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.     

基于属性信息和结构特性的网络节点重要度研究

现有的节点重要度排序方法大多只针对网络的拓扑结构进行研究,忽视了网络节点自身所包含的属性信息.然而这些属性信息至关重要,却广泛存在不完备性,这些不完备属性信息与节点的重要性密切相关.针对这一问题,提出一种基于优势粗糙集理论和TOPSIS方法的网络节点重要度分析方法,融合网络结构特性和节点属性信息,克服了单一从拓扑结构分析的局限.最后,将本文所提出的方法应用于微博社交网络中的用户重要度评价,并与其他方法进行比较,结果表明,该方法的排序结果对节点在属性信息和结构特性的重要性进行了较好的综合,能全面地体现出各节点的重要程度.     

一种社交网络用户领导者挖掘算法

社交网络中的用户领导者挖掘是用户影响力分析的重要问题.提出一种基于用户影响力评估的社交网络用户领导者挖掘算法.首先,描述问题模型以及模型相关定义;其次,提出了基于用户影响力和用户活跃度计算的用户领导力评估方法;最后,依据用户领导力和用户中心度计算实现用户领导者的挖掘.实验印证了该方法对于社交网络挖掘用户领导者的可行性和有效性.     

基于度与H指数扩展的复杂网络节点排序方法

在复杂网络中常用的识别节点影响力的中心性指标有介数中心性、度中心性、紧密中心性、H指数中心性和K-shell中心性等,这些指标在识别有影响力的节点时存在一定的局限性.本文在H指数中心性与度中心性的基础上提出了局部DH指数中心性指标来识别网络中有影响力的节点,该指标考虑了节点自身的度与H指数以及邻居节点的H指数.通过SIR传播模型以及单调函数(M)两种方法评价了各中心性方法识别网络中节点影响力的有效性.实验结果分析表明,在一些网络中该指标较一些常用的中心性方法能够更有效地识别网络中节点的影响力.     

基于复杂网络理论的中国城市航空网络有向加权分析

为了科学优化中国航空网络资源分配、测评特殊机场的重要地位,本文运用复杂网络理论,构建中国城市航空有向加权网络,探究其网络结构特征并以度中心性、介数中心性、入强度为指标进行节点重要性排序筛选国内重要机场节点。结果表明,中国城市航空网络的节点度值和边权值分布都具有异质性,是一个无标度网络;不同方法筛选出的重要机场节点基本一致,筛选结果为网络整体管控提供有效意见;ZWWW、ZYHB机场在介数中心性相对其他指标较高,在网络中具有重要的中转作用。     

基于结构近似度的社交网络聚类

针对基于结构近似度的聚类算法无法解决非对称网络聚类的问题,该文根据社交网络的特点,提出了基于结构近似度的有向社交网络聚类算法,通过将社交网络抽象为图结构,将网络聚类问题看成图论中的子图划分问题,实现了对社交网络的准确聚类分簇,且分簇复杂度较低。使用C++语言编程实现该算法,通过自定义有向网络数据集和标准数据集的测试表明,该算法对社交网络结构的划分较为准确,且能鉴别离群节点和枢纽节点。     

基于关键节点的影响力最大化算法

为解决LDAG( DAG Algorithm Based on Linear Threshold) 算法在处理关于社会网络影响力最大化过程中,优先考虑网络影响力传播模型、忽视社会网络的拓扑结构问题,利用社交网络社区的结构,有针对性地选择影响力传播的关键节点,对LDAG 算法进行了改进。利用关键节点简化了有向无环图的构造过程,保证了其高精度与运行效率高的特点,同时也优化了算法的时间复杂度和空间复杂度。通过两个有效的实验数据集对算法进行验证,结果表明改进的算法可以大幅度降低算法的运行时间,且对算法的精度影响很小。     

基于精准k核的复杂网络节点重要性评估方法

由于k核存在破坏网络整体结构信息、忽略邻居节点影响力等缺点,导致每个节点难以量化区分.为了提高关键节点的识别精度,首先改进了k核的分解过程,提出了精准k核Ak.考虑到网络中局部特征信息和全局结构信息对节点的影响,将精准k核应用到重力中心性中,并提出了精准重力中心性AGC.信息学中的香农熵在网络关键节点识上具有良好的扩展性,通过结合邻域度中心性、邻域精准k核以及精准重力中心性三者的香农熵,最终提出了混合中心性MC对节点重要性进行多元评估.在7种真实网络下,对MC和其他节点评估指标分别从单调性和准确性上进行了一系列实验,实验结果表明MC具有更好的关键节点识别性能.     

