融合节点影响力与多标签传播的重叠社区发现算法

重叠社区发现是复杂网络分析研究的重要目标之一。针对传统多标签传播算法存在的社区发现结果具有随机性、不稳定性,以及忽视节点影响力对标签传播的影响等问题,提出一种基于节点影响力与多标签传播的能够生成稳定社区的重叠社区发现算法。算法在节点影响力的计算、排序和核心节点识别基础上,通过邻居节点初始标签的再处理和基于平衡系数的节点标签异步更新策略,实现复杂网络重叠社区的有效识别。在真实数据集和人工数据集上的实验综合表明,算法性能优于各对比算法,适用于大规模复杂网络。     

影响力异质性影响群体合作的演化

将进化博弈论与复杂网络相结合,借用经典的"囚徒困境"博弈策略来模拟研究个体之间在无标度网络中的合作演化行为.通过修改博弈规则,考虑不同个体具有不同影响力.模拟结果表明:个体影响力的差异性明显影响了群体的合作情况;不同影响力分布,有的可以促进合作的形成,有的却使群体很快陷入背叛的困境.     

惩罚机制对影响力不同群体合作行为演化的影响

在无标度网络中,研究惩罚机制对群体合作行为演化的影响.采用进化博弈论中重复囚徒困境博弈策略,考虑影响力的多样化,模拟分析在影响力同质和异质网络中分别引入惩罚策略对个体间合作关系的影响.仿真结果表明:在影响力同质网络中,惩罚机制会激励合作行为;在度小节点影响力大的网络中,惩罚机制也同样提高了群体合作率;而在度大节点影响力大的网络中,惩罚会使群体中策略分布趋于一个均衡状态.     

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.     

采用影响力节点集扩展的局部社团检测

针对规模化网络中局部社团检测存在的对初始节点位置敏感、拓扑信息难以有效利用问题,提出了一种采用影响力节点集扩展的社团检测(IN-LCD)方法。首先定义了节点的局部影响力指标,通过该指标计算并构造了源节点附近的影响力节点子集,然后从影响力节点子集开始,以迭代更新的方式,进行连续的社团扩张,最后通过节点和社团相似性指标计算,完成整个局部社团的获取。IN-LCD方法从有效利用节点局部信息出发,通过最具影响力节点集合进行社团扩展,有效克服了局部社团检测对初始节点位置敏感的问题。在真实和人工网络数据集上的实验表明,IN-LCD方法与已有的最佳局部社团检测方法相比,识别性能提升了5.3%,更能有效应用于局部信息出发的社团检测场景。     

基于密度峰值法的复杂网络聚类增长维度研究

复杂网络是由个体或组织以及它们之间的关系所组成的结构.利用复杂网络的分形结构来解释和预测复杂网络的行为是目前的一个研究热点.分形维度是对复杂网络中分形结构的度量,为了更准确地对复杂网络分形结构进行度量,提出了一种基于密度峰值的方法来计算分形维度.该算法不同于之前选取一个种子节点或者将所有节点作为种子节点的方法,而是利用...     

基于复杂网络的社交网络用户影响力研究

基于复杂网络理论对社交网络用户影响力进行分析,可以为社会营销、舆情监测、信息检索等众多领域的研究提供支持.传统的网页排序算法虽然可以对有向社交网络的用户影响力进行分析,但仍存在缺陷且复杂度较高.本文提出了一种对无向社交网络进行用户影响力评价的方法,弱化了将有向网络视为无向网络研究而带来的误差,并可以高效地得到重要节点,适用范围更广.首先,本文采用网络节点的度中心性、介数中心性、接近中心性、聚类系数作为节点重要度评价指标,通过对计算数据归一化处理并取均值得到用户影响力排序的基准.其次,采用k-核分解法粗粒化地将重要度相似的节点进行归类,来检验排序的合理性.最后,通过仿真实验以及k-核分解、与HITS算法比较验证了此方法的科学性和正确性.     

