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.     

不同节点尺度下基于共同邻居的功能脑网络建模方法研究

采用脑网络的结构特性与功能特性相结合的建模方法,探索了3种不同节点尺度下的建模效果好坏。结构特性采用解剖距离;功能特性采用共同邻居这一相似性指标,从脑网络的全局属性与局部属性的角度分析了建模效果,并提出了一种评估构建的模型网络与真实网络的拟合相似程度的指标E值。结果表明,采用共同邻居相似性这一指标,在3种尺度下构建的脑网络与真实网络的属性拟合程度不同,90个节点下的拟合程度最好,其他2种次之。     

适用于大规模无线传感器网络的分布式组密钥管理方案

当节点资源受限且处于敌对环境中时,无线传感器网络极易受到攻击且易被俘获。对基于簇协作的密钥管理方案进行了改进,提出一种适用于大规模无线传感器网络的分布式组密钥管理方案。利用距离最近的邻居头节点间的相互协作来实时更新组密钥,降低敌手利用妥协节点对网络进行的攻击的几率。当妥协节点个数低于门限值时,由本组头节点发起组密钥更新;当妥协节点个数高于门限值时,由邻居组头节点协作告知基站和其他邻居头节点:该组已妥协,切断与其通信,要求重新布置该组节点;当妥协节点为头节点时,由最近的邻居头节点协作其他邻居节点在该组内选取新的头节点。网络中为每个组分配不同的多项式,与整个网络使用同一个多项式相比,抗共谋攻击能力增强;网络中增加了自愈机制,通过设置相关参数,可以改变网络的自愈性。实验结果表明:每组成员节点的数量增加到一定值时,头节点的通信开销趋于平稳。因此,该方案适用于具有多个不同自愈性需求等级的大规模网络。     

轮值无线传感器网络邻居发现算法

为了使工作于轮值周期下的无线传感器网络节点能以较大的概率发现邻居节点,提出了在轮值网络下基于同步和概率的邻居发现算法.将此邻居发现问题建模为餐券收集者问题,并求解了这一问题,给出了网络节点发现任意个数的邻居所需时间片数量的期望值.另外,证明了在轮值周期为1时,该理论结果退化为普通ALHOA网络的结论.仿真结果表明,在一般情况下,该理论分析结果与实际情况符合得很好,即使在极端情况下(每一时间片仅有2个节点进入活跃状态)该理论结果仍具有较好的预测能力.     

时态网络节点相似性度量及链路预测算法

详细分析和阐述了时态网络中的链路预测问题，将时态网络按时间顺序划分为具有相同时间间隔的多层网络快照序列.针对基于共同邻居的相似性指标对网络链路刻画粒度较粗糙的问题，提出了基于邻居节点聚类系数的相似性度量指标NCC和NCCP，并基于此提出时态网络链路预测算法.通过在真实数据集上的对比实验验证了利用邻居节点的聚类信息可以提高预测精度.利用真实邮件数据集验证了所提出的链路预测算法预测效果的优越性，并且实验结果证明越接近预测时间的网络结构对预测结果影响越大.     

基于神经元连接的脑网络减边演化算法

神经元间的连接以先增大后减小的方式演化,这提示了大脑神经元网络在演化过程中存在“剪除”过程。以“剪除”为启发,本文首先使用数学方法对大脑网络进行建模,然后基于大脑网络中的神经元连接方式,设计了网络减边演化算法。最后,考虑布线消耗和信息传输之间的效率,建立了大神经元优先与距离优先的演化博弈模型,探索该模型对脑网络拓扑结构特性的影响。实验结果显示,在此演化过程中呈现了中心节点度≈200、小世界特性S>1和高效率代价比等性质, 表明该算法能够有效模拟仿神经元剪除机制。上述算法和模型为有效模拟高效低能耗的脑网络提供了一种新途径。     

基于信息传递和峰值聚类的自适应社区发现算法

信息传递是网络具有的基本特征,基于此提出了一种基于信息传递和峰值聚类的自适应社区发现算法。首先,定义了节点与邻居之间的信任度函数,每个节点基于信任度独立的向网络中扩散信息量。扩散结束后,节点总信息量即为峰值聚类中的密度;网络中节点之间的距离通过所含节点信息量的倒数替代。然后,提出一种自动选取核心节点方法并为核心节点分配不同社区,把剩余节点分配到与它距离最短的核心节点所在社区,完成社区划分。本算法的优点在于无需额外参数并且能够发现社区内部结构。实验结果表明本算法发现的社区结构更加接近网络真实社区结构。     

