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.     

基于同步理论的股票网络社团识别研究

利用股票价格波动时间序列的相关特性,基于同步理论研究股票网络的社团结构。通过对关联矩阵的谱分析确定股票网络中存在复杂的社团结构。随后,利用基于Kuramoto模型的同步聚类算法对网络节点(股票)进行动态分组,由局部序参量确定算法的收敛性并得到稳定的社团结构。通过与快速社团检测算法的对比验证,表明基于Kuramoto模型的同步聚类算法能够正确得到股票网络的社团结构,且更符合股票的属性分类。     

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.     

一种复杂网络中社团划分的新算法

为了寻找复杂网络中的社团结构,本文基于社团的核的定义和一些定量条件,提出一种新的寻找复杂网络中社团结构的算法。该算法的基本思想是首先构建社团的核心,然后寻找它的邻居的集合,把满足定量条件的邻居节点添加到该核心中,直到没有节点满足定量条件。重复这个过程找出网络中其它所有的社团。最后,通过Zachary和Dolphin social network两个经典网络验证了该算法的有效性。     

基于网络权重的多社团网络结构划分算法

利用社团网络的统计特性,提出一种适于社团网络线性时间复杂度的多社团识别算法.构造复杂网络中节点的权重计算函数,进而生成计算序列,用迭代算法对复杂网络各种类型的节点进行集合分配.通过多个不同规模的网络结构数据对算法的性能进行测试,实验结果表明该算法时间复杂度为线性,能够在较短时间内对复杂网络中的社团数和社团结构进行发现,该算法还表现出对不同密度网络社团识别良好的适应性.     

基于最优路径相似度传输矩阵的链路预测方法北大核心CSCD

为解决现有的基于相似性的链路预测方法忽略了最优路径在节点间传递相似性的能力的问题,提出一种基于最优路径相似度传输矩阵的链路预测方法。首先,分析节点间最优路径对信息传输能力的影响,进而对节点间紧密中心性进行定义;其次,依据最优路径数和中心性构建相似度传输矩阵,综合节点间局部信息和全局属性衡量节点间相似度。最后,将所提方法与其他相似性指标,在6个真实网络上进行实证对比研究。结果表明,所提算法预测精度较高,且算法更加稳定。     

择优选择节点构成的复杂网络模型研究

针对Barabasi-Albert无标度网络模型(BA模型)模拟现实世界的局限性,在其算法基础上作了适当扩展,将原算法中新节点加入每次依概率全局择优的机制改为首先全局择优选择节点构成初始模型后,新节点以等概率连接的机制,并依新算法生成扩展BA模型。依据二者度分布等静态统计量性质进行性态比较,证实了扩展模型的拓扑结构和发展状况更接近于现实网络,并且扩展模型生成网络的鲁棒性更好。     

基于最小连通支配集的复杂网络关键节点与连边识别方法

复杂网络关键节点与关键连边在网络中均起着十分重要的作用,目前的识别方法往往无法做到同时识别,并且识别指标角度较为单一。为解决上述问题,提出一种基于最小连通支配集(minimum connected dominatingset,MCDS)的复杂网络关键节点与连边识别方法,通过使用免疫粒子群(immune particle swarm optimization,IPSO)算法寻找网络最小连通支配集,构建核心骨干网,实现对复杂网络关键节点与连边的同时识别。该算法在求解过程中引入免疫机制指导粒子节点搜索方向、加快算法收敛速度,同时优化搜索节点质量。经实验验证表明,所提识别方法能够有效识别网络中的关键节点与关键连边。     

基于节点动态连接度的网络社团划分算法

首先定义了节点动态连接度这一概念,然后介绍了基于节点动态连接度的网络社团划分算法,之后再对其中相关参数的取值范围和社团划分结果之间的关系进行了分析,并以Zachary网络为例验证了分析结论。在此基础上,以dolphins、polbooks和football 3个实际网络为对象,进行了社团划分实验,证明了本算法可通过动态调整参数实现对不同网络的社团划分。最后将实验结果与其他几种常见的社团划分算法结果进行了比较,证明了算法的优势,并对算法中需要注意的一些问题进行了说明。     

以特征函数为传递参数的CF-GERT及其矩阵法求解

本文构建了以特征函数和传递概率为传递函数的CF-GERT(characteristic function based GERT)模型,利用特征函数的性质,证明了CF-GERT网络串联结构、并联结构、自环结构的传递关系与信号流图等价传递参数计算完全相同,故可借鉴信号流图理论求解CF-GERT模型.考虑以梅森公式为基础的经典GERT解析算法需要分析复杂的网络拓扑结构,提出了CF-GERT网络的矩阵式表征方法,进而设计了CF-GERT的矩阵式求解算法,推导了期望、方差、等价特征函数的计算公式.若等价特征函数绝对可积,则利用傅里叶逆变换推导概率密度函数;否则,运用Fang等提出的COS方法推导.最后用两个案例说明了所提方法的有效性.     

