聚类系数可调的类星形无标度网络模型

在网络平台空前发展的背景下,提出了一个由简单规则构造的聚类系数可调的类星形无标度网络模型.在模型的演化过程中,每个新加入的节点都通过两步连边的方式连接到网络中,其中一部分连边始终连到几个固定节点上,其余边按度优先机制随机连到其他非固定节点上.理论分析和数值仿真的结果一致表明,该模型同时具有无标度,小世界和类星形的特性.有趣的是,不仅度分布的幂指数依赖于固定节点个数δ和连边数m,而且聚类系数也受δ和m的调控,不同的是δ对聚类系数的影响很大,m对其影响较小,这样使得聚类系数具有很大的调节空间.进一步研究发现,该网络的同步能力也随固定节点个数的增加而增强.     

基于边聚类系数的谱聚类社区划分方法研究

针对图谱划分方法在划分社区结构不是很明显的网络时,不能得到好的划分效果,该文提出了基于边聚类系数的谱聚类社区划分方法.由于社区内部节点之间的连接比各个社区间节点的连接稠密,边聚类系数的大小反映了节点的聚集程度,因而通过网络中的边所构三角形的数量定义了聚类系数矩阵,矩阵中的元素即处于网络中的边实际构成三角形的数量.在增益函数最大化的过程中,使用了矩阵的特征值和特征向量,以此来进行社区划分.通过在真实网络数据中进行实验,结果表明该算法可行.     

节点数固定的ER网络演化模型拓扑性质的研究

复杂网络模型的研究主要集中在ER网络模型、小世界网络模型和无标度网络模型,其中ER网络模型是最经典的复杂网络模型之一。文章研究了节点数固定情况下的ER网络模型,根据网络内部边的动态演化特点,将节点数固定的网络模型进行了细分,给出了模型的生成算法,并模拟了算法生成的随机网络的平均路径长度和聚类系数。仿真结果表明,节点数固定的ER网络具有小世界特性,出现这种小世界特性的主要原因是由于网络内部边的异质性,而与网络的节点数变化没有必然联系。     

聚类系数指标对复杂网络鲁棒性的影响分析

分析了采用度分布相同且聚类系数不同的三种类型网络(中性网络、同配网络和异配网络)在遇到随机故障或者蓄意攻击时,网络的初始聚类系数变化对网络鲁棒性的影响.实验分析表明,网络的初始聚类系数越大,网络在受到随机故障或蓄意攻击时网络中最大连通子图的直径和网络中最大连通子图的平均路径长度的起伏也就越大.初始聚类系数的变化在异配网中对网络鲁棒性的作用最明显,中性网次之,对同配网的鲁棒性不明显.     

基于边信任度的混合参数自适应重叠社区发现算法

网络中的社区结构有助于简化网络拓扑结构分析,揭示系统内部的规律,能够为信息推荐和信息传播控制提供有力的支撑.网络重叠社区结构与真实生活更加接近,但其分析较非重叠社区结构更加困难.因此,针对重叠社区发现问题,在对网络的边进行峰值聚类的基础上提出了一种基于边信任度的混合参数的自适应重叠社区发现算法.定义了网络边的邻居边集合及与其邻居边之间的信任度函数,通过信息传递获取边的总信息量,并且基于此引入混合参数的概念.基于k-means算法使用混合参数对网络中的边进行聚类,即将网络中的边划分为核心边集与非核心边集,每个核心边作为一个聚类中心.根据非核心边到核心边的距离将所有非核心边划分至距离其最近的聚类中心所在社区.再根据网络中边与节点的关系实现重叠节点发现,最终实现重叠社区的发现.该算法的优点是每条边通过独立地完成信息扩散找到社区的结构,相比于传统的峰值聚类算法,不需要人为设置相关参数,实现重叠社区的自适应发现.为验证算法的可行性,对算法复杂度进行了分析,并且使用两种社区划分评价指标——标准化互信息和模块度,分别在人工数据集及6种真实数据集上进行实验,通过与其他算法进行对比分析,实验结果表明该算法更具可行性和有效性.     

具有高聚类系数的加权分层组织结构网络

现实生活中大多数的组织结构网络都体现层次性。本文通过迭代的方式构建加权分层网络以模拟组织结构网络。该网络每条边都被赋予了权重以更好地描述个体之间关系的紧密程度。通过计算,根节点的度分布服从幂律分布,表明该模型具有无标度性质。同时该网络具有极高平均聚类系数0.7624。可见,层次化结构有利于促进整体的凝聚力,组织结构网具有层次性是合理且必然的。     

具有高聚类系数的加权网络演化模型

基于网络节点间三元组的形成,并结合随机游动提出一个加权网络演化模型.分析了网络的强度分布、权重分布、度分布以及聚类系数,结果表明模型生成的网络具有无标度特性,同时具有很高的聚类系数.     

