基于邻介熵和邻度熵的复杂网络中心性算法

识别复杂网络的重要节点是复杂网络研究的关键点,也是网络稳定性判定的重要理论基础.常用的识别节点影响力的中心性指标有介数中心性、度中心性、特征向量中心性和K-core 中心性等,这些指标在识别重要节点时存在一定的局限性.为了解决以上问题,将节点v_i的邻居节点集划分成关联邻居节点集(MR)和非关联邻居节点集(M_UR),结合图的信息熵以及节点的介数中心性和度中心性,提出新的中心性指标,即基于邻介熵(NBE)和邻度熵(NDE)的关联邻居中心性RNC 和非关联邻居中心性URNC.实验通过动态攻击来评估新的中心性指标在一个实验网络模型和五个真实网络上的效率,结果表明,新的中心性比传统的中心性具有更高的识别重要节点的效率.     

基于复杂网络的社交网络用户影响力研究

基于复杂网络理论对社交网络用户影响力进行分析,可以为社会营销、舆情监测、信息检索等众多领域的研究提供支持.传统的网页排序算法虽然可以对有向社交网络的用户影响力进行分析,但仍存在缺陷且复杂度较高.本文提出了一种对无向社交网络进行用户影响力评价的方法,弱化了将有向网络视为无向网络研究而带来的误差,并可以高效地得到重要节点,适用范围更广.首先,本文采用网络节点的度中心性、介数中心性、接近中心性、聚类系数作为节点重要度评价指标,通过对计算数据归一化处理并取均值得到用户影响力排序的基准.其次,采用k-核分解法粗粒化地将重要度相似的节点进行归类,来检验排序的合理性.最后,通过仿真实验以及k-核分解、与HITS算法比较验证了此方法的科学性和正确性.     

基于精准k核的复杂网络节点重要性评估方法

由于k核存在破坏网络整体结构信息、忽略邻居节点影响力等缺点,导致每个节点难以量化区分.为了提高关键节点的识别精度,首先改进了k核的分解过程,提出了精准k核Ak.考虑到网络中局部特征信息和全局结构信息对节点的影响,将精准k核应用到重力中心性中,并提出了精准重力中心性AGC.信息学中的香农熵在网络关键节点识上具有良好的扩展性,通过结合邻域度中心性、邻域精准k核以及精准重力中心性三者的香农熵,最终提出了混合中心性MC对节点重要性进行多元评估.在7种真实网络下,对MC和其他节点评估指标分别从单调性和准确性上进行了一系列实验,实验结果表明MC具有更好的关键节点识别性能.     

静息态功能脑网络核心节点评价方法及其在抑郁症分类上的应用

识别大脑功能网络的核心节点对于脑科学与脑疾病研究有重要的指导意义。目前,研究者普遍运用度中心性和k-core分解法来度量网络的核心节点,然而度中心性只考虑节点自身的邻居个数而忽略了其在网络中的位置。k-core分解法只考虑节点在网络中的位置而忽略了其自身的特性。本文综合考虑节点的度值及其在网络中的位置,提出了一种基于度值和节点位置相结合的核心节点评价方法。对正常被试大脑功能网络进行蓄意攻击仿真实验表明:与度中心性和kcore分解法相比,对采用新方法识别出的核心节点进行蓄意攻击后,网络的全局效率下降幅度最大;其次,依据文中提出的中心性指标,找到抑郁症患者和正常被试之间具有显著差异的脑区,并将这些脑区的中心性指标作为分类特征进行分类,使得分类的准确率提高了7%.     

基于电阻网络的节点重要性判别

节点中心性是复杂网络研究的关键问题之一.我们从电阻网络出发,基于基尔霍夫电流定律,定义了一种新的中心性指标KL(G),该指标由通过节点的电流和基于度的电流方差构成.这个指标在网络流的基础上考虑了网络的全局信息和节点所处位置的局部信息.我们将指标应用于实际网络中,发现其可以识别出对于社团结构来说重要的节点,结合辅助指标w还可以区分社团重叠节点和桥节点.     

基于中心度发现的中心社团

使用度中心度与流介数中心度相结合的方法,首先计算出节点的度中心度和流介数中心度,得出网络中的几何中心点和信息、物质或能量在网络上传输时经过路径最多的节点,并将这两个指标作为一个整体考虑,得到这两个指标相对比较大的节点,再在这些节点和其邻居节点上利用CPM社团发现算法,从而发现网络中的中心社团.此方法可以发现网络中相对"重要"的社团,对复杂网络上的传播机理、相继故障等分析都有一定的意义.随后利用该方法分析兰州市公共交通线路网络的中心社团结构,结果表明该社团在网络中的确可以起到比较重要的作用.     

