具有高聚类系数的加权网络演化模型

基于网络节点间三元组的形成,并结合随机游动提出一个加权网络演化模型.分析了网络的强度分布、权重分布、度分布以及聚类系数,结果表明模型生成的网络具有无标度特性,同时具有很高的聚类系数.     

可调路径长度和簇系数的加权无标度网络模型研究

以无权的高簇系数的Holme和Kim(HK)模型为基础,联系实际网络所应该具备的权重,引进了一种动态的赋权机制,提出了一种更大范围可路径长度和调簇系数的加权无标度网络模型.分析和仿真表明:大范围可调路径长度和簇系数的加权无标度网络模型不仅继承了HK模型的高聚类效应和无标度特性,且它的调节手段更丰富,调节范围更大,实现了...     

权重演化的加权网络节点重要性评估方法

节点重要度评估是研究网络可靠性和抗毁性的重要内容。针对现行方法在评价动态加权网络中的不足,提出了一种利用节点重要度贡献矩阵评价加权网络关键节点的方法,该方法综合考虑了节点位置以及邻接点贡献信息,认为每个节点对邻接点重要度的贡献与该节点的点权有关,选取节点效率作为NICM重要性初始值,能针对权值演化不断更新评估矩阵,最后与介数法、节点收缩法进行了对比分析,结果表明该方法可行有效。     

加权复杂网络的研究现状分析

复杂网络的研究已成为当今世界的核心科学问题之一,而现实世界中很多网络都是各个连接间具有不同权值的加权网络,采取一定的方法研究网络的静态统计特性、网络上的动力学特性和网络演化模型等方面的内容对现实的指导意义颇大。本文对加权复杂网络的研究现状及研究方法进行了分析。     

加权复杂二分网络模型

本文建立了一种加权的二分网络演化模型,并通过matlab仿真表明两类节点的度分布、边权分布和点权分布服从幂律分布特性,符合大部分真实网络的特性。     

基于复杂加权网络的移动协同空间分析

为解决移动协同空间的描述和分析问题，提出了一种移动协同网络，将协同空问中的终端及终端之间的关系分别映射为协同网络中的节点和边，同时定义两节点共有功能的数目为介于它们之间的边的权．通过定义节点的强度、聚类系数等参数，分析这些参数之间的关系，揭示节点在移动协同空间中所处的地位与其配置之间的关系，不仅为协同空间的构建和协同过程的监控提供了依据，也为协同伙伴的寻求和协同小组的划分提供了向导，说明复杂加权网络理论在移动协同空间分析中的应用是可行的．     

关于层次分析法中群体决策权重系数确定的探讨

给出了群组层次分析法中各决策者权重系数确定的一种距离分析法,给出具体算例,结果表明该方法操作简单实用,且公正客观.     

集群系数与度同类性之间的依赖关系

复杂网络已经成为研究复杂系统的强有力工具。该文主要探讨了网络的两个重要统计性质集群系数与度同类性之间的依赖关系,通过大量的实证统计发现,集群系数与度同类性满足指数衰减关系,即网络的集群系数越大,其度同类性反而越小。     

基于复杂网络的基金加权网络结构分析

为了探讨中国基金市场的网络结构,先通过二分网的单顶点网络构建了基金无向加权网络,再利用网络的基本几何统计量对网络结构特征进行分析.实证分析结果表明基金网络系统是小世界网络和同类匹配网络,并且网络度分布和点强度分布服从幂律分布.进一步分析,找到了这些网络特征的现实含义以及基金在股票投资中的一些特点.     

考虑边权减少的局域加权网络模型

进一步研究局域加权网络的演化机制,并建立了一个新的模型,使其能够反映网络中权值动态减小对网络演化过程的影响。本文通过理论分析,导出了这个加权网络模型的节点强度分布,发现它仍然具有无标度网络的幂率性质。数值仿真验证了理论分析的正确性,这个改进的模型具有更为广泛的实际背景。     