基于信息传递效率的地铁网络小世界特性评价

为了差异化直接相邻和间接相邻的车站对信息传递效率的影响,该文建立了基于信息传递效率的聚类系数模型,构建了地铁网络小世界特性评价方法。通过对全球52个城市的地铁网络样本的小世界特征值计算,得到基于信息传递效率的聚类系数算法的聚类系数值在0.195~0.407之间,平均值为0.29,虽然小于以线路为演化单位的公共交通网络中P空间(Space-of-Stops)下的聚类系数值,仍然远大于相同规模的随机网络聚类系数值(0.01~0.16,平均值为0.06)。故认为基于信息传递效率的聚类系数算法能够更加严格地评价物理网络是否具有小世界特性。在此方法下,52个样本城市地铁网络仍具有小世界特性。     

基于BA模型高团聚性网络构造

介绍了复杂网络,指出BA模型在刻画真实网络上的不足,即团簇系数不高.在BA模型的基础上引入加边机制,提出了一种改进模型.数值模拟结果表明：在改进模型中,网络在保持BA模型无标度性质的同时,具有较高的团簇系数;网络的团簇系数C随改进模型中加边概率p的增大而增大,当p=1时,网络的团簇系数比同等规模的BA模型提高了约100倍.     

随机派系网络模型统计性质研究

提出派系作为构建复杂网络的基本模体,在随机选择规则下,采用自然增长方式构建随机派系网络的方法,并比较分析在此方式下网络的度分布、平均路径长度和聚类系数.研究发现随机派系网络的度分布服从多重泊松分布,且派系大小n越大,分层越多;随机派系网络相比于ER随机网络具有更高的聚类系数,且派系大小n越大,聚类系数越大;随机派系网络相比于ER随机网络具有更短的平均路径长度,且派系大小n越大,平均路径长度越短.随机派系网络模型是一个具有高的聚类系数和短的平均路径长度的网络模型,可以较好地描述现实中的复杂网络的高聚类小世界的性质,它为小世界网络模型的构建提供一种新的思路.     

基于复杂网络的本体结构分析

将本体的结构特点与网络类比,本体中的概念与网络中的点对应,本体中的关系与网络中的边对应,借助现有的针对复杂网络的分析方法和性能指标,对本体的度分布、平均最短路径、聚集系数进行统计分析,考察本体结构特性.选取基因本体(GO)作为研究样本,分析结果表明,GO没有很高的聚类特性,具有小世界特性,不具有无尺度性质.该研究有助于评估本体中的概念,设置其权重,提高语义匹配的效率.     

基于MATLAB环境的聚类系数的计算

本文对复杂网络的一个重要测度聚类系数进行了深入研究,给出了通过点的邻居子图以及通过三角形途径计算网络聚类系数的方法,并结合MATIAB函数特点设计了这两种方法的M文件SUB—GC．m和TRIC．m．通过大量计算比较,调用SUBGC．m文件计算复杂网络系数的方法是一种比较高效的计算方法．     

一种改进的基于超网络的高维数据聚类算法

高维数据聚类问题是当前聚类分析研究的重点。笔者提出了一种改进的基于超网络的高维数据聚类算法。首先,将高维数据映射到一个大规模带权超网络中;其次,定义超网络中边的权重;再次,采用优化的超图划分方法划分带权超网络;最后实现高维数据聚类。这样有效过滤掉聚类中的噪声数据,避免了传统聚类方法在降维过程中产生的弊端。实验证明,该算法具有较理想的有效性和精确度。     

基于三角生长网络的局域社会平衡动力学

 构建一种具有较多三角关系且聚类系数可调节的三角生长网络,利用计算机模拟,研究了网络拓扑结构改变对社会平衡动力学演化的影响。结果表明,当网络加边连接概率p_a≥0.5,网络为稠密连接时,网络的统计性质与完全连接图类似,社会平衡的演化与初始状态无关,且当转变概率p≥1/2 时, 网络系统发生从非全友好态到全友好态的动力学相变;当连接概率p_a<0.5,网络为稀疏连接时,网络的统计性质具有无标度网络的特性,社会平衡的演化呈现初值依赖性和动力学相变消失。     

