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.     

基于解剖距离的功能脑网络建模方法研究

为了分析解剖距离对静息态功能脑网络建模的影响,在解剖距离的基础上将节点共同邻居引入到功能脑网络的建模中。设计三个模型,分别是基于解剖距离,节点共同邻居个数和解剖距离与节点共同邻居个数。借鉴残差的方法创建最优静息态功能模型网络评价标准。在每种模型网络中选出最优的模型网络。然后将每种模型中的最优网络与真实数据fMRI网络对比选出能够最大程度模拟真实网络的模型网络。结果证明在AAL模板下单独基于解剖距离建立的功能脑网络能最大化的模拟真实的网络。     

时态网络节点相似性度量及链路预测算法

详细分析和阐述了时态网络中的链路预测问题，将时态网络按时间顺序划分为具有相同时间间隔的多层网络快照序列.针对基于共同邻居的相似性指标对网络链路刻画粒度较粗糙的问题，提出了基于邻居节点聚类系数的相似性度量指标NCC和NCCP，并基于此提出时态网络链路预测算法.通过在真实数据集上的对比实验验证了利用邻居节点的聚类信息可以提高预测精度.利用真实邮件数据集验证了所提出的链路预测算法预测效果的优越性，并且实验结果证明越接近预测时间的网络结构对预测结果影响越大.     

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。     

基于改进TADW的链路预测算法

针对经典的节点相似性链路预测算法只考虑网络拓扑结构或者节点属性信息的问题,使用词嵌入模型Word2vec学习得到节点文本属性信息的表示,进而改进TADW(text-associated deep walk)算法,弥补其语义信息表示能力的不足.基于改进的TADW图嵌入方法提出一种融合网络拓扑结构和节点属性信息的相似性指标,并基于此相似性指标提出链路预测算法.在三个真实数据集上的实验结果表明所提出算法可以提高预测精度,并具有更好的鲁棒性,同时使用图嵌入的方法有效解决了网络数据的稀疏性问题.     

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。     

基于Web社会网络的节点间关系多样性分析

多样性是描述社会网络中节点行为的一个重要特性,通过对典型的大规模Web社会网络DBLP数据源提取,构建了一个大型SCN(科研合作网络),针对该网络节点间的关系进行建模与量化分析,利用节点度的累积分布、相关性、结构洞、聚类系数等网络结构特征参数,实证分析得出真实社会网络中的节点间关系具有多样化的特性,其多样性指标分布呈指...     

BT网络中基于邻居下载节点的搭便车行为检测研究

由于节点搭便车行为的存在严重地影响了BT网络的QoS,为此,本文提出了一种基于邻居下载节点的搭便车行为检测策略。首先,定义了影响BT网络QoS的属性约束集,即节点在网络中的属性约束集和节点自身的硬件属性约束集;其次,为了保护BT网络中的种子节点,以QoS约束集中的种子比例的属性为基础,采用优先向非种子邻居节点请求下载的方式,提出了基于邻居下载节点的检测算法DANDN(Detection Algorithm based on Neighbor Downloading Nodes)算法,并通过定义效用值给出了邻居节点的选择依据。最后,利用PeerSim仿真平台,验证了QoS约束集中每个属性对整个BT网络QoS的影响程度以及DANDN算法的有效性。     

一种基于MH改进的重启随机游走链路预测算法

基本随机游走相似性指标由于其转移概率仅由当前节点的度决定,影响链路预测效果.鉴于此,在MH (Metropolis-Hasting)算法的基础上,充分利用邻居节点的度信息,并采用将当前节点的自环率按邻居节点的度值加权分配给邻居节点的方法重构转移概率矩阵,再融合重启随机游走(Random Walk with Restart,RWR)相似性指标,提出一种改进MH的链路预测算法.首先,根据当前节点与邻居节点的度信息重新定义节点间的转移概率;然后,将新的转移概率重构成概率矩阵;最后,融合RWR相似性指标进行链路预测实验.结果表明,新算法相较于RWR、CN (Common Neighbors)等7种基准算法在AUC指标上均有提升,在排序分指标上也有所改善;AUC指标上最高可提升3.98%,排序分指标上最高下降1.92%,提升了链路预测的准确性.     