航空网络影响力节点识别与鲁棒性分析

为精确识别航空网络的影响力节点并分析其鲁棒性,使航空网络优化策略更具有针对性,提高网络抗干扰能力。通过建立航空网络模型,并根据航空网络拓扑结构和节点流量特点,提出结合改进的复杂度矩阵和节点效率的效率度指标,研究了识别网络影响力节点,并采用连通鲁棒性指标和功能鲁棒性测度航空网络鲁棒性。以华北地区网络进行实证分析,结果表明：效率度指标具有有效性且更加适合航空网络;影响因子比例为a=0.3,b=0.7时连通鲁棒性最差,网络节点更趋向于与大流量节点相连;影响比例因子为a=0.4,b=0.6时功能鲁棒性最差,网络大流量节点位置信息重要性不明显,即不全部位于中心位置会趋于边缘化。     

基于宝鸡公交网络节点的中心性分析

选取陕西省宝鸡市的344个公交站点作为节点,基于复杂网络理论构建了宝鸡公交网络模型.通过分析网络中节点的度中心性、介数中心性以及紧密度中心性指标,对网络中各个节点中心化程度进行研究,从不同的角度确定出宝鸡公交网络中的枢纽节点,对应于城市的关键站点和主要换乘站点.网络节点中心化的研究可为城市公交网络站点的合理分配及公交系统规划提供一定的理论依据.     

大型软件网络的节点重要性度量方法研究

互联网是现代人们日常生活的重要组成部分,计算机软件更是推动现代互联网发展的重要力量。计算机软件网络也是复杂网络的一部分,因此通过识别计算机软件网络中的重要节点来提升软件网络的抗毁性显得尤为重要。针对大型软件网络的节点重要性进行了研究,提出了一种基于网络节点的局部特征和全局特性的节点重要性度量方法,并将节点重要性的度量方法用于大型软件网络鲁棒性的研究。该方法依据各节点重要性与节点自身及以邻接节点的度以及节点的度中心性之间的联系对节点的重要性进行评估,评估结果用于反映软件网络的鲁棒性。实验结果表明:该方法能够细致的描述网络中各节点之间存在的差异性,适用于大型软件网络的节点重要性度量,尤其适用于应用型软件网络。     

个人微博用户网络的节点中心性研究

以新浪个人微博用户为研究对象,建立了一个"关注"与"被关注"的有向网络.将节点度、紧密度、介数和K-壳4个社会网络指标应用到微博有向网络,研究了个人微博用户网络中节点的中心性,得到网络中重要性用户,分析了他们在信息传播中的作用和在网络中所表现出来的特性,体现出该用户的兴趣爱好.研究了社会网络指标与度之间的相关性,体现出网络各指标之间的关系.研究结果有助于识别个人微博用户网络的关键节点,进而分析信息在个人微博用户网络中的传播.     

基于网络局部和全局特性的组合中心性度量措施

阐述了复杂网络中节点的中心性(即节点的重要性)对网络鲁棒性的重大影响,评估节点的多种重要性方法各自的优点与局限性.结合逆和指数ISI、度中心性DC以及介数中心性BC提出一种基于两种人工网络和两种真实网络的组合中心性度量方法IDB,利用删除节点前后网络的最大连通子图的变化对节点的重要性进行刻画仿真实验,验证了该方法的可行性和有效性.仿真结果表明,提出的组合中心性度量方法在节点重要性排序性能优于单一节点重要性排序性能.     

