局部特性和全局特性的方法来评价复杂网络的节点重要度,给出基于邻域的节点重要度算法及基于关键域的节点重要度算法.前一种算法有效地降低了计算的复杂度;后一种算法能更有效地刻画节点的重要度且适用于加权图.然后通过实例验证两种算法的有效性.     

基于复杂网络和遗传算法的特征选择方法

特征选择作为一种常见的降维方法,一直以来都是机器学习和数据挖掘领域的热点话题.针对传统特征选择算法没有充分考虑特征全局冗余性,导致选择的特征子集对分类识别精度不够高的问题,提出基于复杂网络节点重要度评估和遗传算法的特征选择算法,将每个特征视为网络节点,根据互信息建立边,将特征选择问题转化为节点重要度评估问题,利用遗传算法选择最优特征子集.实验结果表明此算法能够找到较为优秀的特征子集,有效降维并提高分类精度.     

交通运输网络节点重要度评价体系研究

节点重要度评价是交通运输网络规划的基础性工作.交通运输网络是复杂加权网络,它的节点重要度不仅与路网拓扑结构有关,还与阻抗和运输能力密切相关.借鉴复杂网络和通信网络的研究成果,结合交通运输网络特性,提出交通运输网络的节点重要度应该从拓扑结构、最短路径和运输能力三个层次上分析.并根据交通分担率和失效后果来界定节点重要度,分别引入和建立了相应的重要性指标,形成较为完整的评价指标体系.     

巨型钢框架节点基于性能的研究

基于性能的设计方法是当前结构设计的发展趋势,在基于性能的结构设计方法中,节点的行为参数确认与性能评估是重要的组成部分,而节点的相关判断准则不能脱离结构而存在.巨型钢框架节点受力较复杂,为了得到基于整体结构的巨型钢框架节点的性能指标:①建立了巨型钢框架有限元分析模型,选择了6个具有代表性的节点,采用ANSYS中的实体单元SOLID45建模,其余杆件采用梁单元BEAM188建模;②对整体结构采用位移加载的方式,以巨型钢框架结构的位移性能为控制指标,分析巨型钢框架节点在不同位移性能指标下的力学性能,从而建立了基于整体结构的巨型钢框架节点的性能指标.     

基于相似度的加权复杂网络社区发现方法

针对加权复杂网络中的社区结构发现问题,本文定义基于权重关系的相似度,并在此基础上定义了节点中心度和归属度,改进GN算法的模块度评价函数,提出一种基于相似度的中心聚类算法(SCC).该算法通过计算节点间的相似度,选取合理的中心度大的节点作为社区中心节点,最后基于节点归属度来聚集从而形成社区;同时,提出了用相似度代替边介数的改进GN算法SGN.通过理论分析,并在数据集上进行实验验证,结果表明SCC算法与WGN算法、SGN算法相比,速度和精度上均有较大改善.同时与I2C算法相比,社区的划分有效性更好.