复杂系统的标度律与层次结构分析

为了对复杂非线性系统的特性进行分析,将用于分析湍流信号的标度律和层次结构理论,推广到对人脑电图、图像灰度分布和英文小说随机字母的分布等复杂信号进行统计分析.结果发现:这些复杂信号与湍流信号一样,也具有很好的扩展自相似ESS(extended self similarity)标度律和较明显的层次结构或相似律(Hierarchical Structure,简称HS层次结构理论).说明ESS标度律与SL层次结构理论具有定量刻画一般复杂信号统计规律的能力,它对揭示存在于一般复杂系统结构中的多尺度、多涨落和多强度(或激发状态)的统计自相似特性具有一定的普遍指导意义.     

复杂网络中的微积分思想

通过对复杂网络经典BA模型和其扩展模型中的网络度分布研究,介绍了在复杂网络中运用微积分思想计算复杂网络度分布的方法;具体通过微积分给出了网络的度分布的分析求解过程.     

虚拟现实中的建模层次结构

本文提出了一种新的虚拟现实建模层次结构 ,对虚拟现实中的建模任务进行了合理、有机的划分 ,从模型的结构上解决了传统建模方法的不足 ,并能够更好地利用现有的建模方法。将这种建模层次结构应用于虚拟生命建模 ,可以取得较好的效果     

复杂网络中的病毒传播机制研究

通过复杂网络技术构建了病毒传播模型,并对SIR进行了较为细致的介绍,并对无标度网络的生成算法、传播算法和3种传播机制进行了程序验证,对验证结果进行对比分析并对生成的无标度网络进行度的统计.     

复杂网络中的级联失效研究进展

随着网络科学的发展和复杂系统理论的兴起,学者们开始对复杂网络的结构和动力学特性展开深入研究。在复杂网络动力学特征中,级联失效作为复杂网络动力学特征中重要的研究领域之一,描述了一个系统或过程中的一个故障或错误导致其他相关组件或环节的连锁反应性故障。学者们针对复杂网络中的级联失效提出了多种级联失效模型和恢复策略。本文对级联失效的发生机理进行了分析,总结了国内外针对复杂网络中级联失效的研究成果,并概括了应对级联失效的恢复策略,同时指出了现有研究存在的问题与不足之处,为未来的研究提供了一定的思路。     

人类行为、复杂网络及信息挖掘的统计物理研究

通过实证统计与理论模型分析相结合对复杂系统进行研究是一种全新的认识和探索.建议从人类行为的统计特性、复杂网络同步与复杂神经网络、信息挖掘与复杂网络链路预测3个方面,基于大量的实证统计和分析,结合有效的动力学模型,针对人类自身行为的规律特性、社会个体之间的相互作用、神经系统的动力学演化、信息的有效推荐和网络演化的有效预测等重要问题,运用统计物理理论进行全方位的探索,深入挖掘各种决定复杂系统演化过程的基本机制与规律.     

社会网络中的社区挖掘算法研究

结合点社区和边社区的优点,对边社区结构,采用网络中的局部信息进行挖掘,以边适应度和点相似性为基础,提出了新的社区挖掘算法.根据特定的中心性原则设定一条初始的边作为种子,为了得到该边所在的局部社区的社区结构,不断最大化一个适应度函数,并通过基于点相似性的模块度函数来进行边界点识别.     

层次结构网络监控系统设计及实现方法

介绍了一种通过简单网络管理协议SNMP、信息控制报文协议ICMP和IBM公司MQSeries中间件，设计的一种层次结构的网络监控系统。该系统实现了对网络线路、网络设备及各类应用服务器的实时监控。     

中心方法在复杂网络中的比较

在复杂网络分析中,中心性分析已经显示出是一种很有价值的方法。它用来检测网络中的关键点以及对网络元素进行排序。为了支撑这种分析,文中讨论了5种中心性方法,并且在一个人工网络和2个实际网络中展示了它们的应用。这些方法的运用显示了在某种网络中有某种较强的关联,但在另一种网络中有较弱的关联。分析表明:对于复杂网络分析,几种方法应当同时考虑。     