基于局部邻域连通性的重叠社区发现算法

发现复杂网络中的重叠社区是目前复杂网络分析的重要内容。选择社区代表性强的节点作为种子节点进行扩展是基于种子扩展策略重叠社区发现算法的关键,提出了一种基于度信息和邻域连通性的节点邻域中心性度量指标,并在此基础上提出了一种基于局部邻域连通性的重叠社区发现算法（Local Neighbor-hood Connectivitybased overlapping community detection Algorithm,LNCA）。首先计算每个节点的局部邻域连通熵和邻域中心性cc,选择中心性高的节点作为种子节点;然后采用带重启的随机游走策略扩展种子节点并得到初始社区;最后合并重叠度较大的社区得到最终社区发现结果。在6个带真实社区标签的网络和9个无真实社区标签的网络上,与SLP A、DEMON、CPM、Node_Perception、Ego_Networks、Egonet_Splitter等6个经典重叠社区发现算法进行比较,结果表明,在带标签网络上,LNCA算法在重叠NMI和F1分数上优于多数对比算法,可得到与网络真实社区更匹配的社区结...     

基于复杂网络的大型互联网企业高管分析

采用复杂网络分析特定属性群体。以互联网企业高管简历作为原始数据,以高管姓名和分词系统抽取实体关键词作为节点,个人简历中是否包含关键词作为连接边的条件进行建模,使用复杂网络理论对所建网络进行分析。实验结果表明,部分关键词节点度值存在明显差异,归一化后的特征向量明显大于介数。通过统计分析发现,美国和北京相关背景很重要,同时对比归一化后的介数和特征向量证明两点:第一,社会关系中个体涉及的实体对象比在社会关系网络中的位置更为重要;第二,跨行业跳槽人员的职业背景经历可能会给其在新的企业中的个人发展带来不利影响。     

测绘领域研究热点可视化分析

本文以测绘期刊为研究对象,可视化分析测绘领域研究热点。首先利用网络爬虫获取文献数据,从中提取作者和关键词要素;依据概念间关联关系构建期刊元网络,通过度数中心性和介数中心性评估各子网络节点影响力;综合各子网络的评估指标形成作者和关键词节点的重要性综合指数,判断期刊网络中的核心节点;然后以时间为粒度对关键词要素进行度数频次统计,分析测绘领域研究热点演变;最后对高频关键词进行聚类,总结测绘领域研究发展方向。表明通过复杂网络节点影响力测度可以定量展示我国测绘领域的研究现状,并可在时间维度上展示学科发展演变趋势。     

IP级拓扑新生与消亡节点的特征

针对IP级拓扑新生与消亡节点特征进行研究,基于CAIDA项目授权的海量数据,结合复杂网络的研究理论和方法,对IP级Internet拓扑新生与消亡节点的度分布、幂律特性等特征量,以及IP级新生连接进行统计分析及演化分析.结果表明,新生与消亡节点近似符合幂律分布,新生节点不倾向于与新生节点相连,而倾向于与网络中已存在的节点相连,且连接数为1的可能性较大.新生连接不符合优先连接性质,富者更富理论在动态上的表现不显著,高度节点的影响力在连接产生时不高.新生节点连接数目具有稳定性及普适性,这为Internet建模提供有效依据.     

群体决策的模糊偏爱公理和不可能性定理

对于群体决策问题中决策个体和决策群体偏爱均为模糊的情况,建立了较弱的传递性意义下的模糊偏爱公理系和不可能性定理.在模糊偏爱的意义下,扩展了群体偏爱的ArroW不可能性定理.     

基于聚类的复杂网络社团结构发现

我校计算机与信息技术学院教师李艳灵博士获批国家自然科学基金项目:基于聚类的复杂网络社团结构发现,项目编号:61202194.复杂网络是指具有复杂拓扑结构和复杂节点行为的网络系统,它是对现实世界中各种各样的大规模复杂系统的抽象.复杂网络中的社团发现旨在寻找复杂网络中真实存在的社团结构,发现网络中的社团结构对分析     

