论网络符号存在的合理性

网络语言应该叫做网络符号。因为其实质和文字是一致的 ,都是以形示意 ,所以其存在也是合理的。     

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.     

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.      

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。     

基于多目标优化的符号网络社区检测算法

符号网络可以描述实体之间的多种关系,对符号网络中的社团检测可以挖掘出其中的有效信息.同时考虑连接密度和连接符号,将社团发现问题建模为一个多目标优化问题,基于MOEA/D框架,提出一种改进的符号网络社团发现算法,设计了基于字符串的编码方式、预分区策略、交叉合并策略、变异方式等.实验结果表明,本算法可以有效检测出社团结构.     

含奇异网络元件的全符号网络函数分析

本文研究含有nullor元件的一般线性时不变网络的全符号网络函数。定义了电压图、电流图及公共树后,不需电路变换,也不需构成信号流图,就可以用数码运算产生符号网络函数.     

社群网络中基于链接分类的研究与应用

由于在互联网、电信、生物信息、社会网络分析等领域可获得的链接丰富的数据日益增多,链接挖掘已经成为数据挖掘的研究热点。基于链接分类是链接挖掘的一个重要方向。在此以电信领域用户通话特征数据为对象,研究了基于链接分类技术及其在电信客户流失预测的应用方法,在提取并分析大规模客户呼叫图的极大团、结点膨胀率、结点聚集度等与节点稳定性相关的链接属性及其时变特征的基础上,提出了一种适合海量数据的基于链接的电信客户流失预测算法。实验结果表明,此算法较传统分类算法能提高客户流失预测性能,实现了基于链接分类方法的成功应用。     

虚拟社群的分类研究

虚拟社群已经成为当前网络发展的一个重要内容,从bbs到新浪微群,虚拟社群出现在当代人网络生活中的各个角落。文章关注虚拟社群发展,提出了虚拟社群分类研究的学术价值,陈述了虚拟社群的一些特点,探讨了学术研究领域虚拟社区和虚拟社群的区别。提出了虚拟社群的三个分类依据,即形成原因、存在时间和发展状况、所产生的影响,概括了虚拟社群未来的发展方向以及对未来网络舆论发展的影响。     

基于进化计算的符号网络社区检测

符号网络是一种具有正负项关系的社会网络,对其社区结构的检测可以挖掘其中有用的信息.将符号网络划分为全正和全负的子矩阵分别进行操作,同时引入更加适合符号网络社区检测的相关策略,如基于标签传播的种群初始化、改进的双点交叉算子、带局部搜索的突变算子等.在基准网络和随机网络上的测试数据表明,本文算法具有较好的检测社区检测效果.     

图的反全符号控制数

设G=（V,E）是一个非空图,对于一个函数f∶V（G）∪E（G）→{-1,1},则称f的权重为w（f）=∑x∈V（G）∪E（G）f（x）。若x∈V（G）∪E（G）,定义f[x]=∑y∈NT[x]f（y）。如果对所有的x∈V（G）∪E（G）都有f[x]≤1,则称f是图G的一个反全符号控制函数。G的反全符号控制数定义为γ＊...     

一种信任关系网络中的社团结构检测算法

针对群智计算和感知服务中不可信服务节点可能引入的安全威胁问题,提出了一种基于节点间信任关系网络的社团结构检测算法。该算法通过分析信任关系网络的功能和结构特点,引入连接的方向和权值因素,建立有向加权网络模型,定义最优路径相似度作为节点聚合标准,提出社团离散指数作为评价函数控制检测过程,从而准确识别信任关系网络中的可信节点集合,为服务节点选择提供参考。算法引入节点相似度阈值和归属判定指数控制社团聚合,与误分类节点再筛选环节配合,有效降低了检测过程中的节点误判概率,有针对性地设计社团离散指数作为评价函数,动态评估检测结果并调节聚合参数,保证了社团结构检测结果的准确率及合理性。实验结果表明:该算法能够有效实现信任关系网络中社团结构的检测与识别,与已有算法相比,检测准确率提高了5.88%。     

交联网络中的可重叠社团结构分析算法的研究

社团结构是复杂网络呈现出的一个重要特征。现有的社团结构分析算法都是针对非交联结构的复杂网络,并且大多数是将网络划分为若干相互分离的社团,无法对彼此重叠、互相关联的社团结构进行分析。本文根据交联网络的结构特点,提出了交联网络中可重叠社团结构分析算法（IBCPM算法）。本文利用该算法对用户收藏文章的交联网络进行了社团结构分析,并对所获得的社团结构进行了统计分析。实验结果显示了该算法的有效性及效率,并且发现社团重叠量的累积分布与节点所属社团数的累积分布也具有幂律分布的特征。     

基于量子模糊聚类算法的复杂网络社团结构探测

研究了复杂网络的社团结构特性,探讨了复杂网络的社团结构探测算法.针对现有算法中判断社团结构时的主观性问题,提出了量子模糊聚类算法,并将该算法用于复杂网络社团结构的探测.实验结果表明:该算法可以准确、有效地探测到网络中实际存在的社团结构.     

