基于k-核的大规模软件核心框架结构抽取与度量

对大规模开源软件结构层次性的实证分析发现其具有扁平层次结构特征.在此基础上,利用k-核对软件系统结构进行层次划分,抽取出软件系统的核心框架结构CFS(core frame structure);通过对CFS与其他层节点的加权连接度统计,发现CFS与其他层联系紧密,CFS的节点对其他层的节点有巨大影响.通过对CFS网络结构特征量的度量,发现CFS具有无尺度网络特征和小世界网络特征,体现了较高的软件复用程度,在软件系统整体结构中处于支配地位.     

软件网络中结构洞与紧密度的研究

针对传统的软件度量方法已不能对大型软件进行有效度量的问题,以学科交叉融合为背景、以量化软件度量为目标,主要研究了复杂网络中的结构洞、紧密度.通过对这两个特征量的计算、统计,与软件网络中的度进行关系拟合,可查看在软件网络中,度与结构洞之间的相关性呈幂函数曲线,度与紧密度的相关性呈梯形分布.因此将其作为参考特征量引入到软件网络中,对软件网络中的节点依赖程度和中心化程度进行量化.     

基于余弦相似度的复杂网络故障检测方法及应用

提出一种基于余弦相似度的复杂网络故障检测方法。利用余弦相似度确定变量之间的相关性，得到邻接矩阵，进而构建变量之间的网络模型；结合系统的网络拓扑结构，计算相应的复杂网络度量指标，对比故障状态与无故障状态下的网络结构与度量指标的差异，确定故障源；最后利用Tennessee-Eastman（TE）过程故障检测实例，结果表明，与偏相关系数方法对比，本文所提方法能有效且更准确地检测出故障。     

黄山市乡村聚落网络结构特征

以黄山市2014年卫星影像为数据源,将乡村聚落矢量数据和分乡镇行政区划矢量数据进行叠置分析,并统计每个乡镇乡村聚落的面积.在改进引力模型的基础之上,借助社会网络分析方法,以聚落面积和各聚落之间的距离为变量构建黄山市乡村聚落空间网络结构模型,实证分析了黄山市乡村聚落网络结构特征.研究结果表明:(1)从网络节点结构分析来看,网络内向程度中心性和外向程度中心性都存在明显的两级分化现象;整个网络中介中心性分布极为不均衡,区县节点在整个网络中扮演着枢纽的作用,而乡镇节点的桥梁作用远逊于区县节点;通过对网络节点的结构洞指标进行对比分析发现,城市聚落的节点具有显著的结构洞优势,而乡镇节点的结构洞优势相对较弱.(2)从整体网络结构分析来看,黄山市乡村聚落空间网络密度较低,乡村聚落之间的相互影响较小;从程度中心势的指标来看,不论是内向程度中心势指标还是外向程度中心势指标,其数值都较高,说明乡村聚落空间网络结构具有明显的集中趋势;乡村聚落空间网络结构存在明显的核心-边缘结构特征,核心区节点之间比边缘区节点之间空间互动关系更为密切,但总体来讲这种空间作用仍然较小.     

基于GCN的复杂网络关键节点识别研究

准确识别出网络中的关键节点是复杂网络研究的重要内容之一.现存的关键节点识别方法多数是基于网络结构提出的中心性度量方法,识别准确率低且适用范围具有局限性.因此本文提出了基于图卷积网络的关键节点识别方法,不仅考虑了节点属性,还考虑了网络结构和邻居节点结构.首先,根据网络图例数据提取多维度特征并构建特征向量;其次,将节点特征向量输入到GCN层学习;最后,通过回归损失函数计算出最小损失,识别出关键节点.本文选取传播动力学中的SIR模拟实验和牵制控制实验作为评价方式,在不同类型的真实网络上进行验证.结果表明本文提出的方法在适用范围和准确率方面较其他方法更具优势.     

基于密度峰值法的复杂网络聚类增长维度研究

复杂网络是由个体或组织以及它们之间的关系所组成的结构.利用复杂网络的分形结构来解释和预测复杂网络的行为是目前的一个研究热点.分形维度是对复杂网络中分形结构的度量,为了更准确地对复杂网络分形结构进行度量,提出了一种基于密度峰值的方法来计算分形维度.该算法不同于之前选取一个种子节点或者将所有节点作为种子节点的方法,而是利用...     