航空网络影响力节点识别与鲁棒性分析

为精确识别航空网络的影响力节点并分析其鲁棒性,使航空网络优化策略更具有针对性,提高网络抗干扰能力。通过建立航空网络模型,并根据航空网络拓扑结构和节点流量特点,提出结合改进的复杂度矩阵和节点效率的效率度指标,研究了识别网络影响力节点,并采用连通鲁棒性指标和功能鲁棒性测度航空网络鲁棒性。以华北地区网络进行实证分析,结果表明：效率度指标具有有效性且更加适合航空网络;影响因子比例为a=0.3,b=0.7时连通鲁棒性最差,网络节点更趋向于与大流量节点相连;影响比例因子为a=0.4,b=0.6时功能鲁棒性最差,网络大流量节点位置信息重要性不明显,即不全部位于中心位置会趋于边缘化。     

引入信任度传递机制的影响力最大化节点挖掘

基于渗流理论的影响力最大化节点识别问题没有考虑信任度传播对影响力最大化的影响。利用非回退矩阵图模型,通过引入节点信任度传递函数刻画影响力传播过程中"信任度递减,不信任度递增"现象,并利用渗流理论求解节点联合传播强度指数来刻画节点影响力大小,采用人工网络数据与真实网络数据集对算法的影响力进行了评估分析,与常用启发式算法进行比较验证算法性能,本文算法性能优于其他启发式基准算法。     

基于活跃度的网络免疫策略

免疫策略是抑制复杂网络传播过程的有效方法。虽然基于网络拓扑的免疫策略取得了良好的免疫效果,但这些策略都基于同构性假设,即:网络中的节点具有相同的属性。然而,越来越多的研究揭示了网络节点的异构特征,如传播过程中节点具有不同的活跃度,活跃的节点能够促进传播。笔者结合网络结构和节点活跃度,提出了一种新的免疫策略,在真实网络和人工网络中的仿真结果表明,所提免疫策略能够有效抑制传播扩散。     

基于TOPSIS的复杂电网节点重要性评估

本文利用复杂网络理论构建了江西电网拓扑模型,对其网络特性进行分析,通过TOPSIS(technique for order preference by similarity to ideal solution)算法评估电网中的重要节点,并利用SIR(susceptible infected recovered model)模型对重要节点的传播影响力进行仿真分析。结果表明江西电网节点度分布服从幂律分布,网络呈现出无标度和小世界特性。网络中的重要度排名前10的节点分别为罗坊、抚州、梦山、鹰潭、乐平、永修、南昌、文山、赣州和红都。SIR仿真结果说明重要节点对网络的传播影响力极大,其中TOPSIS方法下的最终节点感染规模相比单一指标至少有5%的增幅。     

基于邻介熵和邻度熵的复杂网络中心性算法

识别复杂网络的重要节点是复杂网络研究的关键点,也是网络稳定性判定的重要理论基础.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、特征向量中心性和K-core 中心性等,这些指标在识别重要节点时存在一定的局限性.为了解决以上问题,将节点v_i的邻居节点集划分成关联邻居节点集(MR)和非关联邻居节点集(M_UR),结合图的信息熵以及节点的介数中心性和度中心性,提出新的中心性指标,即基于邻介熵(NBE)和邻度熵(NDE)的关联邻居中心性RNC 和非关联邻居中心性URNC.实验通过动态攻击来评估新的中心性指标在一个实验网络模型和五个真实网络上的效率,结果表明,新的中心性比传统的中心性具有更高的识别重要节点的效率.     

基于Agent的企业人际关系网络的演化模型

应用基于Agent的建模方法,根据企业组织中行为个体的行为特点,设计Agent节点的行为策略,构造智能Agent节点,使Agent节点能够自主地选择是否与其他节点建立联系或取消联系,形成基于Agent的企业人际关系网络的演化模型,并对其进行仿真实验,观察企业人际关系网络的生成和演化过程。同时,运用复杂网络的统计特征分析企业人际关系网络模型在演化过程中的变化规律。结果表明,企业人际关系网络是随着Agent节点寻找资源的行为逐渐生成和演化的,网络结构也随着企业组织系统的演化不断变化,最终形成了具有"小世界"特性和"无标度"特性的复杂网络。