层次预处理的非负矩阵分解加权集成聚类算法

图像聚类是当前的研究热点，非负矩阵分解（non-negative matrix factorization, NMF）算法在图像聚类领域得到了广泛应用。但是单一的NMF算法无法应用于所有数据集，并且NMF算法直接在数据的原始空间进行处理，抗噪能力较差。集成聚类可以解决上述问题，集成聚类将若干个基础聚类结果合成一个一致性结果，不仅可以提高聚类的求解质量，还可以增强算法的鲁棒性。因此本文提出一种层次预处理的NMF加权集成聚类算法。该算法将层次划分、集成聚类和二部图的思想引入到NMF算法中。在预处理阶段，利用层次划分得到聚类数目。之后采用局部加权的方法得到协关联矩阵。最后利用基于二部图的一致性函数进行划分得到最终的聚类结果。在5个数据集上进行实验，验证了本文算法相对于传统算法和其他集成算法的有效性。     

无线传感器网络中基于能量的分级簇算法

针对无线传感器网络中传感器一次性电源供电的特点,提出用极大权中继集的根树模拟虚拟骨干网,构成高效能多级簇树;通过优先选择剩余能量高、与所有邻居交换信息耗能少的传感器节点为簇头的策略和定期更换簇头及移动基站的机制,减小和均衡每个传感器耗能,从而延长全网寿命．仿真结果表明了算法的有效性．     

基于BA模型高团聚性网络构造

介绍了复杂网络,指出BA模型在刻画真实网络上的不足,即团簇系数不高.在BA模型的基础上引入加边机制,提出了一种改进模型.数值模拟结果表明：在改进模型中,网络在保持BA模型无标度性质的同时,具有较高的团簇系数;网络的团簇系数C随改进模型中加边概率p的增大而增大,当p=1时,网络的团簇系数比同等规模的BA模型提高了约100倍.     

对层次聚类算法的改进

介绍了层次聚类算法的基本思想,在原算法的基础上,通过对类间距离进行预排序从而避免合并类时重新计算类间距离,该算法降低了计算的复杂度．实验表明,改进后的算法在与原算法聚类效果相同的情况下运行速度明显提高．     

一种新的层次谱聚类算法

提出一种新的聚类算法——层次谱聚类算法.该算法在传统二分的SM谱聚类的过程中嵌入了层次聚类算法,目的是为了提高谱聚类的聚类正确率,同时又利用谱聚类纠正了层次聚类过程中所得到的歪斜划分.实验结果表明:提出的层次谱聚类算法的聚类正确率比层次聚类算法、谱聚类算法的聚类正确率都要高,同时又纠正了层次聚类过程中的歪斜划分.     

一种基于网格的层次聚类算法

传统的凝聚层次聚类算法的时间复杂度为O(n3),由于时间复杂度太高而无法应用到大的数据集.针对这一问题,提出了一种新的基于网格的层次聚类算法,先用基于网格的方法进行一次微聚类,然后再用凝聚的层次聚类算法进行聚类.在进行凝聚的层次聚类时,提出了一种新的簇间距离度量方法,该方法采用簇中权值最高的代表点的最小距离作为簇间的距离.理论分析和实验结果表明,基于网格的层次聚类算法比传统的凝聚层次算法具有更高的效率和正确性.     

分层结构故障诊断中具有容错特性的聚类算法

分层结构方法是目前在复杂系统故障诊断中常用的方法．但由于电路系统中元器件的容错性问题,如直接采用一般的聚类方法,效果并不理想．因此,在构造加性模糊聚类模型的基础上,提出了一种适合电路容错特性的模糊聚类模型匹配算法．将各故障在特征空间中的容错区间作为集合,用Ｈａｕｓｄｏｒｆ距离测定集合间的相似程度来决定类别．文中用一个实用电路作为例子,采用本算法对故障集进行了聚类分析,并与模糊Ｃ－划分法进行了对比分析．结果表明,该算法是有效的．     

文本挖掘中的层次聚类算法

随着互联网中信息的日益增长,通过文本挖掘,快速、准确地检索信息和分类信息成为人们日益迫切的要求,具有广泛的应用前景和实用价值.依据信息论的思想,从文档信息量变化的角度,对文本数据从概率角度来研究文本数据的聚类分析,研究信息量在层次聚类过程中所呈现的规律性,进而提出一种基于信息量模型的聚类分析算法.