基于改进和声搜索算法的生存性网络设计

网络安全性越来越受到人们的关注,因此有必要设计经济、安全的网络.生存性描述了网络对中断的抵御能力,研究考虑生存性的网络设计问题,建立基于生存性的网络优化模型.为了有效地对模型进行求解,设计了基于概率的改进和声搜索算法.最后,通过实验验证模型的合理性和算法的有效性,并通过网络的生存性分析说明了生存性对网络结构和构建成本的影响.     

警报传播过程建模及影响因素

为了研究警报在社会关系网络环境中的传播特征及影响因素,基于多主体建模软件Repast仿真平台,以复杂系统和复杂网络理论为指导,在ER随机网络和WS小世界网络模型的基础上建立了警报的传播模型.对社会关系网络结构和信息源节点规则进行不同设置,通过对模拟结果的研究发现具有高聚类系数的网络结构和信息源选择高连接度的节点时,警报通知的传播效率明显提高.     

多关系社交网络中基于兴趣匹配的网络舆情传播模型

以网络爬虫方式获取新浪微博用户属性信息及微博内容数据,利用数据挖掘技术从中发现微博用户间的多种显式和隐式关系.在此基础上,提出一种基于半监督学习的用户兴趣匹配预测算法,参照仓室模型的传播个体状态划分方法,基于传播个体间的兴趣匹配度界定各状态之间的转移过程和转移概率,进而构建基于用户兴趣匹配的网络舆情传播模型.研究结果表明,该模型能够较好地描述社交网络中的舆情传播规律,重现网络舆情在社交网络中的真实传播过程链.     

基于Multiagent的突发事件网络舆情演化

针对突发事件的传播过程,采用定性与定量相结合的方法,提出了突发事件网络舆情传播的"五段六点"模式.根据贝叶斯概率原理,给出了Agent的决策规则,以网络结构的方式体现Agent之间的内在联系,建立了基于Multiagent分布的突发事件网络舆情传播模型.通过仿真分析Agent情感态的演化,验证了该模型的有效性,表明该模...     

径向基概率神经网络的结构优化算法研究

径向基概率神经网络（RBPNN）是在径向基函数神经网络（RBFNN）和概率神经网络（PNN）的基础上发展起来的一种新型的前馈神经网络（FNN）模型。该网络模型充分吸收了径向基函数神经网络和概率神经网络的优点,这种新的模型具有计算复杂度低、收敛速度快等优点。本文深入研究了径向基概率神经网络的结构优化算法,在遗传结构优化方法的基础上,提出一种新的两步学习算法,基于遗传算法的梯度学习算法。该算法一方面优化了网络结构,使网络结构尽可能的精简,另一方面有效地提高了网络的推广能力。     

网络视频病毒式营销探析

通过对《旱冰宝宝》网络视频引起的病毒式营销事件,以问卷调研的形式进行实证分析,探讨网络视频病毒式营销.对病毒式营销的概念和原理进行了界定,将其与电视广告等传统营销形式进行对比,挖掘出病毒式营销的特点,结合《旱冰宝宝》案例分析了网络视频病毒式营销获得良好广告效应的传播过程.通过对消费者进行体验式问卷调研的实证方法,运用因...     

加权短信网络上的谣言传播行为研究

基于实际短信网络的统计特征,提出了一种短信网络的加权演化模型,并在此模型上研究了谣言传播行为.考虑到边权是认可概率的关键影响因子,故改进了现有的谣言传播模型;通过改变边权弥散程度和网络结构参数,重点研究和分析了边权分布及聚类系数对谣言短信传播行为的影响.仿真实验表明:边权弥散程度越高,对谣言传播的抑制效果越好;聚类系数越高,谣言反而容易扩散蔓延.     