一种基于权重的动态分簇算法

基于分簇算法,提出了一种基于权重的动态分簇算法(WDCA).该算法综合考虑了节点与其邻居节点的相对速度,节点到其邻居节点的平均距离,节点的能量以及节点的邻居数等因素来选择簇头;同时取消了一般加权分簇算法中簇成员到簇头只有一跳的限制,而是根据簇内成员数动态调整.模拟结果表明,与经典的加权分簇算法(WCA)相比,该算法的簇头稳定性、网络的负载均衡都有很大提高.     

基于交互频率的动态网络上的社会知识传播研究

知识传播过程和社会网络结构的演化往往是同步进行的.基于交互频率的动态网络社会知识传播模型(SKD)在知识传播过程中,随机选取的目标节点会依据与邻居节点的交互频率来决定知识传播的对象,或者断边重连到网络中的任意一个非邻居节点.将SKD模型与随机化模型和基于知识距离的传统知识传播模型(TKD)做了对比实验,实验结果表明:SKD模型的知识传播速度要快于随机化模型和TKD模型;更重要的是,SKD模型在网络结构演化过程中呈现出同配性,网络结构的同配性是社交网络的一项基本结构属性.该工作对于理解知识传播和网络结构的联合演化过程具有十分重要的意义.     

多层脑功能网络与单层脑功能网络的对比研究

为探究多层脑功能网络和单层脑功能网络的联系与差异,收集34位健康个体在静息状态下的功能磁共振成像数据,分别构建单层网络和多层网络模型并进行社区检测,分析两种模型的模块划分差异、网络拓扑指标间的联系及脑节点的分类情况．研究结果表明：多层网络的模块数量和质量显著高于单层网络,两种模型的网络拓扑指标间存在显著相关性,多层网络将脑节点划分为21个provincial hubs,49个connector non-hubs和20个peripheral non-hubs．显示了多层网络在研究大脑动态性具有独特优势,揭示了大脑功能的模块化特征,为深入理解大脑动态性提供了重要的思路和方法．     

基于节点相似性有偏游走的多层时序网络节点重要性评估

时序网络中关键节点的挖掘引起了社会广泛的关注。针对时序网络建模中存在忽略时间信息、未考虑时间切片间的交互关系进而影响关键节点识别的准确性和科学性的问题,构建了多层时序网络模型,并提出了一种基于节点相似性有偏游走的关键节点识别算法：多层时序有偏PageRank（MTB-PR）。本文中网络模型的构建引入多层网络分析方法,完整涵盖了时序网络的结构演变。同时,基于所构建的网络模型,综合层内相邻节点间相互作用及其层间影响的双重因素来区分节点的不同影响力;通过数据分析,探讨了一些偏差参数变化对节点重要性能指标的影响。最后,将模型和算法应用于真实网络中,通过实验数据验证了该方法的合理性和有效性。     

基于改进TADW的链路预测算法

针对经典的节点相似性链路预测算法只考虑网络拓扑结构或者节点属性信息的问题,使用词嵌入模型Word2vec学习得到节点文本属性信息的表示,进而改进TADW(text-associated deep walk)算法,弥补其语义信息表示能力的不足.基于改进的TADW图嵌入方法提出一种融合网络拓扑结构和节点属性信息的相似性指标,并基于此相似性指标提出链路预测算法.在三个真实数据集上的实验结果表明所提出算法可以提高预测精度,并具有更好的鲁棒性,同时使用图嵌入的方法有效解决了网络数据的稀疏性问题.     