煤矿井下全覆盖移动传感器网络拓扑管理机制研究

如何实现煤矿井下传感网在信息采集传输过程中的能耗均衡,一直以来是煤矿信息化领域的热点研究问题。考虑到煤矿井下环境复杂,构建的通信网络往往因为节点之间的通信距离过长,不确定时间内待检测目标的随意移动,导致数据包在传输过程中转发效率偏低,网络整体能耗较高的现象。在分析节点之间位置距离的空间的相关性基础上,提出低数据率传输信号强度辅助下的中继节点优选机制(RALDR),实现了相对稳定的网络拓扑结构的构建与全覆盖,进而减少数据包转发的次数,有效缓解汇聚节点在处理数据过程中产生的能耗,延长了网络整体的生命周期。     

一种改进的多层前馈神经网络结构研究

通过将传统多层前馈神经网络结构改造为具有跨层连接的网络,提出了相应的多层前馈神经网络改进算法.通过分析网络误差函数,从理论上证明了:相对于无跨层连接网络,有跨层连接网络能以更加简洁的结构逼近理想状态.最后,用一个隐层神经元解决了传统网络必须用两个隐元才能解决的异或问题.     

一个改进的复杂网络复杂性度量方法

通过改进结构熵提出了一种复杂网络复杂性的度量方法.在提出的度量方法中将结构熵与密度相结合,导出了一个新的量用于衡量复杂网络的复杂性.这个量考虑了节点的度、介数以及网络密度等因素.提出的方法用于度量一个构造的ER随机网络和三个实际网络的复杂性.结果表明通过结构熵与网络密度的结合,网络的复杂性能够被有效的度量.     

中国航空货运网络结构分析

以中国大陆民航机场作为网络节点,以机场间的货运量作为网络连边的权重,采用复杂网络的拓朴指标对中国航空货运网络结构进行分析.研究发现:中国航空货运网络呈现出小世界特性;网络不存在明显的社团结构;节点中心性间存在较高的相关性;网络整体形成了以西安、北京、成都、昆明为枢纽的网络布局.     

陶瓷涂层材料多模态数据表征学习

陶瓷涂层具有耐高温、耐腐蚀、耐磨损等特性, 其热膨胀系数和热导率等参数与其性能息息相关. 为解决陶瓷涂层性能实验成本高、测试困难等问题, 提出了陶瓷涂层材料多模态数据表征学习的性能预测方法. 首先利用高斯混合模型虚拟样本生成(Gaussian mixture model virtual sample generation, GMMVSG)算法生成符合真实陶瓷涂层数据分布的样本来扩充数据集; 其次利用卷积神经网络 VGG16 对陶瓷涂层的显微结构图像数据进行特征提取, 利用 TabNet 对结构化数据进行特征提取, 将提取到的图像数据特征与结构化数据特征融合; 最终根据多模态数据表征建立基于K-最近邻(K-nearest neighbor, KNN)、支持向量机回归(support vector regression, SVR)和多层感知机(multi-layer perceptron, MLP) 3 种机器学习算法的预测模型, 对陶瓷涂层的性能指标, 即热膨胀系数和热导率进行了预测. 实验结果表明: 提出的多模态数据表征学习模型的预测结果要优于单模态数据表征学习模型, 其中基于 MLP 算法训练的多模态数据表征学习模型对陶瓷涂层性能的预测效果最好; 在测试集中, 对陶瓷涂层热膨胀系数预测的平均绝对误差(mean absolute error, MAE)和均方误差(mean square error, MSE)分别为 0.026 6 和 0.001 7, 对热导率预测的 MAE 和 MSE 分别为 0.017 9 和 0.000 7. 所提出的陶瓷涂层材料多模态数据表征学习方法有效融合了结构化数据与非结构化数据, 联合学习了各模态数据的潜在共享信息, 成功提升了对陶瓷涂料层材料性能预测的准确度.     

