大规模软件宏观拓扑结构度分布及其演化分析

基于大量开源软件源代码度量数据,根据大规模软件宏观拓扑结构体现出来的复杂网络特征,将软件结构抽象为网络拓扑.在这基础上,采用复杂网络的度量分析方法,分别从无向图网络的度分布和有向图网络的出入度分布两方面讨论了大规模软件宏观拓扑结构度分布所体现出的无尺度特征.认为随着软件演化,度分布系数和入度分布系数呈下降趋势,最大节点入度值则呈增大的趋势;而出度分布系数和最大节点出度值则变化有限.然后结合软件工程实践探讨了上述现象形成原因,认为软件系统其结构还有进一步优化的空间.     

基于随机服务理论的增长网络度分布计算

借鉴随机服务系统处理顾客输入过程的思想,用随机过程刻画增长网络的节点到达过程.给出了一般的随机增长网络模型,并运用随机过程理论解析分析了其稳态度分布,得出相应的无标度网络要呈现富者愈富现象需满足的条件.为解析分析增长网络的度分布提出了一种计算方法,此法避免了假设节点均匀分布进入网络所产生的缺陷.     

有向加权供应链网络演化模型

利用BBV加权网络的演化机制和BA模型的线性择优连接机制,新节点进入网络时的入边和出边服从二项分布,建立了子网络具有流量补偿的有向加权供应链网络模型。利用泊松过程理论分析了网络的出入强度分布,结果表明,有向加权供应链网络的稳态平均入强度分布和稳态平均出强度分布服从幂律指数在[1,3]之间的幂律分布。对有向加权供应链网络模型进行仿真研究,仿真结果与理论预测相一致,符合供应链网络的幂律特性。     

基于空间影响域的虫害关系网络构造与分析

网络科学已成为研究生态学相关重大问题的重要手段.基于生态位法则和竞争排除原理提出虫害的空间影响域模型,并利用该模型提取2009~2013年的长白山脉虫害关系网络拓扑结构,进而研究该网络结构的无标度性、节点重要性和层次性.统计结果表明,长白山脉虫害关系网络的出度分布服从幂律性,而入度分布较均匀;网络中稳定存在的大出度值节点的介数较大,而大入度值节点局部上呈现高聚集性;网络的层次结构基本稳定,辽东半岛是虫害频发的高核区和危害程度的重灾区.     

社交网络下的谣言扩散与控制研究

基于危机生命周期提出了网络谣言扩散模式的5个阶段,分析了网络谣言扩散的循环过程;基于社交网络节点的星形传播结构以及节点的集团性,提出了谣言控制策略——社区识别,即通过求节点的余弦相似度划分社区,同时确定初始聚类节点选取的原则,据此提出关键节点的控制策略;根据社交网络的拓扑结构,指出对于有较大出度和入度的节点进行控制至关重要.     

从网络质量控制角度观察无标度网络

阐明了增长网络度分布概念.从网络质量控制角度直观地给出增长网络无标度的严密定义,明确网络中枢点的概念,体现无标度网络稳健而又脆弱的特点.指出Barabási和Albert等人对择优增长网络模型的分析不能体现网络中枢点的原因.考虑了节点吸引度的概率分布,提出Poisson增长择优连接网络(Poisson NPA模型),并且借助Γ分布的性质证明了Poisson NPA模型的无标度性.     

中国铁路货运网编组站布局特性

以铁路货运网为基础,构建了铁路地理网和铁路运输网,运用复杂网络理论分析编组站的布局特征,研究得出了编组站的度、介数、脆弱性、出入度与出入强度、强度相关性等网络指标.基于铁路地理网的统计结果显示,我国编组站的平均度为4.36,介数与度是正相关的,丰台西、山海关、向塘西等编组站的脆弱性较为突出.基于铁路运输网的统计结果显示,编组站的平均入度为11.3,平均入强度为3 331.7,平均出度为11.2,平均出强度为3 478.9,入强度与入度、出强度与出度均呈现正相关趋势.编组站强度相关性研究显示铁路运输网属于非同类混合网络,出入强度较高的编组站倾向于与其他出入强度较低的节点连接.     

节点吸引度相关联的无标度竞争网络

针对WWW网络每时每刻每个网页对人们的吸引程度不同及吸引度相互关联特征,提出了吸引度依赖于时间的Poisson NPA(增长择优网络)竞争网络模型.它不仅是初始吸引度为常数的Dorgovtsev等人的无向网络模型的推广,而且刻画出了增长网络的竞争机制.通过对这个模型进行分析,获得了度分布的解析表达式,并给出了渐近线性吸引系数A与新节点边数m的关系.理论分析与数值模拟表明,这类网络的幂律指数在区间(2,m 1)内,幂律指数为3的条件是渐近线性吸引系数A为0,且|A|/m越小,度分布的理论值与模拟结果的误差越小.     