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。     

一种基于贝叶斯网络的故障预测方法

为了研究故障在复杂工程系统中的传播机制,根据关键节点的状态异常信息预测系统发生故障的概率,提出一种基于贝叶斯网络的故障预测方法.根据工程系统自身固有的网络拓扑结构,构建了多层贝叶斯网络模型,利用定性趋势分析法将时间信息融入网络节点中,使得网络具有处理时序信息的能力,便于进行故障传播机理分析和故障预测.提出了基于元器件健康度的根节点故障概率确定方法,针对完备数据集和非完备数据集,选择不同的参数学习方法确定贝叶斯网络的条件概率表,采用多树传播算法进行联合概率推理,由系统根节点运行状态推测其余节点的故障概率.算法在Quanser三自由度四旋翼直升机上进行了仿真应用,结果验证了该方法的可行性和有效性.     

随机需求多目标连续均衡网络设计

为考察多目标特性以及需求不确定性对网络设计的影响,假设OD(origindestination)需求服从双侧截尾正态分布,构建多目标连续均衡网络设计的双层规划模型。上层规划以系统出行时间的期望最小、路网服务水平可靠性最大和投资预算最小为目标,下层规划采用用户均衡分配刻画出行者路径选择行为。给出基于蒙特卡洛仿真的多目标遗传求解算法,采用测试网络验证模型和算法的有效性。研究结果表明:采用多目标连续均衡网络设计模型可以获得多个非劣解供决策者选择;不同目标之间存在明显的相关关系,尤其是投资手段存在明显的边际递减效应,宜结合交通管理措施共同使用。     

双层规则随机网络上伴随意识衰败的模型分析

考虑双层网络的SAIS模型,其中警觉者由于意识衰败可能成为易感者。用逼近Markov过程的方法推导基于个体的伴随意识衰败的信息传播SAIS模型。在规则随机网络下,分析了模型的动力学行为.证明了伴随意识衰败,信息传播的SAIS模型的第二阈值消失。     

基于交互频率的动态网络上的社会知识传播研究

知识传播过程和社会网络结构的演化往往是同步进行的.基于交互频率的动态网络社会知识传播模型(SKD)在知识传播过程中,随机选取的目标节点会依据与邻居节点的交互频率来决定知识传播的对象,或者断边重连到网络中的任意一个非邻居节点.将SKD模型与随机化模型和基于知识距离的传统知识传播模型(TKD)做了对比实验,实验结果表明:SKD模型的知识传播速度要快于随机化模型和TKD模型;更重要的是,SKD模型在网络结构演化过程中呈现出同配性,网络结构的同配性是社交网络的一项基本结构属性.该工作对于理解知识传播和网络结构的联合演化过程具有十分重要的意义.     

基于最优特征提取的网络入侵检测设计

在网络空间中,信息交互伴随着信息的泄露和网络结构的瘫痪,需要对网络入侵特征进行有效拦截,实施中断保护,保障网络安全。传统的入侵中断保护方法采用监控列表自校正分离方法,对强干扰下的入侵病毒的识别效果不好。提出一种基于最佳特征提取选择的网络入侵端口中断保护模型。首先构建网络结构模型和入侵信号模型,设计网络入侵端口中断保护模型,采用最佳特征选择算法实现网络入侵中断端口保护模型改进。仿真结果表明,采用该模型能有效实现对网络入侵的信号特征提取,指导入侵端口中断保护,提高网络入侵特征识别和检测能力。     

截断随机出行时间下可靠网络均衡模型

针对现有随机交通网络均衡模型未考虑路径出行时间的有界性和准时到达概率对出行者路径选择行为影响的问题,基于截断随机出行时间,提出了克服其局限性的可靠网络均衡条件,该均衡条件下没有出行者可以通过单方面改变出行路径来提高准时到达概率.构建了该均衡条件的等价变分不等式(VI)模型,并证明了其等价性和解的存在性.设计了基于路径的相继平均(MSA)算法对模型求解.采用Nguyen-Dupuis网络对可靠网络均衡模型和MSA算法的有效性进行了测试.研究结果表明:该算法能够快速收敛到较高精度;与不考虑随机出行时间有界性的模型相比,网络均衡状态下的准时到达概率和流量分布均存在差异,最大路段流量相对变化值达到38.5%;增加出行时间预算和降低出行时间上界均可以有效提高起讫点间的准时到达概率.     

