基于可变模糊聚类的地震作用下电网节点脆弱性分析

电力网络作为城市生命线系统的重要组成部分,准确判断其节点脆弱性对提高电力网络的控制、维护效率有重要意义。使用震害作用下节点的连通性概率,供电级数,及由节点度数计算的节点阈值作为判断电网节点脆弱性的指标,并利用可变模糊聚类模型,从而得到节点脆弱性的聚类结果,最终得到各节点的脆弱性排序。     

无线Mesh网络节点聚类属性分析

通过分析无线Mesh网络节点空间属性,提出了一种改进的k-medoids网络节点聚类算法.该算法基于聚类思想,将无线Mesh网络中的网关部署问题转化为空间节点数据聚类问题.构建了网络拓扑图的邻接矩阵,并利用邻接矩阵选择具有最多一跳连接节点数的对象作为初始簇中心.然后以网络跳数代替传统聚类算法中的距离参数,将最小化跳数之和作为优化目标,通过迭代方法获得稳定的聚类和分组结果.实验结果表明,离散的网络节点在空间上具有聚类特性,利用该方法可以获得更小的平均跳数和最大跳数,因此可以较好地实现网络节点分组和网关发现.     

电力信息物理融合系统结构脆弱性分析

为了识别电力信息物理融合系统(Cyber Physical Power System,CPPS)脆弱性并制定相应脆弱性防控策略,从结构的角度,建立电力网为IEEE118节点系统、双星型信息网和网型信息网2种具有不同子网络结构的CPPS相依网络模型.提出一种相依节点对重要度综合指标,该指标可以辨识对CPPS结构脆弱性产生重大影响的相依节点对,克服单层网络指标的局限性.基于相依网络连锁故障模型,分别采用随机攻击策略和蓄意攻击策略,分析2种CPPS的结构脆弱性,并研究关键节点保护策略对2种CPPS结构脆弱性的影响.仿真结果表明,随机攻击策略下,网型信息网CPPS的结构比双星型信息网CPPS更加脆弱.蓄意攻击策略下,优先攻击相依节点对对网络连通性的破坏程度更大.合理选取关键节点保护策略的保护节点可以改善系统的结构脆弱性.     

一种基于节点稳定性的社区发现算法

许多成功的社区发现算法已经被广泛应用于复杂网络社区发现任务中.随着数据复杂性的增加,网络中节点间的关系也呈现多样化的特点,因此提出一种基于信息熵的节点稳定性度量方法,衡量网络中节点在社区划分中的稳定性;并在此基础上提出一种基于节点稳定性的社区发现算法(Node Stability-based Algorithm,NSA).首先得到网络的t种社区划分,计算各节点的标签熵,选择熵小于一定阈值的节点作为网络的稳定节点集S;然后,利用所得到的稳定节点集S从原网络中抽取一个包含S的连通子图Gs,使Gs中节点的不稳定性尽可能低;在连通子图Gs上进行社区发现,得到初始聚类结果,再计算其他未聚类节点与初始类簇的距离,确定其社区归属,得到最终聚类结果 .在四个带标签真实网络数据集和八个不带标签的真实网络数据集上,与LPA,Infomap,Walktrap,BGLL,LPA-S等经典算法的比较实验表明,所提出的NSA算法能够较好地进行社区发现,在NMI和模块度等方面表现良好.     

一种基于复杂网络属性值的K-means聚类算法

传统-means聚类算法的性能依赖于初始聚类中心的选择.本文将复杂网络节点的属性值作为节点的度、聚集度与聚集系数的加权值,通过计算所有节点的加权综合聚集特征值,选取综合聚集特征值高,并且彼此之间无高聚集性特征的K个节点作为聚类的初始聚类中心,然后进行聚类迭代过程.实验结果表明,新算法对初始聚类中心的选取更迅速有效,避免了传统K-means算法初始聚类节点选取的敏感性,进而提高K-means算法的聚类质量.     

基于坐标的网络节点聚类在Internet中的实验研究

在分布式网络应用中,节点聚类是构建高效网络体系结构的有效办法. 网络坐标能够反映节点在Internet中的位置,利用网络坐标可以对网络节点之间的距离进行预测. 在测量各个节点的网络坐标的基础上,利用Triangulated heuristic方法对节点间的网络距离进行预测,提出了网络距离作为参数对网络节点进行分布式聚类的算法,并在PlanetLab分布式实验床遍布全球的156个节点上进行了实际的测量和分析. 分析结果表明,算法能够在网络规模较大的情况下对网络节点进行分布式聚类,算法有较高的可靠性和可扩展性.     