无线自组网随机点移动模型平稳节点分布

针对无线自组网随机点模型的平稳节点分布问题,应用帕尔姆积分加以研究.分析得到了模型工作在一维区间和二维圆形区域中节点分布的概率密度函数的解析解.证明该模型在达到平稳态时,节点会以较高概率出现在区域中心附近,而以较低概率出现在区域边界附近.网络节点由初始时刻的随机分布演变到这种非均匀分布所经历的瞬态过程降低了仿真的准确度和可信度.     

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.     

复杂网络模型的分析

从平均路径长度、聚集系数、度分布的角度对复杂网络中的三种网络模型,即随机网络模型、小世界网络模型和无标度网络模型进行了分析,并对复杂网络模型的研究意义进行了说明.随着对复杂系统研究的深入,复杂网络在现实中的应用范围日益广泛,提供了一种新的方法去研究世界,同时也给带来新的机遇和挑战.     

基于Elman神经网络的无线传感器网络测距模型

以无线传感器网络为研究对象，在无线传感器网络覆盖范围内的不同距离内采集信号强度值，利用Elman神经网络建立信号强度值与距离之间的映射关系，将采集到的信号强度作为模型的输入进行训练，利用训练好的网络模型进行测距，结果表明具有良好的网络测距性能。     

无标度网络BA模型的物理内涵及其改进模型的比较

建立合适的网络模型有助于理解和研究网络结构和网络的动力学行为.本文考察了复杂网络的BA模型以及它的改进模型,分析比较每个模型的物理内涵及度分布,讨论了网络演化中择优机制的差异可能对其度分布特征产生重要的影响.并在各模型的基础上提出了一个新的更符合实际的改进模型,为复杂网络模型的更深一步探索提供了一个新思路.     

汽车方向控制驾驶员模型

建立合适的汽车方向控制驾驶员模型是人-车-路闭环系统最重要的环节之一.目前在传递函数、最优控制的基础上建立了补偿模型、预瞄补偿跟踪模型、预瞄最优曲率跟随模型等,但由于驾驶员驾驶特性的非线性、时变性等特征,上述模型很难模拟驾驶员实际操纵行为.考虑到驾驶员的操纵特性,运用智能控制理论,基于模糊控制、神经网络及这两者的结合,建立相应的驾驶员模型可以更加接近驾驶员实际的驾驶行为.     

一种基于人工神经网络的内模控制方法

对SISO反馈线性化系统的自适应自校正神经控制进行改造,提出了一种基于BP网络的内模控制新方法,克服了原系统设计方案的理想化,提高了系统的鲁棒性,使该方法具有实用性。同时有只要建立被控过程的内部模型即可得到内模控制器模型的特点。     

基因转录调控网络模型

摘要：基因转录调控网络是细胞内基因之间的相互作用关系的整体表示，是生命功能在基因表达层面的展现. 最近多种生物信息学（计算分子生物学）工具和高通量实验技术的发展，使得重建复杂的基因调控网络成为可能. 基因调控网络模型试图从DNA微阵列等海量数据中推断基因之间的调控关系，从而揭示复杂的生命现象， 虽远未完成，但从现有实验数据中重建基因调控网络的工作可以促进在分子和遗传水平上系统地剖析细胞的功能，是功能基因组学中的重要研究内容，也是当前生物信息学和系统生物学研究的最具挑战性的前沿课题之一. 简要评述了几类典型数学模型的最新研究进展.     

Hopfield神经网络在扰动情况下的鲁棒性

Hopfield神经网络在工程领域中应用广泛, 但在具体的实现过程中往往存在着扰动和时滞, 这些因素的存在影响了神经网络的动态性能, 并有可能导致网络失稳. 通过建立模型, 讨论了时滞递归神经网络的鲁棒性, 给出了有效的判定条件, 推广了有关文献中的结果.     

均匀增长无标度网络的等价模型

分析了无标度网络的BA模型和与BA等价的随机连接到边模型.在给出边的权重和节点适应度定义的基础上,提出了无标度网络的边加权网络模型和节点适应度模型.通过解析的方法证明了它们与BA模型的等价性.计算机模拟的结果也说明了它们的等价性,并给出了4个等价模型之间的比较.     

基于高维空间划分的神经网络分类学习模型

基于高维空间划分的原理，提出了一种非线性神经元CC模型和基于CC模型的神经网络的构造算法。从理论上证明基于CC模型的神经网络的容错性比MP网络要好，而且网络的隐层节点个数远远少于FP网络的隐层神经元个数，对于分类问题其计算复杂性仅为多项式（上界≤O(p^2),p为样本个数。该网络有明确的几何和物理意义，具有持续学习和噪声数据处理能力，适合大规模数据挖掘领域。     

危险源安全评价的离散Hopfield神经网络

为了快速有效地评价危险源等级,及时响应危险事故给周边人口及环境带来的危害,在考虑引发危险事故人员、设备、原料、技术、环境因素基础上,构建了系统的危险源安全评价指标体系.结合离散Hopfield神经网络结构特点及原理,建立了基于离散Hopfield神经网络的危险源安全评价模型,并通过实例验证该模型,合理客观地对危险源进行评价分级.