2012-07 科技新闻媒体关注指数排行榜

 过去的十余年间复杂性研究的一个蓬勃发展的分支——复杂网络为人们认识包含大规模单元、具有多层次结构、单元间复杂关联、其行为介于规则与混沌边缘的复杂系统提供了一个全新的视角。这种在一定规则下将单元简化为顶点,将单元之间的作用抽象为图论中连接顶点边的复杂系统表达方式是科学方法论的新突破。如今,复杂网络已经发展为一门独立的交叉科学——网络科学,多学科交叉是其突出特点,其发展使许多相关的传统学科焕发出新的活力,统计力学和河网动力学即列其中。     

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.      

警报传播过程建模及影响因素

为了研究警报在社会关系网络环境中的传播特征及影响因素,基于多主体建模软件Repast仿真平台,以复杂系统和复杂网络理论为指导,在ER随机网络和WS小世界网络模型的基础上建立了警报的传播模型.对社会关系网络结构和信息源节点规则进行不同设置,通过对模拟结果的研究发现具有高聚类系数的网络结构和信息源选择高连接度的节点时,警报通知的传播效率明显提高.     

基于复杂网络理论的装备保障网络模型研究

从网络科学的观点出发,对装备保障网络生成机制进行研究,针对其严格的等级结构和一定的随机连接特性,在对树状网络和确定性复杂网络模型研究的基础上,提出了一个装备保障网络演化模型.该模型考虑了网络中节点和边的实际物理属性,引入了随机连接参数,实现了混合生成的装备保障网络演化机制,并仿真分析了模型中迭代步数、子节点数目、随机连接因子这3个参数对装备保障网络整体性能的影响规律,验证了该模型的有效性和适用性.     

复杂网络的拉普拉斯和无符号拉普拉斯特征谱分析

复杂网络的特征谱与网络的拓扑结构密切相关,通过研究特征谱可以更好地了解网络的拓扑性质和动力学行为.本文总结了复杂网络特征谱方面的研究成果,首先介绍了三类典型的复杂网络模型邻接矩阵、拉普拉斯矩阵和无符号拉普拉斯矩阵的特征谱与网络结构和网络同步之间的关系,然后通过仿真分析研究了ER随机网络、WS小世界网络和BA无标度网络模型的邻接矩阵、拉普拉斯矩阵和无符号拉普拉斯矩阵的谱半径与网络规模和连边概率之间的关系.     

随机四部超图的投影图

新的社会网络的出现,要求我们改变以前使用的图的复杂结构,以前的网络,一条边连接两点.如今,要考虑超图,例如科学合作网.本文在四部超图的基本特性的基础上,研究随机四部超图的一种特性即投影图,得出网络的两种投影图的概率生成函数.这些结果以及描述的方法可以在研究复杂超网络结构时作为一般的工具.     

基于复杂网络的脑电信号回归分析

基于相点距离集合确定脑电信号的相空间重构嵌入维数,并得到时间序列的相空间轨迹.把由相空间轨迹构成的回归矩阵转化为复杂网络的连接矩阵,并用复杂网络的特征参量表征回归矩阵的性质.实验结果表明,由不同生理状态的脑电信号构成的回归矩阵呈现出普适和非普适特征,也就是小世界特征的一致性和聚类结构的差异性.这些结论与实际脑网络的小世界特征和脑功能区域的聚类结构能够很好吻合.     

权重国际贸易网络的结构分析

采用贸易流量值对国际贸易网络的边赋予权重,构建权重国际贸易网络,从顶点强度与度的关系、边的权重差异度、集聚性、顶点度相关性等角度对权重国际贸易网络的结构特征进行研究.通过与拓扑结构的研究结果进行比较,发现拓扑顶点度负相关而权重顶点度正相关等新现象.这表明对于经济流网络,从权重角度分析可以揭示更多的网络结构特征.     

复杂网络视角下的NYSE市场投资结构特性研究

在复杂网络视角下,利用网络的工具和方法研究纽约证券交易所(NYSE)中股票与基金股东的投资关系的结构特征.建立二分网络,对该系统对应的单顶点网络进行统计以及聚类分析,得到该系统具有较好的"无标度"特性、"小世界"特性和它所对应的层叠式集团结构.通过实证上的观察和分析,找到这些网络特征的实际含义以及与金融理论上的对应.     

一类幂律图模型

基于混合依顶点度择优和均匀选择顶点两种连边方式,建立了一类随机图演化模型,证明了该混合模型的度分布遵循幂律.注意到均匀选择顶点连边的随机图模型的度分布服从几何分布,文中结果表明,混合模型中择优连接方式对度分布尾部的影响居于主导地位.     

动态社会网络上的传染病传播问题研究

随着对传染病传播问题研究的深入,研究中常用的传染病传播模型也越来越接近于现实世界.复杂网络视角下的传播模型,考虑了复杂动态的人际关系,能够更好的刻画传染病传播问题.依据传染病的生物学特征和人类社会关系网络的一般属性,本文在已有模型的基础上,在适应性网络中加入了潜伏期和"随机重连"机制,提出动态社会网络中的传染病传播模型,并以在世界范围内流行的、具有代表性的病毒——HIV病毒为例,阐述了该模型在动态社会网络中的应用.     