时序超网络上重要节点挖掘方法研究

在如何识别时序超网络上的重要节点方面取得了一定的进展。定义了该类网络上度量节点重要性程度的8个中心性方法及随机移除节点的基线方法，分别侧重于网络不同的拓扑结构性质和时间特征，从多个角度综合考虑了该类网络上节点的重要性。同时，构建了时序超网络上的SI传播模型，基于该模型提出了新的评估方法来衡量所提出的中心性方法的有效性。研究表明，在时序超网络上，基于最快到达路径的介数中心性方法是评价该类网络上节点重要性的良好指标。此外，基于时间分辨率的度和超度中心性方法通过寻找网络的最佳时间分辨率，可以进一步优化普通的度和超度中心性方法，弥补了普通方法不能有效考虑网络时间信息的缺点，且在多个真实网络上表现出与介数中心性方法相当的性能。     

A new method for identifying influential nodes and important edges in complex networks

The identification of the influential nodes in a network is of great significance for understanding the features of the network and controlling the complexity of networks in society and in biology. In this paper, we propose a novel centrality measure for a node by considering the importance of edges and compare the performance of this method with existing seven topological-based ranking methods on the Susceptible-Infected-Recovered (SIR) model. The simulation results for four different types of real networks show that the proposed method is robust and exhibits excellent performance in identifying the most influential nodes when spreading starting from both single origin and multipleorigins simultaneously.     

基于介度熵的复杂网络节点重要度识别方法

现有复杂网络通常会受到随机攻击和蓄意攻击,导致复杂网络拓扑结构的可靠性性能下降.为了解决以上问题,基于图熵,结合节点的介数中心性和其所有邻居节点的度中心性,提出一种新的攻击策略,即介度熵( BE),用来识别网络中的重要节点并加以保护.实验分别通过静态攻击和动态攻击来评估攻击策略在3个标准网络模型和3个真实网络上的效率,通过比较,介度熵比传统的攻击策略具有更高的攻击效率.     

一种新型直联小世界网络模型

现有计算机网络存在一定程度冗余和效率低等问题,提出一种新的直联小世界(DSW)网络模型以优化网络.首先将节点构成正则网络,然后取任意节点重画,通过迭代生成DSW网络.在该模型下,平均距离和聚集系数与原网络相同,但是网络的跳数等性能有所改变.实验证明,DSW网络的度数、平均度中心性以及平均最近距离中心性均低于原有小世界(SW)网络.表明DSW网络两节点的紧密程度高于SW网络.该模型不仅可以有效应用于社区信息的传播,还可以用于流行病传播的研究.     

互联网AS级拓扑中心化度量方法

针对如何能够在规模庞大、结构复杂的互联网AS级中准确而迅速地发现中心节点这一问题,展开对互联网AS级拓扑中心化度量方法的研究.应用三种现在普遍应用的中心化指标——度中心化、紧密度中心化、介数中心化,同时提出一种核中心化的度量法来度量网络中的高核数节点集合.采用节点删除法,通过删除某个节点对网络连通的破坏程度来度量网络中该节点的重要性.经研究发现紧密度中心化在互联网AS级度量上弱于度中心化和介数中心化指标;度中心化和介数中心化在攻击节点数小于0.5%时,有很强的相似性;核中心化度量方法非常适用于查找到网络中度值较高且连接紧密节点所构成的社团.     

基于DynamicRank的重要节点集挖掘算法

为了更为有效地挖掘复杂网络中综合影响力高的节点集、提高重要节点集挖掘算法的准确性,针对节点集中各节点在信息传播中不同程度的相互促进和相互抑制作用,基于DynamicRank算法设计了一种新的级联概率计算模型。通过增强贪心策略,优先从种子集邻居以外的节点中选取备选节点,减小种子集内重叠邻居对信息传播引发的抑制作用;利用级联概率计算模型,增强种子集对信息传播的级联促进作用。在4个实际网络上采用SIR模型进行了测试,实验结果表明,相较于已有重要节点挖掘方法H-index、Degree、DynamicRank、VoteRank和EnRenew,提出的算法挖掘出的节点集具有更高影响力。特别地,在Grid数据集上,本文方法挖掘出的种子集的传播范围比对比算法平均提升了49.3%。提出的算法针对信息传播概率和贪心策略的改进有利于重要节点集的挖掘和识别。     

测绘领域研究热点可视化分析

本文以测绘期刊为研究对象,可视化分析测绘领域研究热点。首先利用网络爬虫获取文献数据,从中提取作者和关键词要素;依据概念间关联关系构建期刊元网络,通过度数中心性和介数中心性评估各子网络节点影响力;综合各子网络的评估指标形成作者和关键词节点的重要性综合指数,判断期刊网络中的核心节点;然后以时间为粒度对关键词要素进行度数频次统计,分析测绘领域研究热点演变;最后对高频关键词进行聚类,总结测绘领域研究发展方向。表明通过复杂网络节点影响力测度可以定量展示我国测绘领域的研究现状,并可在时间维度上展示学科发展演变趋势。