大规模网络图中4节点子图数量快速估计算法

针对大规模网络图中存在的大量4节点子图数量难以精确统计分析的问题,提出了一种大规模网络图中4节点子图数量快速估计算法(SmartMoss)。该算法通过随机变量方差分析技术对比3路径采样算法(3PS)和中心3路径采样算法(C3PS)两种前沿算法的估计误差得出其各自不同的适用范围,进而通过计算被测网络图权重密度分布与误差实时选择使用3PS算法或C3PS算法对网络图中4节点子图进行快速采样,通过采样比例混合3PS算法与C3PS算法的估计结果实现对网络图中各4节点子图出现数量的快速估计。实验结果表明,在同等估计误差下提出的SmartMoss算法比已有3PS算法和C3PS算法快10倍以上。SmartMoss算法可以实现对大规模网络图中4节点子图数量进行快速准确的估计,同时为网络社团演化和恶意代码检测等实际应用提供一定的理论参考。     

基于模体中心结构的蛋白质复合物识别算法

基于蛋白质相互作用的网络有明显模块化特征, 其对预测蛋白质功能、解释特定的生物进程具有重要作用, 网络模体是复杂网络演化的 重要拓扑结构, 其代表了复杂系统中的重要功能单元, 具有进化保守性的特性, 提出一种新的基于网络模体为核心节点组的蛋白质复合物识别算法. 该算法根据蛋白质相互作用网络的拓扑特性, 将模体作为蛋白质复合物的中心结构体, 并基于中心结构体进行二层节点扩充, 能准确有效地识别蛋白质复合物. 并且将复合物二维网络进行三维转化, 从而更直观清晰地展示复合物的结构体特征. 实验结果验证了该算法的有效性及可行性.     

区域创新合作网络演化特征与动力研究——以长三角为例

基于2005—2019年长三角地区产学联合申请专利数据构建合作网络，运用空间网络分析法、模体分析法和指数随机图模型研究网络的演化特征及动力机制。研究发现：在空间格局上，由“三足鼎立”向“核心-边缘”演变；在局部模体上，闭合模体是网络中的重要模体，网络存在集团化现象；在网络动力机制上，内生结构效应和节点属性效应是网络关系形成的重要动力，演化过程中存在显著的“马太效应”与“同质效应”。从战略协同、高地共建与机制重构等方面提出优化区域创新合作网络结构和促进长三角创新一体化发展的政策建议。     

蛋白质超家族模体保守性及物理化学性质的分析

分析了全β类4个典型的蛋白质超家族中模体的功能,发现免疫球蛋白超家族和纤维结合蛋白类型Ⅲ超家族中的模体有相似的结构,但是它们行使不同的功能.血小板-白细胞C激酶底物的同源物结构域超家族和核酸结合超家族中的模体类型较多,虽然这些模体只是部分结构相似,然而它们却在各自的超家族中分别执行着相同的功能.文章进一步运用统计学方法研究了蛋白质超家族中保守模体的亲疏水特征、物理化学特征和结构特征.结果表明,模体差异有显著意义的残基存在于序列模体的保守位点上,相同的序列模体具有相似的二级结构.这些特征将对进一步识别超家族提供帮助.     

基于三维卷积的人手姿态估计高分辨率网络

在体素化输入的三维卷积基础上,通过引入高分辨率保持模块,提出了一种基于三维卷积的高分辨率保持网络.该网络以体素化的深度图为输入,进行三维卷积.不同于先前大多数从低分辨率特征中恢复高分辨率特征的方法,构建的网络引入不同分辨率子网络并行的结构,在处理低分辨率特征图的同时保持高分辨率特征图,从高分辨率子网络卷积得出每个关节点在3D体素中的分布概率,最终计算出每个关节点的三维空间坐标.实验表明:该算法相较于先前的基于沙漏模型的三维卷积网络能更准确地进行关节点估计.     

公交主导型多方式交通网络的协同机理与耦合理论2013年度报告

该研究紧密结合我国城市交通结构发展现状和公交优先国家目标需求,立足于公交主导型交通网络条件下居民出行特征与多方式网络承载力特性的深入研究,揭示地面公交网络—轨道网络—道路网络的相互作用机理,建立交通网络多方式系统耦合理论,并将理论研究成果应用于多方式交通网络效能评估。项目研究总体上从公交主导型多方式交通网络出行需求与供给特性分析、公交主导型多层次交通网络相互作用与系统耦合、多方式交通网络效能评估这3个紧密相关、依次递进方面上开展理论与应用研究。首先,基于对公交主导型交通网络条件下居民出行行为特征与出行需求的合理认知、把握与诊断,该年度开展大量调查,获取并分析公交主导型交通网络条件下居民出行特征基础数据,实现公交主导型多方式交通网络下基础数据的采集及数据库的建立,构建公交出行行为辨识模型、基于满意度的公交服务贝叶斯网络模型以及以大运量公交为主的多方式联合出行整体效用模型,解析公交主导型多方式网络中的多重复杂出行需求;其次,从多方式交通网络的地面公交运行特性与通行能力出发,研究多层次交通网络对客流影响,探讨地面公交与轨道运输能力一体化的衔接方法,构建宏观客流在多层次交通网络上的转移模型;再次,在宏观层面上对居民出行分布与公交主导型网络结构的耦合关系进行了分析,形成基于结构耦合模型的公交网络等级配置、公交网络布局以及轨道交通与地面交通网络换乘设施的优化方法,深入分析公交主导型多层次交通网络系统耦合作用机制;最后,在明确了轨道网络与地面交通网络的耦合内涵基础上,综合宏观网络层面与微观通行层面,建立了包含出行效率、公交承载力、排放与能耗、建设费用在内的差异化指标评价体系,并采用实地调查获取的道路及交通流参数建立多方式交通网络效能分析实证平台,提出了基于公交及社会车辆通行效率评价的优先策略反馈机制和基于MATLAB的污染物浓度分布可视化展现。为成果在交通结构优化和节能减排方面的推广应用提供扎实的基础和可靠的依据。     