THE TRANSITION PROBABILITY MATRIX OF A MARKOV CHAIN MODEL IN AN ATM NETWORK

In this paper we consider a Markov chain model in an ATM network, which has been studied by Dag and Stavrakakis. On the basis of the iterative formulas obtained by Dag and Stavrakakis, we obtain the explicit analytical expression of the transition probability matrix. It is very simple to calculate the transition probabilities of the Markov chain by these expressions. In addition, we obtain some results about the structure of the transition probability matrix, which are helpful in numerical calculation and theoretical analysis.     

未知转换概率矩阵下的机动目标跟踪算法

机动目标跟踪过程中的转换概率矩阵往往是未知的,系统状态也将呈现非线性、非高斯、不完全观测的特点。传统的方法如交互多模型、广义伪贝叶斯算法等解决该类型问题的效果并不理想。将准贝叶斯法则和辅助粒子滤波算法相结合,提出了一种新的未知转换概率矩阵条件下的机动目标跟踪算法(QB-APF)。仿真结果表明,该算法与其他方法相比具有更高的滤波精度和较好的数值稳定性。     

阵列天线干扰抑制的一种改进遗传算法

提出了一种阵列天线干扰抑制的改进遗传算法,在射频端基于功率判决直接通过调节权系数进行波束合成,可以有效地抑制与信号方向不同的干扰。该算法引入嫁接遗传算法的基本思想,采用一个交叉矩阵来确定每一代每一个个体的交叉概率,避免了基本遗传算法过早收敛的缺点,提高了收敛性能。计算机仿真实验表明了该算法的有效性和鲁棒性。     

建筑工程并行设计过程规划与仿真研究

对建筑设计过程进行高效可靠的规划和仿真以增加设计过程的可预测性,缩短开发周期以及降低设计过程失败风险正变得越来越重要。将并行工程的思想和方法运用到建筑设计领域中,通过构建一种基于设计结构矩阵（DSM）的设计过程模型,对在资源约束条件下的设计过程进行有效规划和工期仿真计算。最后以一般商业办公楼的设计过程为例对仿真模型进行了验证。     

基于多种社交关系的概率矩阵分解推荐算法

随着社交网络的发展,社会化推荐算法得到普遍应用,现有的推荐算法往往只是将一种社交关系引入到推荐系统,但在现实社交网络中用户之间往往存在多种社交关系。基于多子网复合复杂网络模型,利用共享用户特征矩阵,提出了基于多关系社交网络的矩阵分解推荐算法。通过在Epinions数据集上的实验结果分析,准确率评价指标MAE、RMSE和NMAE分别提高了34%、27%和7%,由此可以证明,多关系社交网络的矩阵分解推荐算法能有效提高推荐准确率。     

基于节点属性的社群结构探测算法改进

对Vincent D. Blondel等提出的B算法的特点及机理进行了分析, 讨论了节点属性对社群结构探测的可能影响. 进而通过重构初始化网络, 控制节点(社群)合并过程两个方面, 对B算法进行了改进, 获得更优的模块性指标及对应的社群划分. 经计算机模拟网络与实际网络的社群结构探测, 结果表明所提改进算法有效可用, 能在获得较大模块性指标的同时, 获得较好的社群划分结果, 且拥有更低的运算时间.     

一种基于遗传算法的多重决策树组合分类方法

针对数据挖掘中的分类问题,依据组合分类方法的思想,提出一种基于遗传算法的多重决策树组合分类方法.在这种组合分类方法中,先将概率度量水平的多重决策树并行组合,然后在组合算法中采用遗传算法优化连接权值矩阵.并且采用两组仿真数据对该方法进行测试和评估.实验结果表明,该组合分类方法比单个决策树具有更高的分类精度,并在保持分类结果良好可解释性的基础上优化了分类规则.