复杂网络中BA模型及其几种扩展模型的比较

本文从统计力学的角度分析和考察了无标度网络的基本特征,主要介绍了无标度网络最常用的动力学模型——Barabási—Albert模型以及两种以其为基础的修正模型的构造原理,总结分析以上模型设计上的不足,并据此提出了一个以BA模型为基础的改进思路.     

利用复杂网络来研究tRNA序列的进化

根据点突变和互补复制的进化机制构建tRNA序列相似度平行网络和反平行网络并研究了网络的特征．分析发现当相似度很大时，tRNA基因网络出现了无标度（scale—free）的特征．其次，还比较了平行网络和反平行网络的特征，发现在相同的条件下，反平行网络中的tRNA序列间的关系比平行网络中更密切，它们之间的相似程度更高．这同时说明现代tRNA序列由互补复制机制进化的可能性更大．最后根据点突变和互补复制的进化机制建立了一个粗糙的tRNA进化模型．结果发现模型tRNA相似度网络在0．3≤ε≤0．5条件下，不仅和真实tRNA相似度网络有局部的相似行为，而且网络的整体行为也是相似的．因此现代tRNA序列的合理的进化机制应该是上述两种机制的混合．     

基于SUKF与SIFT特征的红外目标跟踪算法研究

针对复杂红外背景下单一跟踪算法难以准确定位运动目标的问题,提出了基于尺度无迹卡尔曼滤波(SUKF,scale unscented Kalman filter)与尺度不变特征变换(SIFT,scale invariant featuretransform)相结合的红外运动目标跟踪方法。首先,通过SUKF算法对状态空间进行滤波估计,确定运动目标的初步位置,并以此建立局部SIFT特征检测域。其次,SIFT算法在该局部检测域内对运动目标进行特征提取与匹配,最终实现对目标的准确定位;同时,利用定位结果更新并校正SUKF的状态模型。实验结果表明,本文提出的基于SUKF-SIFT的跟踪策略与相关算法相比,体现出较好的跟踪效果与实时性能。     

CNFs/CS对重金属离子的吸附性能研究

文章用冷冻干燥法制备纤维素纳米纤维/壳聚糖(cellulose nanofibers/chitosan, CNFs/CS)复合材料，并通过傅里叶变换红外光谱(Fourier transform infrared spectroscopy, FTIR)仪和X射线光电子能谱(X-ray photoelectron spectroscopy, XPS)仪对其进行表征，结果表明，CNFs/CS表面有丰富的官能团，如—NH₂、—COOH和—OH。通过批量吸附试验，对CNFs/CS去除废水中Cu(Ⅱ)、Cd(Ⅱ)的条件进行优化，并对试验数据进行动力学模型和吸附等温模型拟合，结果表明，CNFs/CS对Cu(Ⅱ)、Cd(Ⅱ)的吸附均符合拟二阶动力学模型和Langmuir等温模型，且其对Cu(Ⅱ)、Cd(Ⅱ)的最大吸附量分别为181.81、187.89 mg/g;同时热力学分析结果表明，该吸附是自发的吸热过程。     

基于注意力机制和尺度均衡金字塔网络的目标检测

在目标检测领域中,基于预先是否对预测框与标注框进行关联,可分为anchor based与anchor free两种方法.Anchor based多应用于早期目标检测方法中,能够提升检测准确率,但过程复杂且计算量较大,因此会增加模型训练时间与推理速度,从而导致应用效率大大降低.而基于anchor free的方法去除了关于anchor的冗余计算,提升模型推理速度,但同时也牺牲了一定的准确率.结合二者的优点并基于anchor free方式对FCOS检测器做出改进,使得模型拥有anchor based方法的准确率和anchor free方法的推理速度.主要从以下两个方面进行研究：1)以anchor free方法为基础,如何使骨干网络有效提取特征.2)以anchor free方法为基础,在检测器中嵌入特征金字塔网络.从上述两方面,提出了一种基于注意力机制和尺度均衡金字塔网络的目标检测模型.在COCO数据集上,无论是属于anchor based方法的YOLOv3,Faster RCNN,还是属于anchor free方法的Foveabox, FSAF,FCOS,在所提方法的加成下都获得了更高的准确...     

基于信道容量估计的一种认知无线电路由算法

针对传统的路由协议不适合在认知无线电网络中使用的问题,提出一种基于信道容量估计的路由算法—CRNRA( cognitive radio networks routing algorithm),该算法综合考虑了主用户可容忍的干扰以及主用户对感知无线( cognitive radio,CR)用户的干扰,对节点间的信道容量进...     

