离散粒子群社区检测算法

针对复杂网络中的社区检测问题,提出了一种基于节点影响力的离散粒子群社区检测方法。该方法以模块度密度作为目标函数,利用离散粒子群算法对其进行优化,在优化过程中提出了节点影响力的概念,其充分利用了网络中节点的相互关系检测网络中的社区结构。同时,在此基础上提出了基于节点影响力的粒子群初始化方法和粒子状态更新方法。利用人工网络数据集和真实网络数据集对所提算法进行测试,实验结果表明,所提算法具有较好的检测结果,能更好地对网络中社区进行划分。     

GERT网络的矩阵式表达及求解模型

图示评审技术(graphic evaluation and review technique, GERT)解析法一般利用信号流图的拓扑特征(梅森公式)和矩母函数进行求解,但当GERT网络节点较多且结构复杂(回路众多)时,拓扑结构特征的分析十分困难,易出现错判或遗漏情况。针对此问题,将GERT网络用矩阵形式进行表征,分析了以梅森公式为基础的解析法与矩阵变换的关系,设计了两类基于矩阵的GERT求解算法。首先给出GERT网络与信号流图增益矩阵、流图增益矩阵一一对应关系,分析增益矩阵行列式变换与信号流图求解公式的对应关系,设计GERT网络的增益矩阵行列式变换求解算法。另外,研究GERT网络(信号流图)化简操作(消除自环、消除节点)在信号流图增益矩阵上的变换形式,提出了GERT网络解析的矩阵变换方法。最后用两个例子说明矩阵表征及求解模型的简便性和正确性,为GERT解析的计算机操作奠定基础。     

基于共享最近邻探测社团结构的算法

针对经典重叠社团结构发现的派系过滤算法中派系定义过于严格、算法缺乏实用性、时间复杂度高等问题,提出了一种基于共享最近邻的社团结构发现算法. 该算法不仅可以对网络进行社团结构的划分, 而且可以很好地把网络中的桥点找出,算法的时间复杂 度约为O(nhk), 其中n为网络中的节点数,h为核心社团的数目, k为网络中节点的 最大节点度.为了验证该算法的正确率和性能, 把该算法应用到计算机生成网络和真实网络中, 并与著名的社团探测算法——GN算法和NF快速算法进行了比较.实验的结果表明所提出的算法是有效可行的.     

基于d-最小割集的多状态网络可靠度矩阵分解算法

鉴于基于d-最小割集应用容斥原理计算多状态网络可靠度精确值的复杂性, 借鉴分解的思想, 基于事件并运算之间的吸收律, 通过定义d-最小割集矩阵及矩阵概率, 提出了一种矩阵分解算法. 算法的基础是在一定规则下反复对矩阵进行分解、简化, 并通过迭代计算矩阵概率得到可靠度精确值. 同时, 通过定义删除函数以及动态选择分解边加速分解过程. 相关分析表明算法的复杂度随网络中边的数目成指数增加. 算例分析表明算法计算结果正确, 且结构清晰、易于实现, 验证了其正确性和有效性.     

基于复合粗糙集的异构属性患者社区划分模型

社区划分是网络研究中的重要组成部分,基于医疗数据对类风湿关节炎患者进行社区划分能够有效提升临床医疗决策的准确性。考虑到社区划分过程中可能会存在患者属性异构及相关性问题,首先基于复合粗糙集理论实现对患者异构属性的有效处理,其次将复合粗糙集理论与louvain算法相融合,构建出基于异构属性节点的社区划分模型。通过采用临床真实数据集及经典网络数据集对本文构建的模型进行实验分析,验证了本文模型能够取得模块值较大的社区结构,实现将不同疾病活动程度的患者划分到不同社区内,从而提升患者疾病活动程度评估的有效性和准确性。     

基于社区结构的 Dijkstra改进算法

针对复杂网络中社区结构局部优势,将每个社区塌陷为一个节点,利用局部优势向全局优势扩展的方法,将Dijkstra算法进行了改进,提出了一种基于社区结构的复杂网络最短路算法,分析了该算法的时间复杂度,并将该算法应用于战时军事物资前送体系网络.     

利用堆数据结构实现邻域重叠社团结构挖掘

基于当前复杂网络中社团划分算法普遍存在算法复杂度过高以及重叠节点挖掘不准确的局限性,提出了一种高效、快速、准确的社团划分算法。基于贪婪算法,建立最大模块度矩阵,并采用堆数据结构,划分非邻域重叠社团。通过分析局部网络的连边情况,计算邻域社团的划分密度,以准确挖掘社团间的重叠节点。新算法经过仿真分析和实证研究表明,算法复杂度降到近线性。     

基于保守合并策略的复杂网络社区结构发现

为了有效的进行复杂网络社区结构发现,在CNM算法的基础上引进了一种具有额外头部节点的堆数据结构,在社区合并的过程中采用有偏的随机抽样方法,实现了较为保守的合并策略.随机合并算法的输出有更多的机会到达模块度函数的平台区域,在通常情况下其平均表现超过了原始CNM算法.在合成和真实的网络上验证了所提算法的可行性和有效性.     

基于高频增益矩阵分解的多变量系统自适应控制

基于高频增益矩阵因子分解和Backstepping设计方法,对多变量MRAC系统设计出一种新的自适应控制器,改变了已有的研究中关于高频增益矩阵的假定条件.该控制器能保证系统的全局稳定性和跟踪误差趋于零.仿真效果也证明了所提算法的实用性.     

基于属性加权的模糊K-Modes聚类算法

提出了一种基于属性加权的模糊K Modes算法。该算法假定不同属性对聚类结果有不同程度的影响 ,定义新的适应度函数 ,利用进化策略优化加权矩阵 ,以基于划分相似度的聚类精确度作为聚类结果的评价准则。实验表明 ,此算法具有较好的聚类效果 ,且属性加权矩阵反映了数据各个属性的重要程度 ,从而可以进行属性的提取和选择。