兰州市公交网络的社团结构与脆弱性分析

基于复杂网络理论,研究兰州市公交网络的社团结构及其脆弱性.根据实证数据建立了兰州市公交网络的结构模型,并应用Fast Newman算法分析公交网络的社团结构,给出了最优的社团划分;从获得的社团结构出发,分析了兰州市公交网络社团结构的脆弱性,给出了各个社团的脆弱集及脆弱性指标.研究结果表明,兰州市公交网络具有明显的社团结构特性,社团划分受到城市独特地形特性的影响;许多社团在网络中表现异常脆弱,社团之间联系稀疏,极易因为随机故障或蓄意攻击而形成多个独立的连通分支.     

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     

基于量子模糊聚类算法的复杂网络社团结构探测

研究了复杂网络的社团结构特性,探讨了复杂网络的社团结构探测算法.针对现有算法中判断社团结构时的主观性问题,提出了量子模糊聚类算法,并将该算法用于复杂网络社团结构的探测.实验结果表明:该算法可以准确、有效地探测到网络中实际存在的社团结构.     

电商商品网络的挖掘研究

研究发现,社团结构是复杂网络中的重要特性之一.针对电商数据,文章扩展社团理论提出商品社团:以商品为网络节点,以商品间的相关度作为节点之间是否连接的判断标准,构建商品网络,然后针对该网络进行社团分析,其中,作者采用皮尔森相关系数作为相关度的度量.通过分析天猫的数据,发现商品网络中确实存在社团结构,其中,手机数据中的社团特性更加明显.在各个社团中,通过介数可发现该社团中的重要商品.同时,分析了相关度的度量参数、商品类型和邻接矩阵二值化门限等因素对商品社团结构的影响,以验证所提方法的扩展性.最后,利用所提方法对商品的销售进行了预测,与基于K-means的预测方法相比,平均准确率提高9.5%以上.     

基于局域社团的人类脑功能网络生成模型

研究了人类脑功能区域间拓扑结构与解剖结构两种因素对脑功能网络建模的影响,提出了基于局域社团的人类脑功能网络生成模型.模型中的局域社团拓扑结构采用功能区域间的共同邻居及邻居间的局域连接表示,解剖结构用人脑区域间的解剖距离代表.为了衡量模型生成网络与基于fMRI数据构建的真实数据网络之间的相似性,提出了用于校验网络间接近程度的相似性能量指标.实验结果表明,相比传统生成模型,基于局域社团的脑功能网络生成模型在网络效益、聚集系数、模块性、度分布等属性方面都能够更精确地模拟真实数据网络.     

具有社团结构的小世界网络模型

基于WS小世界网络的生成原理及网络社团结构的性质,提出一种具有社团结构的网络模型.在网络生成参数的控制下,可生成社团结构紧密程度不同以及随机化重连程度不同的网络.通过分析聚类系数、平均最短路径等统计特征量相对于模型生成参数的变化规律,明确模型具有的小世界特性.仿真结果表明在参数的一定范围内,所生成的网络无论是局部还是整体都同时具有小世界特性与社团结构的性质,称为具有社团结构的小世界网络(CWS网络).利用网络效率和网络的可通信性指标,通过调整参数的取值,可使所生成的网络在信息传输方面的性能超过完全随机的网络,表现出较好的信息传输与通信能力.     

多关系网络社团发现算法

分析了真实社会网络的特性,建立了节点间多关系网络模型.在此基础上定义了节点间相互作用的影响力等概念,提出了适用于多关系网络的社团发现算法.通过理论验证了相关定义的合理性,并针对多关系网络进行了对比实验.实验结果表明:所提出的多关系网络社团发现算法与其他经典算法相比具有较高的精确度和较低的时间复杂度,具有重要的研究意义及实用价值.     

复杂网络中的层次结构挖掘

挖掘复杂网络中的层次结构对复杂网络的研究有着重要的意义.复杂网络中的社团结构往往具有层次性.过去的研究中,研究者更多的关注于层次社团结构,而很少关注于社团内部成员的层次结构.因此,提出一种基于模糊相容关系的层次结构挖掘算法(fuzzy tolerance relation based hierarchical structure detection algorithm,FHSD),旨在挖掘层次社团结构以及社团内部成员层次结构.在该算法中,首先通过相似度函数计算节点之间的相似性从而获取一个满足模糊相容关系的相似度矩阵;其次,基于相似度矩阵获取对应的商空间链;然后,依据重叠节点对各社团的隶属度处理商空间链各层中的重叠节点,从而得到层次社团结构;最后,基于处理后的商空间链,获取对原始模糊相容的近似模糊等价关系,从而获取社团内部成员层次结构.在真实网络上的实验结果表明:(1)复杂网络中不仅存在层次社团结构,同时存在基于模糊相容关系的社团成员层次结构;(2)相比于当前主流的社团挖掘算法,FHSD挖掘出的社团结构具有最高的精准性(NMI accuracy)和较高的模块度值.     