基于概率定位的稀疏无线传感器网络

节点定位是当前无线传感器网络非常重要的一个课题。针对无线传感器的网络节点定位设备过于复杂,成本较高的问题,提出了基于概率定位的算法。该算法在相邻节点间使用步数器和基于概率的测距定位方法,与当前的多数要求良好网络连通性的方法不同,该方法有效解决了稀疏网络下的节点定位问题。根据所设计的实验模型,用实际结果对该算法进行了验证,该算法在稀疏网络中性能良好,具有实用价值。     

基于图神经网络的社交网络影响力预测算法

近十年来,通过社交网络（如微博、推特）分享信息已经成为人们日常生活中不可缺少的一个环节,如何有效地预测信息传播的影响力成为社交网络研究中的重要课题,不论是识别病毒式营销和虚假新闻还是精确推荐和在线广告都有许多应用.目前,一些应用深度学习进行社交网络影响力预测的方法已经取得了一定进展,但在进行深度学习时仍会面临以下难点：用户通常具有不同的行为和兴趣并且他们同时通过不同的渠道进行互动;用户之间的关系难以检测和形式化表达.传统的社交网络影响力预测方法通过设计复杂的规则来手动提取用户及其所处网络的特征信息,这一方法的有效性严重依赖于设置规则的专业性,所以很难将某一领域的规则推广到其他领域的应用中去.基于深度神经网络模型,设计一种端到端的神经网络来学习用户的隐藏特征信息以预测其社交网络影响力.首先通过图嵌入的方式对用户的局部网络进行特征提取,然后将特征向量作为输入对图神经网络进行训练,从而对用户的社会表征进行预测.该方法的创新之处：运用图卷积和图关注方法,将社交网络中用户的特征属性和其所处局域网络特征相结合,大大提高了模型预测的精度.通过在推特、微博、开放知识图谱等数据集上的大量实验,证明该方法...     

小世界网络上的手机短信息传播模型

建立了基于小世界网络手机短信息的传播模型,利用该模型研究了网络的近邻数和手机用户的信息转发概率对手机短信息传播的影响.     

基于图嵌入法的时序网络链路预测研究

时序网络因为其复杂的动态结构和非线性拓扑特征,一直都是复杂网络和链路预测研究的重点.因为网络结构会动态变化从而导致常用的基于静态网络的方法不再高效适用.本文基于图嵌入方法,提出了一种适用于时序网络的链路预测算法,其核心是改进链路预测中粒子的随机游走过程,使其基于网络结构特征进行有偏向转移.其次,考虑到时序网络中历史信息的影响,在有偏向转移的基础上定义一种粒子的全局转移概率,这种转移概率重点计算最近时刻的信息同时也会考虑历史信息.经过实验例证,本文提出的方法较传统基准指标有较大的提升.     

考虑居民选择行为的过期药品逆向物流网络设计

过期药品逆向物流网络设计成为医药安全领域迫切需要解决的关键问题.本文考虑居民的选择行为,引入回收企业对居民区以及政府对回收企业的补贴激励,构建了基于双层规划的过期药品逆向物流网络优化模型,并设计了求解该模型的分层遗传算法,通过算例得到了不同方案下过期药品逆向物流由分散到集中的网络结构.此外,考虑两种激励策略及模型参数的影响,设计四个实验进行分析讨论,研究表明：同时加大对医药企业及居民区的补贴策略更有利于调动企业及居民参与回收过期药品的积极性;企业成本与居民区成本存在此消彼长的相互作用关系;单位药品运输成本对居民区成本有较大影响,而居民区拥有过期药品的数量对企业和居民区成本均有明显影响.     

BICM-ID系统中的均匀重加权迭代译码算法

针对LDPC编码的BICM-ID系统,建立了正规因子图模型。从消息更新规则的角度,运用变分方法统一解释了均匀重加权置信传播算法和标准置信传播算法。将均匀重加权方法提高性能的特点与置信传播的特性相结合,推导出均匀重加权迭代译码算法,讨论了边出现概率对算法性能的影响。分别在高斯白噪声信道和不同调制方式下进行仿真实验。结果表明,提出的均匀重加权迭代译码算法性能均优于标准置信传播和差分映射置信传播等迭代译码算法。