多深度学习模型决策融合的齿轮箱故障诊断分类方法

针对齿轮故障诊断中单一传感器采集信息不完全、容错性不佳及一种神经网络模型具有局限性,传统信号处理技术提取特征困难等问题,提出了多深度学习模型决策融合的齿轮箱故障诊断分类方法,构建了基于卷积神经网络(convolutional neural networks, CNN)和改进堆叠降噪自动编码器(stacked denoising autoencoders, SDAE)的混合网络模型,根据改进的Dempster-Shafer(D-S)证据理论实现决策级融合诊断。以时频信号作为CNN的输入,以频域信号作为SDAE的输入,采用Adam优化算法和dropout、批量归一化技术训练该混合模型。实验结果表明：利用该融合方法对齿轮进行故障诊断相比单个的网络模型CNN和SDAE诊断正确率有所提高,为齿轮故障智能诊断分类提供了新路径。     

多孔介质孔隙尺度下不可压缩流体流动特性SPH模拟

基于孔隙尺度下的多孔介质模型,使用光滑粒子动力学(SPH)数值模拟方法研究多孔介质中不可压缩流体流动现象,分析流体在孔隙尺度下的流动特性.首先通过模拟经典的Poiseuille流和Couette流验证方法的正确性.随后,针对流体在分别由圆柱和方柱为骨架构造的规则多孔介质内的流动情况,同时使用SPH方法和有限元法(FEM)进行模拟,所得的结果十分吻合.最后利用SPH方法对流体在基于贝雷岩心获得的多孔介质模型和以同尺度的圆柱为基元构造的一种人工随机多孔介质模型内的流动进行模拟,证明平均流体速度和单位质量体积力具有很好的线性关系.     

基于MSPA和MCR模型的襄阳市生态网络变化研究

构建生态网络并对不同时期的生态网络变化趋势进行分析,这在生态环境修复方面具有重要的指向性意义.本研究以襄阳市为研究区,基于形态学空间分析(MSPA)方法和最小累积阻力(MCR)模型构建襄阳市1997—2017年的生态网络,结合整体连通性指数(ⅡC)、可能连通性指数(PC)、中介度指数(BC)和斑块节点度指数(Dg)对景...     

域F(z)上无源电网络节点电压输出方程模型的研究

为了利用计算机智能化地分析无源和有源电网络实数域和域(z)上的结构性质,介绍了无源电网络节点电压输出方程的分析方法,并详细推导了含独立源电网络域F(z)上的节点电压输出方程的数学模型.     

竞争行为所导致的小世界网络产生

利用最优化思想在二维平面上构建了一简单模型来模拟小世界网络形成过程中竞争因素的作用．网络中的点代表站,比如现实中运输网络中的车站、城市,神经网络中的神经元等;连线代表交通连线,例如铁路、公路等．另外本模型中引入了经济学中的收益来表示网络形成过程中各点的性质变化．     

Efficient Algorithm for Energy-Aware Virtual Network Embedding

Network virtualization is a promising approach for resource management that allows customized Virtual Networks(VNs) to be multiplexed on a shared physical infrastructure. A key function that network virtualization can provide is Virtual Network Embedding(VNE), which maps virtual networks requested by users to a shared substrate network maintained by an Internet service provider. Existing research has worked on this, but has primarily focused on maximizing the revenue of the Internet service provider. In this paper, we consider energy-aware virtual network embedding, which aims at minimizing the energy consumption for embedding virtual networks in a substrate network. In our optimization model, we consider energy consumption of both links and nodes. We propose an efficient heuristic to assign virtual nodes to appropriate substrate nodes based on priority, where existing activated nodes have higher priority for hosting newly arrived virtual nodes. In addition, our proposed algorithm can take advantage of activated links for embedding virtual links so as to minimize total energy consumption. The simulation results show that, for all the cases considered, our algorithm can improve upon previous work by an average of12.6% on acceptance rate, while the consumed energy can be reduced by 12.34% on average.     

Internet动态节点特性的层级相关性研究

为了探究Internet拓扑动态节点演化特征的层级相关性,基于CAIDA项目授权的海量数据,结合网络科学的思想,分析了不同尺度下网络结构的演化机制.针对IP级与AS级拓扑,对层级与节点动态特性的相关性进行了分析,其中包括新生与消亡节点的动态变化比例、偏好依附、稳定连接数目等多个特性.结果表明:IP级拓扑节点的新陈代谢比AS级旺盛,IP级拓扑新生节点的非优先连接“偏好”比AS级稳定,新生连接中IP级拓扑的稳定连接数较多.IP级与AS级动态节点的演化有本质不同,为理解Internet的演化机制提供了基础.     

基于图注意力和特征融合的链路预测方法

链路预测是一种还原网络缺失信息的方法，通过当前已观察到的链路，预测实际存在但未被观察到的链路或可能出现的新链路.当前链路预测主要是基于图神经网络的深度学习方法，相比基于规则的启发式方法，前者可有效利用网络拓扑结构信息，较大地提升了网络链路预测性能，并可应用到类型更广泛的网络中.但是现有基于图神经网络的方法，仅利用网络中节点相对位置信息，忽视了节点基本属性和链路的邻居信息，且无法区分不同节点对链路形成的重要程度.为此，本文提出一种基于图注意力网络和特征融合的链路预测方法.通过增加节点的度、链路的共同邻居数量和共同邻居最大度等特征，丰富了网络的输入特征信息.本文首先提取以目标节点对为中心的子图，然后将其转化为对应的线图，线图中的节点和原图中的链路一一对应，从而将原图节点和链路信息融合到线图的节点中，提升了特征融合的有效性和可解释性.同时本文使用图注意力机制学习节点的权重，增强了特征融合的灵活性.实验表明，本文所提出的方法，在多个不同领域数据集上的AUC和AP均超过90%,在已观测链路缺失较多时，预测性能保持80%以上，且均优于现有最新方法.     