基于改进聚类算法的RBF网络及其应用

RBF网络可以逼近任意连续非线性函数,且训练速度快,性能好,被广泛应用于过程建模和预测。RBF网络的一个重要因素是隐层节点的选择,隐层节点过多或过少都会影响最终网络的性能。提出一种改进的k-means聚类算法,可以自动确定最优的聚类区数,并且可使最终的聚类中心合理地分布在数据空间中。在应用RBF网络进行建模和预测时,采用该方法确定隐层节点的中心,跟用通常的聚类方法相比,可以大大减小网络规模。仿真和实际应用结果都证明该方法的有效性。     

复杂网络社团划分的新算法

提出了一种快速寻找复杂网路中社团结构的新算法.首先通过寻找网络中度最大的节点和其邻居节点,构造出其相应的邻居矩阵和稠密集.然后重复这一过程,最后得到了网络的社团结构.由于算法仅仅涉及局部信息,因此计算量较小.实验结果表明,算法可行且可用于研究文本聚类、图像聚类和视频聚类等数据挖掘领域中的其他问题.     

基于相似度聚类的二分网络社区发现算法

针对往往不能提前预知社区个数的情况,提出了基于相似度聚类的二分网络社区发现算法(similarity clustering algorithm,简称SCA).算法通过计算U类节点之间的相似度获得核心节点,同时选取核心节点邻域中的节点扩展得到社区,将未划分到社区中的孤立点和只包含一个节点的社区分别放入与之联系最紧密的社区中,最后V类节点划分到已有的社区中得到完整的社区划分结果.通过在人工数据集与真实网络上的分析,分别利用归一化互信息和模块度作为评价指标,实验结果表明,SCA比BRIM等算法能够更有效挖掘二分网络社区结构,具有比较良好的社区划分效果.     

基于标记注意力机制的社区发现算法

针对网络的聚类进行研究,提出了一种基于标记注意力机制的社区发现算法,网络特征通过标记节点频率及反示例节点频率联合度量,为使网络特征的度量更加关注于示例节点的细节信息,引入注意力机制来处理网络特征。社区划分由复杂网络预处理、网络节点的策略、社区博弈归并三个部分组成,其中网络节点的策略由无贡献节点归并、节点到社区的判断以及节点逻辑标记和的判断三个步骤组成。实验借助于真实网络进行验证,在归一化互信息、模块度、社区划分数量及运行时间四个方面,基于标记注意力机制的社区发现算法都优于其它社区发现算法。在实际生活中应用此算法,能够更加直观地显示网络内部之间存在的联系。     

Ad hoe网络按需加权分簇算法及其性能分析

该文在分析Ad hoc网络两种典型的分簇算法的基础上，综合考虑节点度，节点的能量和移动性等多方面因素，提出了1种适用于Ad hoc网络的按需加权分簇算法。采用按需策略作为簇结构的维护策略，提高了网络体系结构的稳定性，减少了计算和通信开销。仿真结果验证了此种分簇算法的优越性。     

基于局域择优的作战信息网络模型

针对目前战术通信网络模型存在缺乏宏观可调参数以及度分布不便于解析的特点,将作战信息网络划分为核心层、中间层和用户层,提出了作战信息网络的演化网络模型,并对带可调参数的演化网络模型进行了度分布平均场解析.从理论上阐明了作战信息网络的幂率介于2~4,证明了单位时间内平均到达节点数对幂率没有影响.对特征参数进行了仿真,说明了在不同择优概率情况下平均路径长度和集群系数具有不同的分布规律.     

基于K-means++的无线传感网能量高效分簇协议

针对传统无线传感网的分层路由算法中存在着分簇不均匀、簇首数量不固定、簇首位置不合理、节点的可扩展性不足以及数据传输方式比较单一的问题,提出一种无线传感网能量高效分簇协议.该协议在簇的建立阶段基于K-means++聚类算法进行分簇并采用S_Dbw聚类评价指标挑选其最优分簇,在簇的建立阶段,从每个簇中选取簇内剩余能量最高的节点作为簇首;在数据传输阶段,基于节点间的通信代价使用Dijkstra算法来寻找每个簇首到汇聚节点的最优路径.仿真结果表明:该协议可降低节点与汇聚节点之间数据传输的能耗,延长传感网的生命周期,并且在整个网络能量处于较低水平时也可以较好的覆盖整个监测区域.     

