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.     

直连网络在太比特路由器中的应用

概述了直连网络的性能参数及常见拓扑结构,重点研究了太比特路由器交换网络设计中的2项关键技术:交换机制和路由算法.分析表明虚切通比其他交换机制更适合应用于大容量路由器中.防死锁、增加容错性以及保证服务质量是路由算法设计中值得注意的几个关键问题.在此基础上提出了一种新的适用于太比特路由器的拓扑结构XD网络,该网络与现有的几种拓扑相比在扩展性、容错能力以及实现上具有优势.研究表明XD网络是一种极具潜力的太比特路由器交换网络候选拓扑.     

基于智能家居环境的无线传感器网络结构研究

对星状网络、网状网络和星状网状混合网络的拓扑结构进行比较,并通过实验测试对3种拓扑结构在采集温度、光强数据以及功耗等方面进行分析,结果表明混合拓扑结构的网络对于智能家居环境具有更好的性能.     

基于格兰杰因果关系的磁刺激内关穴脑功能网络的研究

磁刺激具有有效、无痛、无损伤、易于重复和操作简便等显著的优点,在中枢神经功能检测和神经功能恢复等方面具有广泛的应用价值.穴位是中医针灸调控神经系统由体表刺激到体内的切入点,对研究大脑调控机制和疾病的治疗有重要意义.本研究利用格兰杰因果关系构建基于磁刺激内关穴（PC6）的脑电（EEG）信号的脑功能网络,探究大脑的因果关系变化规律,并对比分析了安静和磁刺激两种状态下的脑功能网络的拓扑性质.研究表明,磁刺激内关穴前整个大脑系统的信息流向是平衡的,而磁刺激内关穴后额叶区的格兰杰因果关系的强度增加,且信息流向主要由额叶流向枕叶.顶叶区C4介数中心性强度显著提高.网络的传输效率提高,网络的"小世界"属性增强.     

Internet动态节点特性的层级相关性研究

为了探究Internet拓扑动态节点演化特征的层级相关性,基于CAIDA项目授权的海量数据,结合网络科学的思想,分析了不同尺度下网络结构的演化机制.针对IP级与AS级拓扑,对层级与节点动态特性的相关性进行了分析,其中包括新生与消亡节点的动态变化比例、偏好依附、稳定连接数目等多个特性.结果表明:IP级拓扑节点的新陈代谢比AS级旺盛,IP级拓扑新生节点的非优先连接"偏好"比AS级稳定,新生连接中IP级拓扑的稳定连接数较多.IP级与AS级动态节点的演化有本质不同,为理解Internet的演化机制提供了基础.     

基于两种不同择优概率下的无标度网络模型

基于标准的无标度网络模型,建立了一般的网络动力系统所符合的偏微分方程,不仅给出无标度网络的一个拓扑性质,而且讨论了其中每个功能函数的实际意义.接着本文扩展了BA网络模型增长的"度优先连接机制"原则,从更一般的情形出发,建立了一类具有2种不同优先连接概率共存的网络模型,通过理论分析,得知该模型具有无标度特性.最后对无标度网络的幂律指数γ的取值范围与多种择优概率并存现象之间的相互关系做了探索,并依据节点在整个网络中的"贡献度",提出了一类优先连接概率.     

基于拓扑结构的生物网络关键节点识别研究进展

与生物学实验方法及其它方法相比,基于拓扑结构的生物信息学方法在生物网络关键节点识别上有独特优势.本文从节点的中心性测度、网络的拓扑参数及层次结构等几方面总结了生物网络的主要拓扑特征;比较了蛋白质网络、代谢网络及基因调控网络关键节点识别的主要方法;分析了相关的一些算法.最后指出存在的一些主要问题,并提出解决的思路及进一步研究的方向.     

基于NS-2的网络拓扑性能研究

对不同拓扑结构的网络进行性能参数的提取、分析和比较,得出各自的网络性能,利用仿真软件NS-2模拟星型、环型和网型3种拓扑结构,通过发送数据流获取our.tr文件.利用C++语言编写程序从our.tr文件中获取所需的性能参数信息.通过分析可知,星型拓扑结构数据传输速度快,但可靠性较低;网络拓扑结构数据传输速度慢,但可靠性最高;环型拓扑结构介于二者之间.     

脑网络组学构建分析及应用研究

大脑是自然界最为复杂的系统之一。脑网络作为复杂网络理论在神经科学中的重要应用,极大程度上表现了不同尺度的脑结构或功能连接模型,提供了解释人脑这一复杂系统在结构组织及信息加工模式等问题的重要工具。同时,脑网络在脑疾病的临床应用研究中,也已证明很多脑疾病,在网络层面中均体现了不同程度的拓扑结构差异。这些成果为在系统水平上揭示脑疾病的病理机制提供了新的思路。笔者将以脑网络研究为重点,介绍脑网络的构建方法,包括不同影像类型下节点及边的定义方法;关联矩阵的阈值选择及稀疏度的划分方法;网络度量指标的计算,包括度、小世界属性、模块化等;脑网络的比较方法及其在抑郁症的临床应用及未来可能的研究方向。     