多层人工神经网络合理结构的确定方法

隐层结构如何选择是多层人工神经网络应用中一个关键问题·基于多层神经网络优化算法原理和非线性方程理论,建立了多层神经网络计算输出和理想输出关系的非线性方程组,分析了权阈变量、标准样本数量和输出层单元数量的内在关系,给出隐层层数和每个隐层单元数量选取应该满足的基本条件·提出多层神经网络合理结构,即隐层层数和每个隐层单元数量选取的一般原则,给出隐层结构定量求解的直接计算方法和间接优化计算方法·对具体算例进行了合理结构分析,通过神经网络优化算法对多种结构组合比较,表明所提出的合理结构分析方法的正确性·这种方法将为多层神经网络在工程应用中如何选取合理结构提供理论依据和选取有效方法·     

基于网络结构及节点活动网络的PSN协议

将网络关联结构和位置匹配的思想引入到公共交换网络(PSN)的路由协议设计中, 从全局搜索和局部搜索两方面解决了消息报文的路由问题. 首先, 探索全局搜索时网络关联结构对信息传播的影响, 可知在复杂网络中最有效的传播节点应该是位于网络关联结构的最核心节点, 而不是全局社会度高的节点. 其次, 探讨局部搜索时基于位置匹配度的合理性和可行性. 最后, 提出一个基于社会结构度和节点活动网络的路由协议, 即K核. 报文开始时在全局社区进行转发, 将报文转发给处于网络中心位置的节点, 直至找到转发报文的节点位于报文目的节点的附近, 再根据该附近区域的节点位置匹配度进行转发报文. 与经典协议相比, 该方法可以保证在几乎相同的报文延迟基础上, 实现更高的投递成功率及更少的花费.     

多层航线聚合网络建模及相关性分析

为研究航空公司航线网络结构特征,基于复杂网络理论以机场为点,机场间的直通航线设边,建立由46个航空公司子网络聚合的多层航线网络模型,计算并分析其参数指标。结果表明:航空公司航线网络分布具有明显地域偏好性和较短平均路径长度;网络平均度与网络密度、聚集系数呈强正相关性,与平均路径长度有强负相关性;航线规模与网络直径无明显关系。聚合后的多层航线网络具有明显的小世界网络和无标度网络特性;节点度对网络指标影响最大,与网络中心性指标、介数呈强正相关,与点聚集系数和最短路径呈负相关性;介数与介数中心性具有强正相关,与特征向量有弱的负相关性;聚集系数与网络其他指标均呈负相关性;最短路径与网络接近中心性和特征向量中心性影响最大。     

HEAD:A Hybrid Mechanism to Enforce Node Cooperation in Mobile Ad Hoc Networks

Mobile ad hoc networks rely on the cooperation of nodes for routing and forwarding. However, it may not be advantageous for individual nodes to cooperate. In order to make the mobile ad hoc network more robust, we propose a scheme called HEAD (a hybrid mechanism to enforce node cooperation in mobile ad hoc networks) to make the misbehavior unattractive. HEAD is an improvement to OCEAN (observation-based cooperation enforcement in ad hoc networks). It employs only first hand information and works on the top of DSR (dynamic source routing) protocol. By interacting with the DSR, HEAD can detect the misbehavior nodes in the packet forwarding process and isolate them in the route discovery process. In order to detect the misbehavior nodes quickly, HEAD introduces the warning message. In this paper, we also classify the misbehavior nodes into three types:malicious nodes, misleading nodes, and selfish nodes. They all can be detected by HEAD, and isolated from the network.     

上海证券市场的复杂网络特性分析

证券市场作为一个复杂的经济系统,可以用复杂网络来抽象和描述.选取2002年以前在上海证券交易所上市,并且在2002年初至2004年末在上海证券交易所持续交易的股票为节点,股票价格波动相关性为边构建一个无向无权的证券市场网络.利用复杂网络的理论和研究方法,分析该网络的拓扑结构,发现该网络具有典型复杂网络的统计特性——小世界效应和无标度特性,从而为研究证券市场提供了一个新的视角.     

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。     

基于顺序优化的液压集成块孔道连通设计

在全面分析液压集成块内部孔道结构特征和设计规律的基础上,提出了一种基于顺序优化的液压集成块孔道连通优化设计方法,并给出了该问题的数学优化模型;通过对两端线网的连通顺序及其连通算法的研究给出了单线网孔道连通设计方法,研究了多条线网的连通优化策略,实现了液压集成块内部多线网孔道网络连通优化设计,为提高集成块设计水平和自动化程度提供了必要的技术支持.最后的实例验证了方法的可行性和有效性.