静态全符号网络的社群结构

为解决传统社群结构理论难以分析集群行为中的个体与关系特征等问题,在原有社群结构理论的基础上提出全符号网络下的社群结构理论,从而反映出个体聚类的综合特征。首先,基于带有关系属性与节点属性的全符号网络,在综合考虑网络个体、关系与结构属性的基础上,定义出全符号网络社群结构的定义,即一个可以被分为不同子网络的结构,其中子网络内部节点属性大致相同,关系连接稠密,且大部分由正边相连,而子网络之间节点属性不同,关系连接稀疏,且由负边相连;其次,基于Newman提出的模块度指标,结合网络的节点、关系、结构这3层因素构建出全符号网络下的模块度指标,同时利用遗传策略对该的指标优化实现了全符号网络的社群结构探测。基于不同网络属性的实验发现,相比传统社群结构指标,新指标可以有效识别出这些属性的差异,解决了传统社群结构探测方法不能分辨网络节点属性与关系属性的问题,为个体聚类研究提供新的路径与方法。     

一类新旧节点同时演化的混合网络模型

在随机网络和无标度网络的基础上,提出了一个新旧节点同时演化的随机-无标度混合网络模型.在模型中,新旧节点都能够主动产生新的连边,并且新连边在选择目标节点的过程中具有随机和择优两种连接机制.理论计算和计算机模拟表明:可以通过4个参数将随机网络和无标度网络统一起来,通过调节参数,可以生成不同形态结构的网络.该模型能够在随机...     

基于SNS社交网络的增长模型

随着网络信息技术的发展,社交网络(SNS)成为目前最热门的休闲交友平台。文章研究表明,这类网络具有3个典型的拓扑特征:幂律度分布、小平均距离和大聚集系数。为了进一步研究此类网络的拓扑结构及其动力学行为,文中基于社交网络的增长机制提出了一种二步式增长模型。运用平均场理论及数值仿真验证发现,该模型同时满足上述3个拓扑特征,符合社交网络的基本结构特性。     

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.     

基于结构近似度的社交网络聚类

针对基于结构近似度的聚类算法无法解决非对称网络聚类的问题,该文根据社交网络的特点,提出了基于结构近似度的有向社交网络聚类算法,通过将社交网络抽象为图结构,将网络聚类问题看成图论中的子图划分问题,实现了对社交网络的准确聚类分簇,且分簇复杂度较低。使用C++语言编程实现该算法,通过自定义有向网络数据集和标准数据集的测试表明,该算法对社交网络结构的划分较为准确,且能鉴别离群节点和枢纽节点。     

基于扰动的社交网络保护方法研究

扰动技术是社交网络隐私保护的重要方法,本文提出了高斯随机扰动和贪心扰动两种扰动算法保护社交网络的权值,分别适用于动态和静态社交网络。高斯随机扰动可以简单有效地保护动态社交网络的权值隐私,贪心扰动算法将社交网络的边分类,可以在保护静态社交网络权值隐私的同时保证社交网络的最小生成树不变,提高社交网络数据的可用性。实验结果表明两种算法均能有效保护社交网络的权值安全,并且保持较高的数据可用性。     

偏好依附随机网络模型

本文研究加点、加边、重连和去边四种演化过程的随机网络模型.对偏好依附随机网络模型,利用连续理论证明了如果适当选取模型参数,这个网络模型为无标度网络模型;并给出了标度指数γ的值.     

适应性网络上具有潜伏期机制的传染病传播

提出适应性网络上具有潜伏期机制的SIS传染病传播模型,给出该模型的演化方程,研究模型中各参数对传播强度的影响、网络度在演化过程中的变化等问题,得出了在不同参数下迭代后模型中3类人群（易感个体、隐性感染者和显性感染者）数量演化的最终稳定值不同、在适应性网络中＂断边重连＂概率对传染阈值有明显影响、网络中节点的度在迭代之后出现近似幂律分布等结论.经过分析给出发生疫情时应对感染者采取隔离治疗的建议.     