考虑节点异质性和故障函数的电力信息物理系统风险传播模型

由于电力信息物理系统的耦合建模方法大多数依赖网络拓扑结构划分节点类型,未考虑节点信息的属性,同时也忽略了不同节点类型对风险传播的影响,削弱了对风险预测的能力。因此,提出了一种考虑节点异质性和故障函数的电力信息系统风险传播模型。首先对实际电力网络节点特性以及耦合性特点进行分析,结合节点异质性提出双网节点的表征方法,基于双网物理和逻辑依赖关系,设计了电力信息物理融合系统(cyber physical systems, CPS)表征模型。在此基础上,考虑双网状态交互影响的方向性及节点的依赖性,分析影响风险传播的因素,通过定义基于节点度的故障概率函数,构建了电力CPS风险传播模型。以合成网络和意大利真实数据所建立的耦合网络进行实验分析,证明模型的有效性。     

基于发送功率的无线网络可靠性分析

为了快速准确地评估无线网络的可靠性,使用Weibull函数提出了一种基于发送功率的无线网络链路存在的概率模型.在已知节点发送功率和节点间距离的情况下,得到无线网络中各节点间链路存在的概率,进而得到各种拓扑存在的概率.并针对每种拓扑分布分别使用两终端可靠性的求解方法,得到无线网络的可靠性.仿真结果表明:当无线节点的可传输距离小于节点间直线距离时,网络可靠性为0;当无线节点的可传输距离大干节点间3倍直线距离时,链路完全可靠,网络可靠性由节点可靠性决定;当无线节点的可传输距离在前两者之间时,网络可靠性随着节点发送功率的增加而增加.该模型为现实中无线网络两终端可靠性的设计评估和无线功率资源的有效分配提供了有效的方案.     

无线自组织网络灰色区域研究及仿真建模

针对灰色区域问题, 分析其产生的原因及其对网络性能的影响, 并提出一种灰色区域模型的建模方法。与传统的仿真研究采用的模型相比, 采用灰色区域模型构造的无线自组织网络, 其仿真结果更接近于实际场景。本模型可在一定程度上反映无线 自组织网络路由协议在现实组网环境中可能出现的灰色区域问题, 对路由协议的链路失效检测算法以及路由选择算法的改进提供NS2仿真平台模型的支持。     

计及可压缩性的水电站辅机管网时变系统计算研究

水电站的油气水系统由于运行操作或事故的产生 ,其管网会产生“死点”或“死网”而使其实际结构发生变化。传统的管网计算方法 ,无法满足仿真对持续求解的要求。该文在考虑流动的阻尼的同时还考虑了流体的可压缩性 ,推导出相关的公式 ,并建立了数学模型 ,提出了计及可压缩性管网的结点法 ,编制了通用的程序从而使时变的管网系统得以持续求解 ,2个算例的计算结果准确 ,为管网计算的自动建模打下了基础     

基于邻域信息的网络结构表示学习

针对传统网络表示学习方法无法学习节点网络结构相关性的问题, 提出一种基于邻域信息的网络结构表示学习模型. 该模型首先定义基于邻域信息的节点间结构相似度计算方法, 对不同邻域范围内节点间结构相似度建模； 其次构建深层自编码器, 将节点结构相似度作为监督信息优化网络表示, 在网络嵌入过程中学习节点结构信息. 与node2vec,SDNE,struc2vec三种相关算法进行对比的实验结果表明, 该方法有更好的网络结构识别能力, 能学习到节点间的结构相关性, 所得到的网络表示能适用于角色识别相关任务. 此外, 跨网络分类实验结果还体现了该方法在迁移学习方面的潜力.     

Boosting the Expense and Performance of Ann／Hmm Approch for on-line Handwriting Recognition

This paper focuses on a state sharing method for an artificial neural network (ANN) and hidden Markov model (HMM) hybrid on-line handwriting recognition system. A modeling precisionbased distance measure is proposed to describe similarity between two ANNs, which are used as HMM state-models. Limiting maximum system performance loss, a minimum quantification error aimed hierarchical clustering algorithm is designed to choose the most representative models. The system performance is improved by about 1.5% while saving 40% of the system expense. About 92% of the performance may also be maintained while reducing 70% of system pararfieters. The suggested method is quite useful for designing pen-based interface for various handheld devices.     

基于并行模式挖掘和路径匹配的用户位置预测

为了提高移动用户位置预测的精度,提出了基于并行模式挖掘和路径匹配的移动用户位置预测方法,对传统的FP-GROWTH算法作了并行化处理,优化了节点负载分配方法,在Spark平台下挖掘用户移动频繁模式.改进了基于索引的路径相似度算法,提出基于路径最短距离的相斥度算法,提高了对轨迹数据缺失的适用性.在真实的用户轨迹数据集上实验表明,提出的基于轨迹相斥度预测方法相比马尔可夫模型和卡尔曼滤波模型拥有更高的预测精度,预测精确度平均提升7%左右.