结合网络动力学的电网关键节点识别

为了有效发掘出网络中的重要环节,提出了一种综合网络结构和节点动力学的电网关键节点识别方法,该方法结合两种已有的节点重要性评价指标——度中心性和接近中心性,同时定义和网络动力学相关的两个指标——临界同步耦合强度和失同步扩散时间。综合考虑4种性能指标的影响来确定节点的重要性,克服了单一评价指标的片面性,可以得到比使用单一评价指标更为准确的节点重要性评价结果。在IEEE14和IEEE57节点系统上进行仿真测试,实验结果验证了方法的合理性和有效性。     

基于灾害蔓延动力学的生命线系统级联失效建模

基于复杂网络上灾害蔓延动力学理论,在考虑了生命线网络结构特征的基础之上,建立生命线网络级联失效模型。利用相邻模糊标度法进行权重分配,计算各种节点连接方式的关联度。从生命线网络中各节点的关联度入手,考察生命线网络级联失效规模受网络结构特征和各节点连接方式的影响情况。实验结果表明,不同节点连接形式下,网络级联失效规模明显不同,说明节点关联度是造成生命线系统灾害蔓延的重要原因。     

基于局域交互和全局广播的创新传播模型研究

考虑公共媒体对创新传播的影响,本文提出基于网络局域交互和全局广播的创新传播模型,该模型既考虑了创新传播过程中邻居节点之间的交互作用,也考虑了公共媒体对创新传播的影响。实证网络数据集上的仿真结果表明在公共媒体宣传力度有限的情况下,局域交互特性对创新传播具有重要影响。进一步的分析表明,结合网络结构和创新传播机制的节点影响力评价指标可以准确地对创新传播中的节点影响力进行排序,相对于度、紧密度等方法,该方法的Kendall's Tau可以提高39.19%,35.61%和33.03%。     

基于特征融合的无人驾驶多任务感知算法

为提高无人驾驶汽车感知系统硬件资源利用率,构建了一种基于特征融合的无人驾驶多任务感知算法。采用改进的CSPDarknet53作为模型的主干网络,通过构建特征融合网络与特征融合模块对多尺度特征进行提取与融合,并以7种常见道路物体的检测与可行驶区域的像素级分割两任务为例,设计多任务模型DaSNet(Detection and Segmentation Net)进行训练与测试。使用BDD100K数据集对YOLOv5s、Faster R-CNN以及U-Net模型进行训练,并对mAP、Dice系数以及检测速度等性能指标做出对比分析。研究结果表明：DaSNet多任务模型在道路物体检测任务上,mAP值分别比YOLOv5s和Faster RCNN高出0.5%和4.2%,在RTX2080Ti GPU上达到121FPS的检测速度;在占优先权与不占优先权的可行驶区域上分割的Dice值相较于U-Net网络分别高出了4.4%与6.8%,有较明显的提升。     

基于局域世界的加权指控网络演化模型

为动态评估指挥控制网络面向复杂任务和对抗环境下的内在机理和外在行为,采用复杂网络理论分析了指控网络的动态特性,综合考虑了指控网络实体及网络结构关系的异质性,建立了基于多属性加权的指控网络模型;制定了指控网络节点和边的加入或删除规则、局域世界规则和边权演化规则,提出了基于局域世界的加权指控网络演化模型。仿真实验表明,模型具有贴近战场实况、遵循幂率分布、作战效率高等特点,可为指挥控制系统的网络化建设提供理论依据。     

基于复杂网络的灾害链风险评估方法的研究

针对灾害链风险评估的问题,本文提出一种基于复杂网络结构的灾害链风险评估模型的建模方法.首先,应用复杂网络结构对灾害链的演化特征进行了表征,并对灾害链的作用机理进行了数学描述.然后,在对供应链风险评估方法和模式分析的基础上,以复杂网络为载体,运用贝叶斯公式得到各节点灾害损失等级的联合概率分布,构建了灾害链的风险评估模型,提出用子节点风险损失的期望值来表征子节点在父节点作用下的风险度量模式.最后以珠海市台风灾害链为实例进行了评估,结果表明所建立的模型与实际情况具有较高的吻合性.说明以灾害链为中心构建的灾害链风险评估模型考虑了空间和时间上的叠加,并对灾种间的作用关系进行了厘清,真实、定量、准确地刻画灾害链式演变过程所带来的风险,能为区域性灾害风险管理提供可靠的理论依据.     

