地震数据关系网络的空间尺度

通过分析美国加州地区地震数据关系网络的拓扑结构特征,研究了不同空间尺度下网络拓扑结构基本度量参数的变化规律.结果表明:随着空间尺度的增加,网络规模迅速变小,并最终达到稳定;网络的平均聚集系数和平均最短路径长度随空间尺度的增加呈波动性下降.度分布频度研究结果表明,网络的空间尺度在一个有效范围内时,网络呈现出较好的幂律分布,该范围受事件数量影响.     

基于复杂网络理论的中文字字网络的实证研究

为更好地理解语言网络的拓扑结构及其形成特点,提出一种基于复杂网络理论研究中文字字网络的方法,并详细分析了中文字字网络的几个典型统计特性.实证结果表明:中文字字网络具有其他语言网络相似的拓扑属性,即无尺度行为、小世界效应及度相关性的正匹配.实证研究及对统计结果机理的阐释对于语言学、认知科学的深入开展具有一定的借鉴价值.     

基于无尺度网络的邮件蠕虫传播与控制研究

介绍了邮件蠕虫的概念及传播方式,详细阐述了邮件网络的无尺度特性.在此基础上分析了影响邮件蠕虫传播的因素,并根据用户检查频率对邮件蠕虫传播的影响和邮件网络的无尺度特性提出了相应的控制邮件蠕虫传播的方法.在邮件服务器端采用行为模式识别技术来检测和控制邮件蠕虫的蔓延;客户端尽量使用Web邮件,减少邮件蠕虫的传播.     

城市人口迁移的网络特征

以中国东北地区城市人口数据和城市人口迁移的引力模型为基础,建立了城市网络,并利用复杂网络的理论和研究成果,分析了城市人口迁移的网络特征,发现城市网络具有典型复杂网络的无尺度特性,人口与城市的关系如同Internet的网络流量与节点之间的关系,城市人口的迁移具有偏好依附特性,给出了偏好依附的模型.同时对东北地区城市网络中节点的度分布进行了研究,依据各城市在网络的节点度情况,预测了东北地区未来发展的情况.     

基于BA网络的产业经济发展模型仿真

本文以Luna人工认知企业发展进化仿真模型为基础,在企业智能体之间的交互关系构成的拓扑网络关系中,依据择优性原则,合理地嵌入无尺度网络BA模型,构建产业经济发展模型,研究经济复杂网络中的无尺度特性涌现的规律性。在SWARM2．1．1仿真平台上．该仿真模型描述了产业经济发展的初始波动增长过程。由仿真结果可以看出,较为单一的企业入驻区域经济,增加到一定规模以后,企业的平均GDP将保持均衡。     

多尺度融合dropout优化算法

为了改善传统标准dropout无法根据特定数据集确定合适尺度的不足,提出了多尺度融合dropout(MSF dropout)方法.利用验证数据集对多个不同尺度的网络模型进行训练,通过学习得到符合该数据集特征的最佳尺度组合,让MSFdropout具备自适应数据集的能力,从而使网络能够使用最佳尺度来进行高精确度的预测.首先训练若干组不同尺度的网络模型,使用遗传算法求出各网络模型的最优尺度;然后通过最优尺度对对应的网络参数进行缩小得到预测子模型;最后以一定的权重将这些子模型融合成为最终的预测模型.使用MSFdropout在标准数据集MNIST和CIFAR-10中进行实验,实验表明:当选择了合适的尺度数量和尺度梯度后,预测精度获得了明显的提升,同时很好地控制了计算时间,验证了多尺度融合方法的有效性.     

基于复杂网络的本体结构分析

将本体的结构特点与网络类比,本体中的概念与网络中的点对应,本体中的关系与网络中的边对应,借助现有的针对复杂网络的分析方法和性能指标,对本体的度分布、平均最短路径、聚集系数进行统计分析,考察本体结构特性.选取基因本体(GO)作为研究样本,分析结果表明,GO没有很高的聚类特性,具有小世界特性,不具有无尺度性质.该研究有助于评估本体中的概念,设置其权重,提高语义匹配的效率.     

考虑毛细管力的页岩储层压裂缝网扩展研究

页岩储层中广泛发育着各种尺度的天然裂缝,这些天然裂缝小到纳米、微米量级,大到毫米甚至是工程量级,显著影响着压裂后的裂缝网络形态.同时,在页岩压裂施工过程中,压裂液会进入到这些不同尺度的天然裂缝中,在天然裂缝内部存在气-液两相流体,产生毛细管力.当天然裂缝尺度不同时,在裂缝中产生的毛细管力大小不同,尤其是当天然裂缝尺度较小时,在其内部会产生较大的毛细管力,进而显著影响天然裂缝内压裂液的流动以及压裂裂缝网络的扩展.本文建立了同时考虑天然裂缝尺度以及压裂液与储层岩石润湿特性的页岩压裂缝网扩展模型,研究了在毛细管力影响下的压裂裂缝网络的扩展特征.通过研究发现,当天然裂缝初始长度较长、缝宽较小、压力液与储层润湿性较强时,天然裂缝更容易扩展,形成较大规模的裂缝网络.当天然裂缝尺度各异时,将形成复杂的裂缝网络,该模拟结果与室内大型页岩水力压裂实验中观察到的裂缝网络扩展形态相同.     

基于多尺度密集特征融合的生成式对抗除雾网络

在真实雾天场景下,针对除雾网络无法去除远处雾气、天空区域容易出现噪声的问题,提出了一种基于多尺度密集特征融合的生成式对抗除雾网络,并采用制作的合成雾天数据集进行对抗训练.首先,对除雾网络进行设计,构建了网络模型;其次,从合成晴朗天气图像中利用深度标签生成逼真的雾天数据集,以适用于真实雾天除雾领域;最后,在真实雾天数据集上测试,选取近几年具有代表性的6种基于深度学习的除雾网络进行主观视觉效果,并借助除雾领域常用的无参考图像质量评价指标进行客观分析.研究结果表明:提出的除雾网络在真实场景下的除雾效果较其他网络有显著提升,主观视觉效果明显优于对比的除雾网络,在无参评价指标上综合表现优于其他除雾网络.     

随机派系网络的渗流相变研究

现实的复杂网络往往具有小世界特征和模块化层次结构,随机派系(Clique)网络不仅有高的聚类系数和短的平均路径长度(小世界特征),而且具有模块化层次结构,可以较好地描述现实世界中许多复杂网络的结构特征.本文采用蒙特卡罗模拟方法和临界现象有限尺度标度理论对该网络的渗流相变进行了研究.在网络的演化过程中,其最大团簇单时间步的最大尺度跳跃及对应的时间步可以用来确立临界行为和临界点.我们的模拟研究表明:随机派系网络的渗流相变都为连续相变,不同派系大小k的相变点发生的时间步不同,但约化边数相同;网络最大团簇的最大尺度跳跃?与网络大小N呈幂律关系,幂指数对应于渗流相变的序参量临界指数,且不随派系大小k变化;与?相关的另外三个临界指数也不随k值变化,与ER随机网络的临界指数相等.这些结果表明随机派系网络的渗流相变与ER网络渗流相变同属一个普适类.我们的研究加深了对复杂网络模块化层次结构产生机理的认识,有助于进一步认识复杂网络的渗流相变.