基于样本熵的磁刺激穴位加权脑功能网络研究

脑功能网络的构建与分析可帮助探究大脑工作机制。本研究旨在构建并分析磁刺激内关穴脑功能网络,为探索针灸学作用机理提供理论依据。目前,为简化网络计算的复杂性,很多相关研究集中于二值脑功能网络,忽略了节点间连接强度。本研究采集磁刺激内关穴前、中、后3种状态的脑电信号并基于样本熵和互信息方法构建3种状态下反映节点间真实连接程度的加权脑功能网络;利用复杂网络理论对3种状态下加权脑功能网络拓扑性质进行对比性分析。实验结果表明,刺激状态与刺激前状态相比,网络的平均度、平均聚类系数、全局效率均有提高;刺激状态与刺激后状态相比,网络的平均度、平均聚类系数、全局效率整体也呈增强趋势;刺激后状态与刺激前状态相比,除少数被试的网络拓扑特征基本保持不变或小幅度减少外,其余均呈增长趋势,且增长程度不同,考虑与刺激的累积效应和个体差异有关。研究结果表明,磁刺激内关穴使网络各通道间连接强度提高,集群化程度加强,信息传递效率提高。     

一种基于加权共同邻居相似度的局部社区发现算法

传统的社区发现算法能够找出网络中所有的社区,其时间复杂度取决于网络的规模.挖掘大网络中的全局社区结构因为时间复杂度高而难以实现,局部社区发现作为一种不需要知道网络的整体结构,从给定的节点逐步向外扩展,寻找该节点所在社区的方法,在大网络时代具有重要的应用意义.目前这方面的研究已经获得广泛关注,并提出了很多局部社区发现算法.针对已有局部社区发现算法需要人工设置参数、准确率低的问题,提出一种新的局部社区发现算法.首先,提出一种加权邻居节点的共同邻居相似度指标,用于计算网络中两个节点间的相似度;然后,基于该相似度指标,给出一种新的局部社区质量度量指标,在保证社区度量指标不下降的前提下,不断选择与当前局部社区嵌入度最大的节点加入到局部社区,逐步找出给定节点所在的社区;最后,在真实网络和仿真网络数据集上进行了实验.实验结果表明,该算法能有效地挖掘出给定节点所在的局部社区,相比具有代表性的Clauset,LWP,GMAC等局部社区发现算法有更高的准确率.     

一种基于网络嵌入的社区发现方法

社区发现是社会网络分析的重要任务,有助于理解中观尺度的网络结构.现有的诸多社区发现方法仅考虑网络的拓扑信息,忽略了网络中每个节点所包含的属性信息.为此,本研究首先基于社会网络的拓扑结构信息与节点属性信息分别构建初始特征矩阵;然后基于网络嵌入模型,融合初始特征矩阵的主成分信息,构建共识嵌入矩阵;最后,给出社会网络中"领袖节点"的泛化定义形式,并提出一种改进的图聚类算法(LIK-means)挖掘社会网络中潜在的社区结构.实验表明,LIKmeans较其他经典算法有较好的可扩展性,同时在真实社会网络中的社区识别精度更高.     

基于脑电的磁刺激神门穴脑功能网络研究

研究磁刺激神门穴状态下与静息状态下9名健康被试的脑电信号样本,分别构建两种状态下的脑功能网络,并对不同的网络测度进行分析.首次从复杂网络角度探索神门穴的治病机理,期望为穴位磁刺激疗法提供实验参考.分析结果表明磁刺激神门穴时脑电信号之间的关联系数值相比静息状态下降低,平均聚类系数、平均最短特征路径长度以及平均度在阈值区间均发生显著变化,小世界属性指标增强,并存在显著性差异(P<0.01).磁刺激神门穴状态下各节点通道间的紧密程度降低、连接情况较为松散、网络中各节点同步能力减弱、效率降低、网络规模减小,这时的大脑很可能处于一种比较镇静的状态而有利于睡眠的产生.     