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.     

基于社交关系的DHT网络Sybil攻击防御

Sybil攻击通过恶意伪造大量虚假身份,破坏对等网络(P2P)网络中正常节点的寻路过程,是分布式Hash表网络(distributed Hash table,DHT)中主要的安全威胁。该文利用社交网络中社交关系的高可信度以及伪造难度大等特点,设计了Social-DHT方法以缓解DHT网络中Sybil攻击的影响。该方法采用基于社交关系的随机游走策略以构建相对可信的路由表,继而可以有效抵御Sybil恶意节点的影响,实现安全、高效的寻路过程。此外对该方法建立模型,对路由表的可信性和寻路阶段的成功概率进行了理论分析。仿真实验表明:在有10 000条攻击边的情况下节点路由表中Sybil节点比例不超过3%,搜索成功率则能够达到99%,并且在搜索速度和带宽开销等方面优于已有的算法。     

符号网络中融合聚集系数与符号影响力的链路预测算法

为快速、准确地实现符号社会网络中的链接预测与符号预测双重目标，提出一种融合共同邻居节点的聚集系数与连边符号影响力的链路预测算法。基于结构平衡理论，有效利用节点的度、聚集系数、路径上的中间传输节点、连边符号及其影响力等信息，分别定义了两节点基于一阶共同邻居和二阶共同邻居的相似性，最终得到两节点的总相似性得分，用其绝对值度量两节点建立链接的可能性，通过其符号获得链接的符号预测结果，从而实现符号网络中的链路预测。在6个有代表性的符号网络数据集上进行了实验，以AUC、调整的Precision’、Accuracy等为评价指标，对比了多个符号网络链接预测算法，并进行了可调步长参数的敏感性分析。实验结果表明，所提算法在符号网络链接预测与符号预测两方面均达到了较好的性能，无论是稀疏网络还是负链接预测，准确性均高于其他算法。     

股票符号网络研究

利用符号网络来对股票市场进行研究,利用中国近期股市平稳震荡、牛市、熊市3个时期的数据, 首先使用股票收益率相关系数构建保留连边正负信息的符号网络, 其中正边采取优化阈值法, 负边采用固定阈值法, 发现网络中负边的比例较低且集中在银行股上. 之后重点关注牛市时期网络的特征, 分析了度及度分布、节点的受欢迎程度和特征向量中心性、平衡性、平均集聚系数和度相关性. 将其与传统网络进行对比, 发现负边的引入对节点的重要性有较大影响.      

旅游目的地虚拟网络结构特征研究——-以黄山市为例

以黄山市为案例, 采用复杂网络理论和方法研究分析目的地虚拟网络的结构特征。结果显示该网络是具有小世界特征的稀疏网络, 其度分布符合幂律分布且幂指数位于1与2之间, 其节点倾向于链接不同类型的节点, 并且节点之间的距离和度值对节点互联的影响较弱。将黄山网络与随机网络、万维网以及其他旅游虚拟网络进行对比分析, 探讨目的地虚拟网络和现实网络之间的关系, 认为虚拟网络不仅只是信息网路, 也是社会网络, 它是现实网络在虚拟空间中的映射。在这个意义下, 目的地虚拟网络的结构特征反映了其现实网络的特征。     

基于复杂网络的交通运输网络可靠性研究进展

从指标分布特性、小世界及无标度特性和可靠性3个方面论述了复杂网络在交通运输网络的研究进程和应用现状。从网络模型构建和复杂交通运输网络应用两个方面总结了现阶段复杂交通运输网络可靠性研究中存在的问题。研究表明,今后运输网络可靠性研究将从4个方面展开:模型构建过程中充分考虑各子网络及其他相关网络的影响;基于大数据分析构建动态有向网络模型;应用牵制理论控制提高网络可靠性;城市群及多中心城市复合复杂交通运输网络可靠性研究。     

基于结构平衡理论及LP算法的符号网络预测

符号网络分析逐渐成为一个越来越重要的研究主题,其中最为重要的是网络中的符号推断问题.了解到在社会网络中局部路径指标(LP)表现良好.用AUC评价指标进行了实验验证,LP指标同样适用于符号网络,并且给出它的平衡理论解释.实际数据分析的结果显示,较之传统计算符号网络链路预测算法,该方法更加简单,并且能得到较好的预测效果.     