网络社团结构对路由策略的影响

研究了网络社团结构对路由策略的影响,通过实验发现具有模糊社团结构网络的路由效率要比具有清晰社团结构网络的路由效率更高,由此提出了两种基于网络社团结构信息的局部路由策略,并与没有利用社团信息的路由策略进行了对比,发现为节点提供网络社团信息能够帮助节点更加有效地进行路由.     

基于复杂网络的气液两相流流型识别与动力学特性分析

气液两相流作为一个非线性动力系统,其流动演化动力学特性尚未得到清楚的认识.以垂直上升管内空气-水两相流为研究对象,在通过流态模拟实验系统获取流态压差时间序列的基础上,构建流态复杂网络和流动演化复杂网络对气液两相流流型及其非线性动力学特性进行了研究.通过对流态复杂网络社团结构的分析获得了其社团结构与不同流型的对应关系,从而实现了对包括过渡流型在内的5种流型的辨识.通过对流动演化复杂网络分析发现,不同流型的流动演化复杂网络呈现出不同的社团结构,而且网络的信息熵演化趋势与流型转化过程密切相关,可以较好地揭示垂直上升管内气液两相流流态演化的动力学特性.     

网络分析仪及其应用

导出了双口网络的特性参数和Ｓ参数，分析了网络分析仪的工作原理，给出了利用网络分析仪测量网络参数的方法。     

社会网络服务及其用户行为分析

分析了社会网络服务的理论基础和实现技术，讨论了用户行为分析的研究方法．以面向学者的社会网络为例，分别应用第三方网络分析软件CNZZ和自主开发分析软件SCHOLAT后台管理软件进行了用户行为分析实例研究．     

基于神经网络的自适应控制器

提出了一种基于神经网络的控制系统,将传统ＰＩＤ工程整定法与神经网络相结合,采用直接自适应控制方法,使基于神经网络的控制器在ＰＩＤ控制的基础上实现自适应控制,更有效地改善控制品质．     

基于泛函网络的数值近似方法

根据泛函网络的网络结构模型及算法，给出一种近似二阶微分系统的解，采用泛函网络方法进行数值近似，得出了较好的结果，实验研究表明，泛函网络比BP网络的近似性能好。     

通讯网络中的生成树

本文给出了一类比较重要的通讯网络中生成树的计数递推公式和其它几种通讯网络生成树的计算方法。     

基于神经网络的模糊控制

提出一种基于神经网络的模糊控制，其模糊化、模糊推理和模糊决策均由神经网络完成，并将用于模糊推理神经网络的输入节点由常规的２７个减少到１５个，减少了训练量。文末给出该模糊控制结构应用于典型环节的实时控制结果。     

超短波电台通信网络中的自组网路由协议应用研究

针对临时组网通信过程中使用超短波电台作为常用的通信手段,讨论了自组网技术在超短波电台通信网络过程中,组网路由协议在实现高效组网和有效数据传输所起的关键作用。进而设计了一种适用于军事指挥、抗震救灾等野外临时性工作的应用场景,对不同自组网路由协议进行了比较研究,并通过仿真和评估测试路由协议在超短波电台通信网络中负载情况及数据投递情况,从数据投递率和归一化路由负载两方面对路由协议进行了性能比较和分析。实验数据表明,DSR协议的性能表现具有明显的优势,分组投递率高,路由负载较小,比较适合移植到超短波电台通信网络中使用。此外,AODV协议具有较小的路由负载,也可应用于低带宽的超短波电台通信网络。     

基于组合神经网络的软件可靠性预测研究

为了进一步提高神经网络的预测能力,提出了一种前馈神经网络混合学习算法,并将其应用于组合神经网络.该算法由一种模式提取算法(Alopex)和伪逆算法组成.在该混合学习算法中,网络的学习任务被分解为2个部分:隐藏层的权值先随机给定,然后使用Alopex算法不断地对其进行扰动;输出层的权值使用伪逆算法确定.所使用的组合神经网络由多个结构相同的前馈神经网络组成,每个前馈神经网络都使用混合学习算法(采用不同的初值)进行训练.实验结果表明,这种组合神经网络能够显著提高软件可靠性的预测精度.     

神经网络控制系统仿真

利用基于神经网络修正误差ＢＰ学习算法的多层网络和间接学习或专门学习的动态逆特性控制方法＾［１］编制的神经网络控制系统的仿真软件（ＳＣＳＢＮＮ），给出了调节时间和最大超调量与神经网络中间层节点数的关系曲线，同时给出了各种学习率和神经元作用函数增益的响应曲线。ＳＣＳＢＮＮ也可用于神经网络非线性控制系统。仿真结果说明神经网络非线性控制系统具有良好的控制性能。     

一种用二元判决图求网络可靠度的方法

在已有结果的基础上,提出了一种利用二元判决图计算网络可靠度的方法．该方法将网络的最小路集用二元判决图来表示,并得到最小路集的不交和,最后获得网络的可靠度．与其他方法比较,该方法所用的二元判决图的规模较小,并且可以计算出在不同故障率条件下、不同时间长度下的网络可靠度．