利用链路预测推断网络演化机制

直接建立演化模型推测影响网络演化的因素是目前研究网络演化制的常用方法,但由于可供比较的结构特征量太多,不同的模型之间难以进行定量化的比较.链路预测是指利用网络的结构或者节点的属性息预测未产生连接的两个节点间产生连接的可能性.其本质是挖掘网络产生连边的原因和驱动力,这同时也是网络演化模型所关的问.实际上,一个演化模型原则上都可以对应于一种链路预测的算法.因此,助链路预测的理论框和评方法可以定量化地对不同演化模型所对应的链路预测算法进行评,从而间接地对演化模型的表现进行定量比较.本文首先绍于节点接近性的链路预测方法,然后讨论利用链路预测推测网络演化制的本框.在以中城市航空网络为例的实证分析中发现,当单独利用结构(共同邻居数目)和节点属性(地理位、人口、GDP和第三产业产值)作为定义接近性的因素时,于共同邻居的算法预测准确度最高,暗示网络演化主要受结构因素影响,其次才是外在因素.而将四种于节点属性的算法与于结构的算法耦合进行计算时,共同邻居配合第三产业产值效最好,与偏相关分析和因分析的结论一.本文为研究网络演化模型供了全新的视角和分析工具.     

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%.     

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。     

基于属性信息和结构特性的网络节点重要度研究

现有的节点重要度排序方法大多只针对网络的拓扑结构进行研究,忽视了网络节点自身所包含的属性信息.然而这些属性信息至关重要,却广泛存在不完备性,这些不完备属性信息与节点的重要性密切相关.针对这一问题,提出一种基于优势粗糙集理论和TOPSIS方法的网络节点重要度分析方法,融合网络结构特性和节点属性信息,克服了单一从拓扑结构分析的局限.最后,将本文所提出的方法应用于微博社交网络中的用户重要度评价,并与其他方法进行比较,结果表明,该方法的排序结果对节点在属性信息和结构特性的重要性进行了较好的综合,能全面地体现出各节点的重要程度.     

静息状态下脑网络建模及功能连接特性

实验采集静息状态下功能磁共振成像数据,经预处理后结合种子相关分析方法、t-检验法以及复杂网络理论和方法构建正常人脑功能网络.针对脑网络构建中种子相关分析法存在阈值设定随意性大的问题,引入两个原则,即设定的阈值需保证网络的整体性和小世界特性,使建立的脑网络模型充分具有实际系统的特征.在建模基础上进一步研究脑网络功能连接特性,发现网络具有明显的小世界特性;并通过计算网络中心化指标推测出后扣带回、楔前叶、楔叶以及顶上小叶等是静息状态下脑功能网络的关键脑区.     

节点属性的功能脑网络连接方法比较研究

为了比较构建功能脑网络时,不同功能连接定义方法所构建脑网络的可信度,弥补传统方法忽略网络结构特征的不足,提出了基于节点属性,通过多种网络结构属性,研究不同功能连接定义方法所构建功能脑网络差异的方法,比较功能脑网络的可靠性。实验结果说明,本方法对衡量网络连接定义之优劣非常有效。此外,实验结果还表明对于使用皮尔逊相关、偏相关与小波相关方法所构建功能脑网络边的可靠性而言,皮尔逊方法优于小波相关方法,偏相关方法略差于小波相关方法。     

基于节点属性的功能脑网络连接方法比较研究

为了比较构建功能脑网络时,不同功能连接定义方法所构建脑网络的可信度,弥补传统方法忽略网络结构特征的不足,提出了基于节点属性,通过多种网络结构属性,研究不同功能连接定义方法所构建功能脑网络差异的方法,比较功能脑网络的可靠性。实验结果说明,本方法对衡量网络连接定义之优劣非常有效。此外,实验结果还表明对于使用皮尔逊相关、偏相关与小波相关方法所构建功能脑网络边的可靠性而言,皮尔逊方法优于小波相关方法,偏相关方法略差于小波相关方法。