一种基于社团和分层思想的无标度演化模型

针对复杂网络节点度分布服从幂律分布问题, 给出一种基于社团和分层思想的无标度演化模型. 该模型利用转轮思想和限制节点度改进了无标度模型的优先连接策略; 加入分层结构优化了无标度网络的搜索; 将局域世界模型中的局域世界思想引入到模型中, 并利用社团结构改进了局域世界模型中局域世界的不确定性问题.  理论分析证明了模型的度分布服从幂律分布, 且幂律指数可调.  模拟实验结果表明, 模型有较小的平均路径长度和较大的聚类系数,  且两层网络搜索效率优于单层网络搜索.     

基于基因位迭代映射的无线传感器网络能量优化分簇算法

摘要：针对无线传感器网络的节点能量利用率和网络寿命问题,引入一种基因位迭代映射思维进行改进,并构造新的无线传感器网络能量优化分簇方案生成方法,在此基础上提出了基于基因位迭代映射的无线传感器网络能量优化分簇算法。该算法将无线传感器网络节点路由能耗优化问题转化为网络系统簇内节点最优能耗进化激励的解空间最优解搜索问题,然后利用基因位长度自适应编码和迭代映射的进化算法进行候选解搜索,最后输出具有最优能耗的节点通信路径和簇头的下级跳节点。实验结果表明,该算法高效可行,能量均衡和优化能力较好,有效的降低了节点的能耗,延长了网络生命周期。     

无线传感器分簇网络实验系统设计

针对无线传感器网络分簇算法验证,设计了分簇网络实验系统。系统中无线网络节点计算能量消耗,通信报文传输节点消耗能量值和分簇节点标记,主机节点依据数据实时绘制分簇网络结构和能量消耗分布图,并计算总消耗能量,对分簇算法进行评估。系统经试用,对分簇算法设计与优化有重要的作用。     

基于双簇头聚类分簇和数据融合的无线传感器网络路由算法

针对无线传感器网络中基于低能量自适应聚类层次(LEACH)算法进行分簇时出现的簇分布不均匀及路由能量消耗过快问题,提出一种基于双簇头聚类和数据融合的分簇算法.该算法在分好的簇中选择两个级别的簇头,两个簇头履行不同职责,能更好地均摊能量消耗,提高了分簇均匀性.仿真实验结果表明,该算法降低了网络能耗,提升了网络生命周期.     

基于节点分簇的延迟容忍网络路由策略

延迟容忍网络中路由策略的效率受节点移动特性的影响,为了能够利用节点移动特性制定更加高效的路由策略,提出了基于节点分簇(clustering)的延迟容忍网络路由策略.根据节点接触概率提出了节点分布式分簇算法,将移动特性相似的节点组成簇,并且选择簇内的网关节点;制定了基于节点分簇的消息转发策略.仿真结果表明,相比已有的延迟容忍网络路由策略,所提路由策略能让延迟容忍网络具有更高的消息投递率,更低的平均投递时延以及更低的网络开销比率.因此,利用节点移动特性制定的节点分簇路由策略能够提高延迟容忍网络的性能.     

特种设备安全事故时间序列拓扑网络特征研究

 为揭示特种设备安全事故时间序列的非线性动力特征,以2005—2020年中国不同类型特种设备安全事故时间序列为对象,采用可视图法将特种设备安全事故时间序列转化为拓扑网络图,生成拓扑网络结构模型;利用拓扑网络理论分析节点度、网络密度、加权聚类系数、幂律指数、介数中心性等拓扑网络特征参数,挖掘特种设备事故发生的时间序列规律。结果表明：各类特种设备安全事故时间序列的拓扑网络具有小世界特性和无标度特性;拓扑网络的聚类系数均较大,社团结构明显;介数中心性越大的节点,对应年份发生事故概率越大。采用的拓扑网络分析方法能更简洁、直观地展示特种设备安全事故时间序列的拓扑网络结构,更全面地表征特种设备安全事故时间序列的非线性动力特征,可为特种设备安全事故预测提供理论基础。