基于复杂网络的城市综合交通网络特征分析与优化研究

基于复杂网络理论与方法,结合高速公路、国省道路、铁路、水运等5个交通网络,构建南昌九江综合交通网络; 定量计算与分析除航空网络外共计5个交通网络的拓扑特征.在对各方式的交通复杂网络提出优化措施的基础上,探讨了南昌九江综合交通网络的优化设计,并给出了相应的改进建议.     

全α类蛋白质超家族保守模体特征的分析

选取了全α类中序列一致性小于等于40%和25%的四个有代表性的超家族,并从中提取序列模体和结构模体,分析了其结构和功能特征的差异. 结果表明,细胞色素C超家族和EF手超家族中已知功能的模体类型相对单一,而类同源域超家族和翼螺旋DNA结合域超家族中序列模体类型较多,但是主要以HTH和wHTH两种结构模体为主. 进一步对模体的相对位置进行统计分析和比较,发现无论是已知功能的模体还是基于统计学方法识别的模体,它们相对于序列N端和C端的分布均呈现一定的规律性. 这些特征和规律将对蛋白质超家族的识别以及结构域的研究提供有力的帮助.     

大规模网络的三角形模体社区发现模型

研究表明将边表示的网络转换为三角形模体表示形式,可以有效解决基于模型社区发现方法由网络规模庞大带来的计算瓶颈问题.提出一个三角形模体社区发现模型MCDTM(a Model for Community Detection based on Triangular Motifs),其将网络表示为一系列三角形模体,利用categorical分布对各三角形模体的生成过程建模,用最大似然参数估计方法给出参数估计的推理过程,根据参数估计结果可得节点、边及三角形模体的社区隶属度.人工网络和实际网络上的实验证明MCDTM模型可快速准确地发现网络的潜在结构.     

蛋白质界面网络中模体和模块的探测

基于复杂网络研究蛋白质界面网络中的模体和模块,发现蛋白质界面网络与蛋白质肽链网络的拓扑性质有差异.蛋白质界面网络中的模体类型和数量受截断距离R影响较大,R值不同,网络中的模体类型和数量都有较大差别.蛋白质界面网络中存在模块结构,分析R为0.5,0.7,1.2,2.4nm时网络中存在的3-派系-模块,发现当R为0.7nm时的蛋白质界面网络模块划分比较符合实际.最后,分析蛋白质界面网络中的模块与其拓扑性质的关系,发现界面网络中的节点数与3-派系-模块数呈线性关系.     

基于复杂性理论的军事通信网络中心化方法比较

 复杂网络的中心化有助于发现复杂网络中的重要节点,具有重要的应用价值。本文介绍了中心化指标的验证条件,讨论了常用的度中心、偏心率中心、邻近中心、子图中心和信息中心5种中心化方法,并以某一具体的军事通信网络为例进行了实例仿真应用。仿真结果显示,不同方法下得到的网络中心节点不同,反映出各种中心化方法侧重点的差异。分析表明,在实际网络中单一方法不能准确反映网络的重要节点;对于复杂网络的中心化问题,应结合具体应用背景,综合考虑几种中心化方法。     

Discovering protein complexes from protein-protein interaction data by dense subgraph

High-throughput techniques,such as the yeast-two-hybrid system,produce mass protein-protein interaction data. The new technique makes it possible to predict protein complexes by com-putation. A novel method,named DSDA,has been put forward to predict protein complexes via dense subgraph because the proteins among a protein complex have a much tighter relation among them than with others. This method chooses a node with its neighbors to form the initial subgraph,and chooses a node which has the tightest relation with the subgraph according to greedy strategy,then the chosen node is added into the initial subgraph until the subgraph density is below the threshold value. The ob-tained subgraph is then removed from the network and the process continues until no subgraph can be detected. Compared with other algorithms,DSDA can predict not only non-overlap protein com-plexes but also overlap protein complexes. The experiment results show that DSDA predict as many protein complexes as possible. And in Y78K network the accuracy of DSDA is as twice times as that of RNSC and MCL.     