复杂系统在城市交通网络中的应用

 面对日益严重的城市交通问题,分析和研究城市交通复杂网络的特性,对解决城市交通相关问题和合理规划城市布局具有十分重要的实际意义。本文首先介绍了复杂系统相关理论知识,包括复杂系统研究中常用的几种统计特性和不同拓扑结构下的复杂网络的发展历程;然后从交通流问题、不同拓扑结构对交通网络的影响、网络中心节点、级联失效现象和网络稳定性5个方面分析了复杂网络在城市交通系统中的应用;最后对复杂系统在城市交通网络中的未来研究方向和发展趋势进行了展望。     

复杂网络初探

讨论了复杂网络的基本概念,重点介绍了小世界网络和无标度网络,提出了一些值得进一步研究的复杂网络问题.     

探讨搜索引擎在网络信息挖掘中的应用

本文首先分析了搜索引擎的工作原理,其次简要设计了搜索引擎在网络信息挖掘中应用,并进一步研究了搜索引擎的应用实现,涉及到挖掘预处理、挖掘训练以及信息文件的操作。本文对搜索引擎的应用研究起到一定的借鉴作用。     

网络信息挖掘技术在数字图书馆中的应用

介绍了网络信息挖掘技术,探讨了网络信息挖掘技术在数字图书馆的资源建设、管理系统和个性化服务等方面的应用。     

动态社会网络中的社区挖掘算法研究

为解决社区挖掘问题,针对社会网络的动态特性,给出了新的社区定义,并结合连通性和频繁性概念提出一种新的算法DCSMA(Dynamic Community Structure Mining Algorithm)。挖掘时刻连通的个体集合作为社区,采用层状结构模型,根据重要性权重区分社区内个体,使社区结构更加清晰。在标准测试数据集上的实验结果表明了该算法的可行性和有效性。     

网络数据的挖掘

对当前实用的搜索引擎技术作了较为全面的综述,主要介绍了搜索引擎中较为核心的两大技术:信息采集及数据搜索技术,对当前较为先进和常用的相关技术进行了列举,并对各类技术的优缺点作了简要的比较及说明。特别对信息采集中网络蜘蛛的工能及原理进行了介绍,详细介绍了著名的互联网搜索引擎Google在数据检索方面所使用的PageRank算法,最后较为全面的给出了几种主要的中文分词技术。利用个别现有的著名搜索引擎实例对相关技术的实现进行了举例和说明。     

线性Fuzzy邻域空间中的层次结构

作者讨论了线性Fuzzy邻域空间中的层次结构,得到以下结果：⑴线性Fuzzy邻域空间（X,△）局部n-凸当且仅当其各层拓扑线性空间局部凸;⑵线性Fuzzy邻域空间（X,△）是（QL）型Fuzzy拓扑线性空间当且仅当其为诱导空间。     

Web数据挖掘在个性化网络学习中的应用

首先介绍了Web数据挖掘的概念及常见的三种web数据挖掘模式Web内容挖掘、Web结构挖掘、Web访问挖掘,然后Web数据挖掘在个性化网络学习中的应用空间分两个方面进行分析.     

关联规则挖掘在网络教学评价中的应用

在基于Internet的网络教学中，教学质量评价是教学管理过程中的重要环节。由于教师的教和学生的学处于一种时空分离状态，如何正确、有效地评价教学质量和教学效果，如何在庞大数据中发现隐藏的关系和规则不是件容易的事。文中将数据挖掘中的关联规则算法运用于教学评价，通过发现和运用关联规则来提高教学评价数据的客观性和可靠性，提高教学评价技术水平，使之更好地为教学服务。     

Web数据挖掘技术在网络教学中的应用

本文介绍了数据挖掘及Web数据挖掘的含义、Web数据挖掘的分类、过程,阐述了Web数据挖掘技术在网络教学中的应用,并将Web日志挖掘技术运用到实例,采用Apriori算法,分析学生的学习需求趋势。