基于复杂加权网络的移动协同空间分析

为解决移动协同空间的描述和分析问题，提出了一种移动协同网络，将协同空问中的终端及终端之间的关系分别映射为协同网络中的节点和边，同时定义两节点共有功能的数目为介于它们之间的边的权．通过定义节点的强度、聚类系数等参数，分析这些参数之间的关系，揭示节点在移动协同空间中所处的地位与其配置之间的关系，不仅为协同空间的构建和协同过程的监控提供了依据，也为协同伙伴的寻求和协同小组的划分提供了向导，说明复杂加权网络理论在移动协同空间分析中的应用是可行的．     

无标度网络中的拥塞转变动态分析

把局部流量信息与最短路径路由策略相结合,提出了一种具有感知流量信息的路由策略算法.在该算法中,存在一个调节最短等待时间和最短传输路径之间权重的控制参数,通过调节这个控制参数可以使网络的传输能力达到最优.在具有不同聚类系数的无标度网络模型中进行仿真,仿真结果表明,拥塞转变被两种不同的相变曲线所描述,并且网络容量的大小取决于网络结构的基本属性和路由策略.与最短路径算法相比,采用该路由算法无论无标度网络的聚类系数如何,网络的吞吐量均得到较大提高,但就该路由算法本身而言,吞吐量随着聚类系数的增加而减小.     

随机派系生长网络模型及其传输能力研究?

本文提出一种基于随机选择的派系生长网络模型,该网络从一个a-派系模体开始,每个时间步t,在网络中随机选择m个节点构建一个新的a-派系,由此网络生长演化.模拟研究表明:该网络具有高的聚类系数和短的平均路径长度是一个小世界网络,并且比值ρ=m/a越小,聚类系数越大.而度分布则呈指数分布,这些特征与许多交通系统的复杂网络的实证研究结果相符.该网络的聚类系数与节点度呈幂律变化,显示网络具有模块化层次结构的特征,这一特征与近年来人们研究的大多数复杂网络具有模块化层次结构特征的实证研究结果相符.我们还研究了该网络的传输能力,研究表明该网络的传输能力随着比值ρ=m/a的减小而增大.这些研究结果对城市公共交通网络的构建具有一定的指导意义.     

利用复杂网络理论研究三峡库区流域水华暴发

根据复杂网络(CNs)理论初步建立三峡流域的水华暴发动力学模型,利用水华暴发的三类因素建立起水华暴发CNs无边接连基本模型图,参考实际水域水华暴发因素设定各节点子节点范围,建立各节点的边连接,从而初步建立水华暴发的CNs模型.模型中代入2007年春季嘉陵江、长江和2002年乌江"黑潮"8月份乌江渡水库监测数据,计算得出两个区域水华暴发CNs模型的平均路径长度L和聚类系数C,发现发生水华的流域平均路径长度L越小流域水华暴发的可能性越大,且现场监测数据与CNs理论结果相符.同时,水华暴发流域的聚类系数比未暴发流域小,表明水华暴发前后聚类系数C是一个先增加后减少再增加的过程.因此水华暴发周期内(暴发前期、暴发时期、消退期),各因素间的相互作用是先增强后减弱再增强的过程.     

股票符号网络研究

利用符号网络来对股票市场进行研究,利用中国近期股市平稳震荡、牛市、熊市3个时期的数据, 首先使用股票收益率相关系数构建保留连边正负信息的符号网络, 其中正边采取优化阈值法, 负边采用固定阈值法, 发现网络中负边的比例较低且集中在银行股上. 之后重点关注牛市时期网络的特征, 分析了度及度分布、节点的受欢迎程度和特征向量中心性、平衡性、平均集聚系数和度相关性. 将其与传统网络进行对比, 发现负边的引入对节点的重要性有较大影响.      

一种基于广度优先搜索的社区发现方法

由于当前的算法不能很好地将网络的联通性和单个节点的属性综合考虑,分析了凝聚和分裂层次聚类经典算法的局限性,从而给出边的载荷、边的权重、连接度门限、图形分割等定义.综合考虑网络的拓扑结构和边的权重关系,提出了基于广度优先搜索的社会网络社区发现算法SoNetCD.算法通过删除社区之间的边而得到社区结构,它对社区之间的边判断准确,对社区内部的边误删率低.运用经典数据集进行实验的结果表明,该算法具有比经典GN算法更好的结果.