基于中心度的中国航空客流网络抗毁性分析

以中国航空客流为样本,运用复杂网络理论,构建中国航空客流网络,并论证其系统结构特性。从点度中心度、中间中心度和接近中心度角度确定网络的关键节点,采取基于3个中心度的蓄意攻击方式,根据网络整体效能和簇系数两项指标及其下降率的变化情况,对网络的抗毁性进行了实证分析。在可视化视角下,对比分析3种蓄意攻击方式下航空客流网络结构的变化情况。研究表明:目前中国航空客流网络面对3种蓄意攻击时,网络抗毁性较弱,结构呈现出不同的变化,为此应分别从3个中心度角度出发,着重确保网络关键节点的安全,增加更多的功能不同的关键节点,优化航线网络结构。     

BP人工神经网络自适应学习算法的建立及其应用

解决了BP神经网络结构参数、学习速率与初始权值的选取问题,并对传统的BP算法进行了改进,提出了BP神经网络自适应学习算法,又将其编制成计算机程序,使得输入节点、隐层节点和学习速率的选取全部动态实现,减少了人为因素的干预,改善了学习速率和网络的适应能力.计算结果表明:BP神经网络自适应学习算法较传统的方法优越,训练后的神经网络模型不仅能准确地拟合训练值,而且能较精确地预测未来趋势.     

全球性流行病传播研究综述

以航空网络为视角,对全球性流行病的研究进行了综述.文章首先回顾了不同航空网络拓扑结构特征以及航空网络的演化机制,然后介绍集合种群网络传播模型和基于人类行为时空规律的流行病传播模型,最后总结基于航空网络结构的流行病传播研究进展.     

基于加权GraphSAGE和生成对抗网络的医保欺诈识别方法

医保欺诈行为分析与识别是医疗保险基金监管中最为重要的工作,对保障医保基金安全与可持续发展有着非常重要的意义.为保证医保欺诈行为识别的准确度,需充分挖掘医保数据中的患者信息.然而,对于缺乏欺诈样本的不平衡医保数据集,目前常用的医保欺诈识别模型的泛化能力不佳且性能下降.因此,本文提出了一种基于加权GraphSAGE和生成对抗网络的医保欺诈识别方法.该方法融合了患者就诊关系特征表示与基于加权GraphSAGE算法的患者特征提取,并结合生成对抗网络构建识别模型.实验证明,本方法大大提升了模型的识别性能.同时,我们将所提方法与元路径向量、图卷积神经网络、图注意力网络、多层图注意力网络和超图自适应聚类网络等先进主流识别模型对比发现,本文提出的识别方法在召回率、精确率、F1值和准确率等指标下表现也更好;在不同数据规模和不同正负样本比例下,模型性能稳定,有较好的泛化性.     

基于NMF与CNN联合优化的声学场景分类

针对声学场景分类任务中复杂声学环境的特征表示问题, 提出一种联合训练特征提取和分类模型的优化算法。将非负矩阵分解与卷积神经网络的训练相结合, 利用网络的损失值实现对特征提取和网络参数的共同更新, 以学习到更具判别性的有监督特征。在TUT2017数据集上提取对数声谱图作为基础特征, 搭建深度卷积神经网络进行实验验证。仿真结果表明, 所提算法的识别准确率相比优化前提升3.9%, 且优于其他两种常用声学特征, 证明该算法能够有效提升整体分类效果。     

基于卷积神经网络的水下目标特征提取方法

针对水下目标特征提取问题,在卷积神经网的基础上,提出了一种新的网络结构。该框架通过引入特征图多维加权层,强化了特征图的空间信息,弥补了进入全连接层时空间特征的丢失。以层次结构构造一个集特征提取和分类器训练于一体的端到端网络,同时利用深度网络的反向传播完成分类器对特征提取的反馈以改进特征的效果。在仿真模拟实验上,该网络框架分类目标达到了78.61%的精度,与其他方法相比,有效提高了目标的识别精度。所提框架能有效分类识别水下目标,具有良好的识别精度,且具备模块化结构,无需复杂预处理,实现简单。     

基于二分图最优匹配的虚拟网络映射算法

针对现有虚拟网络映射存在开销较大、资源利用不够合理的问题,提出了一种基于二分图最优匹配的虚拟网络映射算法。首先以虚拟节点和物理节点为顶点构建二分图,将节点映射问题转化为二分图最优匹配问题;其次将节点资源评价最高的物理节点与节点需求评价最高的虚拟节点优先匹配,并利用Kuhn-Munkres算法求解二分图最优匹配,依据匹配结果进行节点映射;最后利用 k-最短路径算法实现链路映射。实验表明,与以往的映射算法相比,提出的映射算法在保持较高映射成功率的同时,提高了长期收益开销比,且资源利用更加合理。     