随机派系网络的渗流相变研究

现实的复杂网络往往具有小世界特征和模块化层次结构,随机派系(Clique)网络不仅有高的聚类系数和短的平均路径长度(小世界特征),而且具有模块化层次结构,可以较好地描述现实世界中许多复杂网络的结构特征.本文采用蒙特卡罗模拟方法和临界现象有限尺度标度理论对该网络的渗流相变进行了研究.在网络的演化过程中,其最大团簇单时间步的最大尺度跳跃及对应的时间步可以用来确立临界行为和临界点.我们的模拟研究表明:随机派系网络的渗流相变都为连续相变,不同派系大小k的相变点发生的时间步不同,但约化边数相同;网络最大团簇的最大尺度跳跃?与网络大小N呈幂律关系,幂指数对应于渗流相变的序参量临界指数,且不随派系大小k变化;与?相关的另外三个临界指数也不随k值变化,与ER随机网络的临界指数相等.这些结果表明随机派系网络的渗流相变与ER网络渗流相变同属一个普适类.我们的研究加深了对复杂网络模块化层次结构产生机理的认识,有助于进一步认识复杂网络的渗流相变.     

一种不确定性复杂网络的定义及统计特征研究

现实网络的节点具有不确定性,边的连接具有不可分辨性,现有研究运用粗糙集理论解决了某些特定的复杂网络某一方面的问题,但没有提升到通用的网络模式的高度,形成一种完整的理论体系满足不确定性复杂网络研究的需要.提出了一种数学化的粗糙复杂网络的定义,给出了下近似粗糙复杂网络、上近似粗糙复杂网络、复杂网络的粗糙度等概念;定义了粗糙复杂网络的平均距离区间、粗集聚系数、粗糙介数等网络的静态几何特征,研究了粗糙复杂网络的加权度及其度分布.最后运用粗糙复杂网络的概念,实现了一个实际的粗糙复杂网络静态几何特征的计算,验证了相关概念的有效性和合理性.     

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.     

复杂网络的研究进展综述

网络由节点与连接节点之间的边组成。现实世界中存在大量的复杂系统可以用网络来描述。描述这些系统的网络既非完全规则又非完全随机,而是介于两者之间的。因此,介于规则网和随机网之间的复杂网能很好地刻画现实世界。本文介绍了复杂网络的发展史,研究现状及未来发展方向的展望。     

一维不连续映像动力学时间序列的复杂网络分析

利用复杂网络方法研究了一维不连续映像的动力学,建立了不同动力学状态时间序列相应的复杂网络。对于任意P周期吸引子,可以构成相互独立的P个全连接网络;对于混沌吸引子,可以构成许多分立的复杂网络。同时,讨论了系统所对应网络的连接密度、聚类系数、平均最短路径长度等特征量随控制参数变化的特征,分析了网络特征量与系统动力学之间的联系。结果发现:连接密度在不同周期吸引子间有不连续的跃变,在周期吸引子和混沌吸引子转变时出现不光滑变化;聚类系数和平均最短路径在周期吸引子与混沌吸引子间发生转变,并且在吸引子融合处均呈现不光滑转变。因此,可以用相应复杂网络特征量刻画不同动力学状态及指示其转变,并且当有吸引子共存出现时,这些量可以检出周期吸引子。     

基于SIR多级残差连接密集网络的轴承故障诊断

为了研究旋转机械的滚动轴承在复杂工况下从时变性强、微弱信号中提取特征信息的性能,提出了基于SIR多级残差连接密集网络的轴承故障诊断方法.首先,设计SIR模块,该模块将对输入的数据特征通道赋予不同的权重并拓宽网络的宽度,提取更加重要、更加丰富的特征信息;其次,设计多级残差连接密集网络自适应提取轴承振动信号中的有效特征;最后,构建softmax分类器实现故障分类.通过与多种方法进行对比,实验结果表明,该方法在变噪声、变负荷和变工况下都能够更加准确地检测出故障,对复杂的工况环境更具有鲁棒性和泛化能力.     

基于度序列的复杂网络模型及其路由策略分析

通过对复杂网络一般模型的节点度序列{k1,k2,…,kl}(1≤k1k2…kl)长度l的分析,得出了该模型度序列长度的一般特征,即l是log2N(N为网络节点数)级别的,同时采用基于BA模型的数据和真实复杂网络数据进行了实证分析,实证结果也证实了该特征.论文分析了大规模复杂网络中构建路由表的效率问题,同时构建了大量的基于度序列的复杂网络的一般模型,通过实验对比了基于广度优先搜索(BFS)算法的路由策略与基于最大度(MD)算法的路由策略的性能,实验结果表明,在复杂网络模型下,基于MD算法的路由策略比基于BFS算法的路由策略有更好的性能.     

基于改进CNN-GRU网络的多源传感器故障诊断方法

提出一种复杂系统内多源传感器的故障诊断方法.利用多源传感器数据之间的相关性,使用卷积神经网络提取不同传感器之间的联系和特征.在卷积网络中,设计了传感器数据标定模块使得网络更关注学习与故障信号相关的传感器数据.利用循环网络对传感器自身的时序特征建模,引入跳跃连接和辅助损失函数降低网络的训练难度.最后综合时空特征,一次计算得到故障分类结果和故障参数估计.仿真结果表明,改进后的CNN-GRU网络能够实时准确地诊断传感器的固定偏差故障和漂移偏差故障,传感器数据标定模块和跳跃连接的引入有效地提高了诊断算法的准确率和精度.      

复杂网络的冯诺依曼熵

主要研究了复杂网络的冯诺依曼熵.结论表明,一般情况下,冯诺依曼熵不随边的增加而严格单调增加.其次,定义了星生成图和路生成图,并给出了熵与这两类图的联系.最后,利用3种经典随机图模型和随机树模型,证明了平均场意义下冯诺依曼熵随复杂网络的边数和直径递增.