环网络中的呼叫接纳控制

呼叫接纳控制是通讯网络设计与运营中的一个重要优化问题. 环网络中，这一问题的目标是对于给定的具有边容量的环网络和任意利润的呼叫的集合，确定最大利润的呼叫子集并为其中每一个呼叫安排路径，使得任一边容量不被违反. 对于无向和有向环网络呼叫接纳控制问题, 均给出了多项式时间近似方案.     

用遗传算法模拟复杂最优网络的自然涌现过程

为了模拟复杂最优网络从树演化到完备图的整个过程，解决现有邻接节点编码方法只适用于低密度网络，而传统的交叉变异方法又有大量不可行解的问题，提出了基于三角阵的变长基因编码方法和段间交叉、段内变异平衡的交叉变异方法．该编码方法只记录对称邻接矩阵中三角阵的信息，反映了无向网络的所有可能变化，因而编码串长度适中，网络边数不需限制，可以模拟网络从树到完备图的整个演化过程．段间交叉只交换节点一级近邻的连接方式，段内变异平衡对边进行重绕，这既符合遗传算法的要求，又保证了网络的连通性．模拟结果表明，与邻接节点编码和传统交叉变异方法相比，所提方法适用范围更广，收敛速度较快．     

参照零模型的双层网络结构相关性检测

 多层网络是近年来提出的新型复杂网络模型,在级联故障分析、信息传播、链路预测和网络同步等诸多领域均有广泛应用。多层网络的任意两层网络结构间往往存在关联性和耦合性,如何检测两层网络之间是否具有结构相关性并对其进行定量刻画是一个非常重要且亟待解决的问题。本文首先分3个层次总结并提出度量双层网络结构相关性的方法与统计量,其中第1层次是检测双层网络整体上的连接相关性,第2层次检测两层网络所有节点之间整体上的度度相关特性,第3层次是检测双层网络富节点之间的连接相关性。由于这3种相关性的计算和度量都依赖于网络统计量进行,而统计量的绝对数值往往没有意义,因此提出了以多种双层网络的零模型作为参照物,通过假设检验方法来量化双层网络之间的结构相关性,分析了这种结构相关性存在的内在机理。最后,使用一个实证双层网络--全球语言多层网络验证了本文研究范式的有效性。本文研究可检测出实证多层网络中任意两层之间复杂的耦合作用。     

基于搜索效率的复杂网络多模型并行演化分析

很多真实的复杂网络呈现无标度性．但是,这些网络为什么在增长过程中遵从优先连接规则？现有研究尚未给出有力的解释．一个合理的猜想是：这些网络如果不遵从优先连接规则,则将处于不利的地位．为证实这一猜想,采用搜索效率作为评价指标,量化评价不同演化模型的优劣．首先提出一种新的复杂网络并行演化模式,使得同一网络中不同的局部遵从不同的演化模型,从而在统一的基础上比较不同演化模型搜索效率的优劣．以BA无标度网络、WS小世界网络和随机网络为基础,构建了异质复杂网络．其次,采用随机游走搜索策略和DS最大度搜索策略,比较遵从不同演化模型的异质子网的搜索效率,力图解释复杂网络中演化模式同质化的原因．实验发现一种“信息壁垒”现象,即处于劣势的网络模型,其所属节点很难被其他模型的节点访问到．实验结果表明：对于以搜索为重要功能的复杂网络,无标度网络具有最强的适应性,从而在一定程度上解释了无标度现象在众多现实复杂网络中存在的原因．