基于节点中心性的时变复杂网络布局算法

目前,时变网络布局算法主要从网络结构和美学指标出发维持用户意象图,并没有考虑节点中心性的影响。为此,将嵌入节点中心性改进传统静态网络布局算法为时变网络布局算法。首先,引用节点半局部中心性指标改进PageRank算法来评估节点的中心性;然后,根据节点的中心性和稳定度来计算动态半径作为节点的约束因子;最后,在静态网络布局算法中加入控制节点移动的约束因子,形成基于节点中心性的时变网络布局算法。实验结果表明,所提方法可以在保存用户意象图和美学标准间达到平衡,且对大型时变网络也具有良好的计算能力。     

基于Bayes network含失效节点的网络可靠性评估

针对Bayes network (BN)能很好地表示变量的不确定性和相关性, 并能直接进行不确定性推理的优势, 提出了基于BN含失效节点的网络可靠性评估方法. 建模方面, 给出了通过节点分割去环构建有向无环图及条件概率表的具体方法; 推理方面, 通过节点消隐, 减小BN规模, 有效降低推理复杂度. 分析了算法复杂度, 并通过算例证明了算法的有效性和适用性. 由于BN建模及推理的灵活性, 该方法可研究同时含节点失效、共因失效的网络可靠性, 况且通过BN推理除得到网络失效概率和部件重要度外, 还可得到网络失效条件下任一部件失效或者共因失效发生的概率, 为故障诊断和维护提供指导.     

Capacitated stochastic coloured Petri net-based approach for computing two-terminal reliability of multi-state network

Classical network reliability problems assume both networks and components have only binary states,fully working or fully failed states.But many actual networks are multi-state,such as communication networks and transportation networks.The nodes and arcs in the networks may be in intermediate states which are not fully working either fully failed.A simulation approach for computing the two-terminal reliability of a multi-state network is described.Two-terminal reliability is defined as the probability that d units of demand can be supplied from the source to sink nodes under the time threshold T.The capacities of arcs may be in a stochastic state following any discrete or continuous distribution.The transmission time of each arc is also not a fixed number but stochastic according to its current capacity and demand.To solve this problem,a capacitated stochastic coloured Petri net is proposed for modelling the system behaviour.Places and transitions respectively stand for the nodes and arcs of a network.Capacitated transition and self-modified token colour with route information are defined to describe the multi-state network.By the simulation,the two-terminal reliability and node importance can be estimated and the optimal route whose reliability is highest can also be given.Finally,two examples of different kinds of multistate networks are given.     

基于Kullback-Leibler距离的网络节点一致性排序

在复杂网络中,重要节点比其它节点能更大程度地影响网络的结构与功能.如何评价节点之间的相对重要性,找出重要节点,是一个重要的研究课题.已有的节点重要性评价和排序方法存在一定的局限性.为此,本文综合节点基本属性,依赖网络拓扑特性,提出基于Kullback-Leibler距离的节点一致性排序方法.最后,通过实例分析,验证了本文方法较已有方法在不同类型网络上的有效性和适用性更强.     

基于复杂网络理论的配电网节点脆弱度评估

配电网中节点脆弱性的大小是其结构鲁棒性的重要体现,为实现对配电网节点脆弱度的评估,提出对配电网节点脆弱度大小排序的方法。首先,构建配电网的复杂网络加权模型;其次,针对节点脆弱度评估中的度值、介数、凝聚度和紧密度等几个指标,结合主观和客观两方面信息构建描述各指标重要性的权重;最后,提出综合逼近理想排序(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)和灰色关联度的方法,实现对配电网节点脆弱度大小的排序。对几种典型的中压配电网进行计算,验证了本文方法的可行性,对IEEE123系统分析,结果表明多指标综合评估较单一指标评估更符合配网的实际特点。     

基于功能图的作战体系关键节点分析

目前大多数基于网络拓扑的作战体系关键节点分析方法只是单纯考虑作战节点的拓扑连接关系, 缺乏从实际业务角度考虑体系中各节点在功能之间的相互依赖。而多数基于作战环的作战体系关键节点分析方法又需要分析人员具有很强的专业背景知识, 且存在分析数据难以获取等问题。基于此, 提出了一种基于功能图的作战体系关键节点分析方法。首先, 介绍了基于任务、反映作战体系功能的功能图概念。然后, 提出了基于功能图的度中心性、介数中心性、接近中心性、PageRank算法、节点移除和收缩等关键节点分析方法。最后, 以某作战体系为例, 作战环为其功能图, 采用介数中心性、接近中心性、基于功能图的介数中心性、基于功能图的接近中心性、基于功能图数量的节点移除法等关键节点分析方法对作战体系中关键节点进行分析, 验证了该方法的简单性、可行性及有效性。