基于复杂网络的交通运输网络可靠性研究进展

从指标分布特性、小世界及无标度特性和可靠性3个方面论述了复杂网络在交通运输网络的研究进程和应用现状。从网络模型构建和复杂交通运输网络应用两个方面总结了现阶段复杂交通运输网络可靠性研究中存在的问题。研究表明,今后运输网络可靠性研究将从4个方面展开:模型构建过程中充分考虑各子网络及其他相关网络的影响;基于大数据分析构建动态有向网络模型;应用牵制理论控制提高网络可靠性;城市群及多中心城市复合复杂交通运输网络可靠性研究。     

复杂网络子图中心性分析

许多现实网络虽然具有小世界和无标度的全局结构特征,但可能具有非常不同的局部结构特征,子图从局部层次刻画了网络内部相互连接的特定模式.本文通过仿真分析的方法研究了ER随机网络、WS小世界网络和BA无标度网络模型的子图中心性的特点,得出了这三类网络模型的子图中心性与网络密度、重连概率和网络规模之间的关系.仿真结果表明,子图中心性能够刻画复杂网络的拓扑结构.     

应用复杂网络研究板块内股票的强相关性

为探索股票之间相互影响的行为,提高投资组合构建能力,以中国股市煤炭、电力板块股票为节点,以近19年股票对数回报的相关系数为边,建立复杂网络模型。通过对网络拓扑参数计算,发现该网络为无尺度网络,节点度分布负幂指数小于1,无权网络和加权网络平均集聚系数分别为0.68和0.41。对网络中心性进行了测量,发现000723,601898,601918三个节点是整个网络的核心节点;网络可划分成两个分区,并抽取出一个高度耦合的具有13个节点的中心网络,对整体网络有很大影响。     

“一带一路”节点城市交通发展前景

 中国已形成一批功能强大、类型多样的“一带一路”交通节点城市，按主要运输方式和服务类型，分为综合交通枢纽、主要港口、国际枢纽机场、中欧班列枢纽和国家物流枢纽。节点城市在“六廊六路多国多港”骨干交通网络中发挥重要作用，世界十大集装箱港口有7个来自中国，中西部地区枢纽机场发展迅速，中欧班列快速发展，内陆节点城市国际联通功能显著增强，依托城市群的组合型交通枢纽体系成为重要形态。未来“一带一路”节点城市交通发展应创新思路，促进新技术与交通运输深度融合，促进各种运输方式深度融合，促进节点城市与所在区域交通深度融合，促进交通运输企业与全球产业链、供应链深度融合，重点是强化国际交通枢纽功能，优化综合交通集疏运系统，依托区域打造世界级机场群港口群，参与全球交通网络建设，完善配套政策体系，支撑形成安全可靠高效的全球交通运输网络。     

基于图注意力和特征融合的链路预测方法

链路预测是一种还原网络缺失信息的方法，通过当前已观察到的链路，预测实际存在但未被观察到的链路或可能出现的新链路.当前链路预测主要是基于图神经网络的深度学习方法，相比基于规则的启发式方法，前者可有效利用网络拓扑结构信息，较大地提升了网络链路预测性能，并可应用到类型更广泛的网络中.但是现有基于图神经网络的方法，仅利用网络中节点相对位置信息，忽视了节点基本属性和链路的邻居信息，且无法区分不同节点对链路形成的重要程度.为此，本文提出一种基于图注意力网络和特征融合的链路预测方法.通过增加节点的度、链路的共同邻居数量和共同邻居最大度等特征，丰富了网络的输入特征信息.本文首先提取以目标节点对为中心的子图，然后将其转化为对应的线图，线图中的节点和原图中的链路一一对应，从而将原图节点和链路信息融合到线图的节点中，提升了特征融合的有效性和可解释性.同时本文使用图注意力机制学习节点的权重，增强了特征融合的灵活性.实验表明，本文所提出的方法，在多个不同领域数据集上的AUC和AP均超过90%,在已观测链路缺失较多时，预测性能保持80%以上，且均优于现有最新方法.     

基于节点吸引力的可调参数复杂网络模型

针对真实网络的生长演化规律,以及BA无标度网络模型和原始的节点吸引力模型在择优连接以及生成网络统计特征方面所存在的问题,综合考虑复杂网络生长演化过程中节点度和节点吸引力的择优连接特性,提出了一种基于节点吸引力的可调参数复杂网络模型. 理论研究与仿真实验分析表明,基于节点吸引力的可调参数复杂网络模型可以有效生成结构稳定并与实际网络统计特征很接近的复杂网络,通过调节模型参数可以灵活调整网络的生长演化过程. 模型生成的网络度分布仍然服从幂律分布,并且具有较高的群集系数和平均路径长度.      

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.     

Cartesian积图的边泛圈性

网络中子图的可嵌入性是度量网络优劣的一个重要性能。圈作为网络拓扑中一类重要的子图,其可嵌入性可以通过泛圈性来度量。Cartesian积图是互联网络拓扑结构中一类非常重要的图类。设G是长为k1和k2的圈的Cartesian积图。利用Cartesian积图的顶点和边的传递性,证明了当k1≥3,k2≥3,G是边偶泛圈的;当k1,k2均为奇数时,G是（k1＋k22）-边泛圈的。