城市静态网络交通流研究

基于BML模型,将城市道路设置为10×10条道路的二维静态网络,在开放性边界条件下,研究不同消失概率、车辆长度、最大速度及红绿灯周期与绿信比等影响因素对东西向车道和整个网络交通流特性的影响,再现与实际交通相一致的非线性现象。     

一种基于核心节点跳转的局部社区发现算法

针对现有算法受给定节点位置的限制而影响社区发现的稳定性和准确性问题,提出一种基于核心节点跳转的局部社区发现算法,避免从给定节点直接聚类,而是先搜寻给定节点附近的核心节点,并围绕核心节点向外扩张,根据节点适应度聚类邻接节点以构建核心节点子团;并根据子团相似度进行合并,从而得到给定节点所属的局部社区结构.在计算机生成网络和真实网络上的实验和分析证明,该算法能够有效地提升局部社区发现稳定性,并改善局部社区划分的准确性.     

一种基于社区的机会网络路由算法

针对采用社区划分策略的机会网络路由算法在消息传输过程中存在时延过长、冗余转发的问题,提出一种基于社区的机会网络路由算法Routing algorithm for Opportunistic Networks based on Community(RONC),通过充分利用通信重叠区域内的节点转发消息,优化转发节点判定机制,重设消息传输条件,降低消息转发次数,从而提高消息传输成功率,降低传输时延。理论分析和仿真结果显示:RONC算法在平均端到端时延、转发效率和平均存储时间等方面均优于经典的Epidemic routing算法、Prophet routing算法及其改进算法Community-driven Hierarchical Message Transmission Scheme(CHMTS)。     

基于模糊均值的细菌群体趋药性复杂网络社团结构发现

复杂网络的社团发现问题是网络数据挖掘中的重要问题之一.利用基于模糊C均值的细菌群体趋药性算法最大化网络的模块度,算法中模糊C均值的初始值由群体细菌取药性算法获得.模糊C均值算法在此基础上发现复杂网络的社团结构.其创新点在于最佳模块度的寻找.实验结果表明:该算法具有对现实世界网络社团划分的可行性和有效性.     

钢屋盖结构全自动优化设计系统

介绍了基于钢屋架设计标准图而开发的一套钢屋盖结构全自动优化设计系统 .该系统不但对截面进行了优化设计 ,而且还借助于节点模的思想实现了施工图的输出功能 .由于该系统是对标准图的进一步拓展 ,所以具有广泛的应用和推广前景 .     

群落网络中信息传播规律的研究

【目的】介于具有群落结构的复杂网络上信息传播的现实意义,本文对其传播规律进行了研究。【方法】通过随机交叉换边的方法调节群落网络的模块化强度,计算在不同的外部边数量下传播源所在群落、任意群落和网络整体的传播特性。【结果】对网络整体而言传播范围先变大后变小,最大值对应于集聚系数和外部边数量之间竞争的平衡点;增加传播源的数量会使得最优传播范围对应的外部边数量增加;就单次传播来说非传播源所在的群落的传播范围可能大于、小于、或大或小于传播源所在的群落。【结论】在群落网络中,信息的传播情况非常复杂,若要深入研究信息在群落网络上的传播行为,应具体问题具体分析。     

采用链路聚类的动态网络社团发现算法

针对当前基于节点的动态网络社团结构发现算法难以发现稳定的社团结构的问题,提出了一种采用链路聚类的动态网络社团发现算法(LDC)。该算法首先从链路的角度得到网络的链路图结构;然后对比不同时刻的链路图结构,将动态网络中节点的添加与移除以及边的添加与移除等复杂的变化信息简化为链路添加和链路移除2种增量变化信息;再在前一时刻社团结构的基础上以改进的链路划分密度函数对增量变化信息中变化的链路进行处理,判断该链路是否加入到社团中从而得到最优的社团结构;最后将得到的链路社团转化成为最终的节点社团结构。实验结果表明,相比于当前基于节点的动态社团发现算法,LDC算法能够有效地发现网络中结构稳定的社团结构,其模块度值和标准化互信息值至少提高了0.19和0.13,且算法的运行效率要明显优于基于节点的动态社团发现算法。