一种基于相似社团和节点角色划分的社交网络用户推荐方案

针对现有的社交网络用户推荐方案中主要考虑个体相似性问题以及节点角色无层次差别的问题,提出一种基于相似社团和节点角色划分的推荐方案。在传统的用户相似度计算基础上,从社团结构和属性两方面,综合考虑社团间联系的紧密程度和社团用户兴趣爱好相似程度,提出一种社团相似度的计算方法;其次,从用户节点所在的社团内部和外部2个维度度量节点间紧密度,并据此度量节点的社会影响力,进而将它们划分成不同角色,实现用户推荐的差异化。通过新浪微博真实社交数据对方案进行验证,实验结果表明,该方案适用于存在社团现象的社交网络层次化用户推荐,并具有良好的推荐效果。     

基于社交网络的实时搜索引擎的排序算法研究

针对用户在社交网络中面对海量的信息和资源,如何实时地获取自己感兴趣的内容,给出一种基于社交网络的实时搜索模型,并根据社交网络的特点考虑对朋友、时间、相关度等因子对搜索结果进行排序。针对基于超链接网页排名的Pager-ank算法,提出了一种基于用户朋友数的Pagerank排序算法。实测结果表明,该模型提高了搜索结果的实时性和相关度。     

在WINDOWS局域网上组建INTRANET网

本文介绍了在局域网环境下,利用ＷＩＮＤＯＷＳ系统建立ＩＮＴＲＡＮＥＴ网。     

基于网络优化的交通网络设计研究

针对交通网络设计问题,首先定义了赋权二分图的单边控制集问题,给出了相应的算法;然后将上述算法和割集遍历算法相结合,构建了基于网络优化思想的两个启发式算法,并对两个算法进行了比较分析,证明了算法Ⅱ可在有限步终止.最后通过算例验证了两个算法的有效性.     

基于社会网络的合著网影响力研究

利用聚类分析的思想,运用Floyd最短路径算法构造出合著网络影响力测量模型,得到影响力最大的前10名合著者;通过时间跨度因子修正后的Page Rank算法,测量网络模型中单个节点在整个网络中的影响力,计算出合著网络中影响力最大的合著者,解决了合著网络节点影响力分析问题。     

基于立体重叠网络的网管模型

针对分布式环境,现有网络管理模型在复杂数据的实时处理及合作伙伴管理中的困难。利用数据流处理技术和重叠网络技术,提出了一种分布式环境下的网络管理模型。在此模型中,研究了网络管理策略,并给出了应用立体重叠网络建立合作联盟的有效算法,最后通过应用证明了该模型的有效性。     

基于人工神经网络描述的编程

目的在神经网络结构和算法描述语言的基础上,提出神经网络编程的概念,建立神经网络仿真系统。方法采用具有强类型,并发性和面向对象等特点的Ａｄａ语言作为系统的宿主语言,建立基于结构,算法描述的神经网络认真系统。结果为神经网络的工程应用研究提供手段。结论采用神经网络编程,可以将神经网络与传统的编程语言在通用计算机的基础上统一起来,达到更新更高的处理能力。     

基于网络还原卡的网络认证探讨

通过分析网络还原卡的工作原理,提出将网络登录认证程序嵌入到网络还原卡程序中的方案,实现机房管理中在B IO S下进行远程登录认证.做到降低管理成本,提高管理系统安全性,有效解决计算机机房因不断增加产生管理难的问题.     

基于复杂网络理论的计算机网络可靠性研究

为提高计算机网络信息转发过程中整体结构的可靠性能力,以图论为基础,构建了计算机网络加权有向网络模型,从度、紧密度、网络效率3个方面分析了计算机网络的网络特征,并对某企业核心网信息转发过程的网络结构度值、紧密度、网络效率等进行验证分析;结果显示:算例中的节点5、6的度值最大,即失效时网络影响最大;节点5的紧密值最大,其影响能力也最大;通过整体提高及分别对各节点提高可靠度对比分析,节点5为计算机网络的核心节点;由分析可知计算机网络信息转发过程网络可靠性较差,网络可靠性由少数关键节点决定。     

基于复杂网络的微信网络信息传播研究

近三年,微信迅速发展成为最热门的社交平台。通过对微信网络的基本数据描述和复杂网络分析方法,对微信网络结构拓扑性质进行了分析。构建腾讯微信社交网络,得到度分布、聚集系数、平均路径长度等复杂网络统计性质,得出了微信网络的无标度特性和小世界特性,为研究信息在微信中的传播性质,对腾讯微信数据进行实证分析,结合实际案例,评价了微信网络拓扑结构对网络信息传播的影响。     

基于网络监视器的网络实验设计

本文介绍了网络监视器的基本功能,提供了用网络监视器设计网络实验的基本方法及已开设的网络实验项目,并通过一个具体实例分析实验结果.     

GA-Elman网络的网络控制系统预测

为了消除网络时延对网络控制系统的影响,采用Elman神经网络预测系统时延采样值,并用遗传算法优化神经网络权值阈值.实验仿真表明:经遗传算法优化后的Elman神经网络具有很好的预测精度及动态性能,能够消除时延的影响,并验证了该方法对时延采样值预测的有效性.