无线传感器网络通信链路评估问题

研究了现有典型的无线传感器网络链路质量评估量度,针对单次RSSI,LQI的链路评估不准确问题,提出了均值RSSI,均值LQI链路评估方法;以MicaZ为实验平台,对无线传感器网络的通信链路进行了实验研究.在对大量采样值进行统计分析的基础上,提出了一个基于高斯分布的链路评估模型,并对模型进行了验证.该建模方法具有一般性,所建立的高斯链路评估模型既可为无线传感器网络的实际应用提供依据,又可为上层协议的仿真研究提供有价值的参考.     

基于搜索效率的复杂网络多模型并行演化分析

很多真实的复杂网络呈现无标度性．但是,这些网络为什么在增长过程中遵从优先连接规则？现有研究尚未给出有力的解释．一个合理的猜想是：这些网络如果不遵从优先连接规则,则将处于不利的地位．为证实这一猜想,采用搜索效率作为评价指标,量化评价不同演化模型的优劣．首先提出一种新的复杂网络并行演化模式,使得同一网络中不同的局部遵从不同的演化模型,从而在统一的基础上比较不同演化模型搜索效率的优劣．以BA无标度网络、WS小世界网络和随机网络为基础,构建了异质复杂网络．其次,采用随机游走搜索策略和DS最大度搜索策略,比较遵从不同演化模型的异质子网的搜索效率,力图解释复杂网络中演化模式同质化的原因．实验发现一种“信息壁垒”现象,即处于劣势的网络模型,其所属节点很难被其他模型的节点访问到．实验结果表明：对于以搜索为重要功能的复杂网络,无标度网络具有最强的适应性,从而在一定程度上解释了无标度现象在众多现实复杂网络中存在的原因．     

Structural Fault Tolerance of Scale-Free Networks

The fault tolerance of scale-free networks is examined in this paper. Through the simulation on the changes of the average path length and network fragmentation of the Barabasi-Albert model when faults happen, it can be observed that generic scale-free networks are quite robust to random failures, but are very vulnerable to targeted attacks at the same time. Therefore, an existing optimization strategy for the robustness of scale-free networks to failures and attacks is also introduced. The simulation similar with the above proved that the so-called (1,0) network has potentially interconnectedness closer to that of a scale-free network and robustness to targeted attacks closer to that of an exponential network. Furthermore,its resistance to random failures is better than that of either of them.     

Uncovering the overlapping community structure of complex networks in nature and society

Many complex systems in nature and society can be described in terms of networks capturing the intricate web of connections among the units they are made of. A key question is how to interpret the global organization of such networks as the coexistence of their structural subunits (communities) associated with more highly interconnected parts. Identifying these a priori unknown building blocks (such as functionally related proteins, industrial sectors and groups of people) is crucial to the understanding of the structural and functional properties of networks. The existing deterministic methods used for large networks find separated communities, whereas most of the actual networks are made of highly overlapping cohesive groups of nodes. Here we introduce an approach to analysing the main statistical features of the interwoven sets of overlapping communities that makes a step towards uncovering the modular structure of complex systems. After defining a set of new characteristic quantities for the statistics of communities, we apply an efficient technique for exploring overlapping communities on a large scale. We find that overlaps are significant, and the distributions we introduce reveal universal features of networks. Our studies of collaboration, word-association and protein interaction graphs show that the web of communities has non-trivial correlations and specific scaling properties.     

边定向方法对随机网络抵制级联故障鲁棒性的影响

针对复杂网络抵制级联故障的鲁棒性问题,考虑节点权重和边的方向,通过扩展经典的全局介数方法定义节点负载,提出了新的随机网络级联故障模型.应用三种边方向确定策略,在具有单向边和双向边的随机网络上探讨了级联故障行为,分析了全局负载分布机制下定向边对网络抵制级联攻击鲁棒性的影响.仿真结果表明,对于随机网络,所使用的边定向方法均可以使得网络更加鲁棒.但是,不同的边方向确定策略和单向边比例对随机网络抵制级联故障鲁棒性的优化效果影响不大.     

一类时空切换动态网络的稳定性

复杂动态网络由一批相互连接的节点组成,每个节点足一个动态系统．基于实际中网络的切换现象,提出并研究了时空切换动态网络的稳定性．通过构造切换型Lyapunov函数。得到了一类离散型动态网络在任意时空切换律下的渐近稳定性条件．例子和仿真说明了所得结果的有效性．