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。     

基于复杂网络的三种眼睛状态下脑功能连通性比较

尝试构建不同眼睛状态下的静息态脑功能网络,研究睁眼、闭眼和自由状态下的大脑网络拓扑结构差异.招募了13例被试者,用一台3T的西门子磁共振仪,获取了3种眼睛静息状态下各8min的功能磁共振数据,并同时采集了结构像.随后,构建3组被试者的功能连通矩阵,计算其复杂网络的全局特征系数、局部特征系数等测度参数.对测度进行方差分析与双样本t检验,以统计分析被试者之间的差异.我们发现,所有的状态在合适的稀疏度下,展现了小世界特性;相比于其他状态,闭眼状态下的全局效率较低.自由状态在复杂网络的各项测度上接近睁眼状态.综上所述,该项研究展现了睁眼、闭眼、自由状态对人脑功能连通网络的影响,并为眼睛状态如何影响功能磁共振实验提供了关键的证据.     

基于复杂网络理论的WSN拓扑控制与安全维护

通过理论推导,得到复杂网络参数与无线传感器网络(WSN)网络容量的关系式.在关系式指导下,运用删减冗余边、添加长程边等方法,对WSN拓扑控制以提高网络容量.针对经过拓扑控制后具有小世界特性的WSN,提出一种考虑节点病毒传播强度的病毒传播局域控制方法.研究表明,拓扑控制可以有效提高WSN网络容量,通过对少量的重要节点免疫,可以节省免疫成本,提高WSN抗病毒攻击能力.     

基于复杂网络抗毁性与ADMPDE算法的网络拓扑结构优化

复杂网络抗毁性研究的重要内容之一,就是优化网络拓扑结构。在分析常用复杂网络抗毁性测度不足基础上,提出了以自然连通度为复杂网络抗毁性测度,建立了其拓扑结构优化模型;综合运用ADMPDE算法收敛好、寻优速度快等优点,通过适当改进用于求解复杂网络拓扑结构优化模型。通过仿真分析,验证了复杂网络拓扑优化模型及其求解算法的科学性与可行性,得出了拓扑优化过程网络结构变化一般性规律,并分析了网络拓扑结构优化前后,在不同攻击策略下复杂网络抗毁攻击能力。     

基于随机失效率的网络抗毁性评价方法

由于对复杂网络的拓扑结构知之甚少,其抗毁性测度的研究一直是个比较困难的问题。从网络连通性的角度出发,在随机失效率的前提下对网络的抗毁性测度进行定义。并分别在只有选择性攻击和随机性攻击的情况下验证所提的全网连通度的有效性,进一步对无标度网络和随机网络的抗毁性能进行比较和分析。结果表明考虑了随机失效率的网络抗毁度定义更加确切有效。     

移动Ad Hoc网络拓扑控制研究

概述了Ad Hoc网络拓扑控制的研究现状和一些典型的拓扑控制方法，并提出了一种适用于移动Ad Hoc网络的分布式拓扑控制算法，它通过寻找网络的不同划分(panitions)之间最近的结点对，以最小的能量维护连接的拓扑．该算法与某种路由协议(如优化的链路状态协议)相结合，从而该拓扑控制机制几乎没有额外的控制开销．通过对网络拓扑的控制，可显著增加多步(multihop)移动无线网络的性能和网络寿命。     

基于动态平衡流的网络赋权

实际研究表明,复杂网络的主体结构在相当长的一段时间内是较为稳定的,并且网络的拓扑结构隐含着网络权的信息.为了从拓扑结构中得到权,首先在网络上建立了一种常见的物质流机制,该物质流会在网络上达到一种动态平衡,并且这种平衡状态与物质流的初始状态无关,只取决于网络的拓扑结构.借助这个物质流可以得到网络的权,这个权既体现了各个点和边在网络中的全局地位,也很好地揭示了每个点和它相邻节点之间的相互关系.     

Mosaic evolution of brain structure in mammals

The mammalian brain comprises a number of functionally distinct systems. It might therefore be expected that natural selection on particular behavioural capacities would have caused size changes selectively, in the systems mediating those capacities. It has been claimed, however, that developmental constraints limited such mosaic evolution, causing co-ordinated size change among individual brain components. Here we analyse comparative data to demonstrate that mosaic change has been an important factor in brain structure evolution. First, the neocortex shows about a fivefold difference in volume between primates and insectivores even after accounting for its scaling relationship with the rest of the brain. Second, brain structures with major anatomical and functional links evolved together independently of evolutionary change in other structures. This is true at the level of both basic brain subdivisions and more fine-grained functional systems. Hence, brain evolution in these groups involved complex relationships among individual brain components.     

复杂网络初探

讨论了复杂网络的基本概念,重点介绍了小世界网络和无标度网络,提出了一些值得进一步研究的复杂网络问题.     

信息网络的复杂网络拓扑

综合介绍近几年来在信息网络中所观察到的复杂网络拓扑,包括因特网、WWW网页链和BBS讨论社区的幂律概率分布;对比分析了复杂网络的生长模型及统计模型,并从应用的角度讨论了"小世界"、大群集和容错性等主要的拓扑性质。