动态社交网络中非完全信息下谣言溯源问题研究

突发事件发生后,在线社交网络往往成为谣言滋生与传播的重灾区.追溯谣言源头,从源头阻断谣言传播是舆情管控的有效手段.但在实际中在线社交网络是动态变化的,并且谣言传播的历史情况信息很难完全获取,通常只能获取当前时刻下谣言的传播情况,因此本文聚焦于研究动态社交网络中非完全信息下谣言溯源问题.本文根据节点的传播级联在最后一层网络上的感染集合与当前时刻下新增被谣言感染节点集合的期望对称差构造目标函数,并证明了目标函数具有#P-hard的性质,且既不是次模函数也不是超模函数.接下来设计了基于可达集合抽样的方法寻找谣言源头节点,并给出了算法框架和计算复杂度分析.最后在三个真实的动态网络数据集上仿真验证了本文所提出谣言溯源方法 RSS相比于已有方法的效果更好,并探究了动态社交网络的拓扑结构变化对本文提出的谣言溯源方法准确性的影响.     

面向应急管理的大图重要节点中介度高效近似计算方法

社交网络中的重要节点对于信息的传播效率有着至关重要的作用,也是近年来的研究热点问题.同时,随着新媒体时代手机、微博、微信等新兴媒介日益变快的信息传播速度,政府部门和企业已经逐渐认识到通过识别社交网络中的重要节点对于管理和控制社交网络中的信息传播,在面向应急的非常规突发事件数据获取与分析中,有着举足轻重的作用.新媒体时代也扩展了人们社会活动的信息容量与交换速度,以MapReduce为代表的分布式计算系统在应急管理的大规模社交网络数据分析中也变得越来越普遍.为了便于应急管理中的信息传播控制,针对应急管理中大规模社交网络图上重要节点识别的关键问题,本文提出了一种新颖的基于轴节点选择策略的大图重要节点中介度近似计算方法和原型系统,并通过模拟数据和真实数据(包含一个连续六个月的真实社交网络数据集)进行了验证.实验结果表明,该方法能非常有效地找出社交网络上的重要节点,对于应急管理中的信息传播控制有着重要的作用.     

在线社交网络中考虑抑制代价的谣言澄清策略研究

现有针对谣言澄清问题的研究,往往忽略了实施谣言澄清策略需要付出的代价问题.为此,本文构建了一种在线社交网络(online social networks,OSN)中,同时考虑信息整体流行度和个体传播倾向的动态线性阈值谣言传播模型(dynamic linear threshold based rumor spreading,DLTRS);并基于该模型,设计了一种考虑辟谣信息传播时间、种子节点数量、信息内容等谣言抑制代价的谣言澄清算法(rumor clarification considering cost restraint,RCCR);利用构建的网络和真实OSN环境下的数据集,对提出的谣言传播模型和澄清算法进行了仿真实验,并进一步分析了各参数变化对算法性能的影响.     

考虑观点篡改的观点传播动力学研究

针对舆论观点在传播过程中不断演化的现象,提出一种考虑观点篡改的新的观点传播模型。考虑节点观点在舆论传播过程中会有一定的概率被社会中的个体所修改,并基于此研究源节点的状态和节点观点的篡改对网络观点传播的影响。仿真结果表明:当网络(WS和BA网络)节点考虑观点篡改时,最终网络中节点的观点与源节点的观点是否相关,取决于网络节点的观点篡改率和源节点的观点强度;而在真实Facebook网络中,不仅仅取决于这两个因素,而且取决于源节点的度。同时实验表明,网络中高度数的源节点的观点比低度数的源节点观点传播更快。     

社交网络中种子用户分布对产品扩散的影响

在社交网络中同样数量的种子用户群体在社交网络中的不同分布,往往对新产品的传播效率造成影响.探讨在具备小世界特性的社交网络中,种子用户分布与社交产品扩散速度的关系.设计了基于阈值模型和基于节点相关性的仿真实验,基于大规模实际社交网络的数据,采用计算机仿真模拟方法来从微观角度进行观察.研究发现,社交网络中种子用户紧密度与社交产品扩散速度正相关,但影响加速递减.     

超图结构下的在线社交网络中隐性影响力评估

本文将超图结构、概率行为与信息理论三者进行合理综合,并将它们应用到在线社交网络及其隐性影响力评估的研究中,从而提出了一种新的有效数学分析方法.本文首先利用超图理论并通过超路径建立了在线社交网络中用户之间的信息传播过程,同时结合概率行为描述了信息传播的量化关系与波动强度.然后,本文通过平均互信息提出了一种新的在线社交网络隐性影响力评估的量化方法,同时也使用数值算例验证了这种评估方法的有效性.     

无线传感器网络节点随机调度算法研究

针对已有的无线传感器网络节点随机调度算法存在的问题,即由于节点是利用产生随机数的方法加入到不同的工作子集,从而导致初始子集中节点分布不均,在概率感知模型下提出了一种基于节点平均度的随机调度算法。该算法利用邻居节点之间的信息传输,使得每个节点的邻居节点尽量均匀分散在不同的子集中。通过随机概率理论分析了概率感知模型下网络覆盖度与节点数之间的关系,解决了新算法的节点配置问题。仿真实验证明了新算法的有效性及分析的正确性。     

航迹起始算法及性能仿真

在深入研究基于逻辑的航迹起始方法和基于Hough变换技术的航迹起始方法的基础上,把基于逻辑的方法和Hough变换法相结合,提出了基于目标运动状态的航迹起始算法。该算法首先利用目标的位置信息形成候选目标航迹,在候选目标航迹扩展过程中,利用来自同一个目标的量测数据在较短时间内(相邻2个采样周期)具有相同的运动状态,利用目标的运动状态对候选航迹进行检验。进行了性能比较仿真,仿真结果表明:该算法在正确航迹起始概率上和基于逻辑的方法相当,但其虚假航迹起始概率远低于其他航迹起始方法;并且对存储要求低,适于工程应用。     

基于Co-training协同训练的在线虚假评论识别研究

本文基于协同训练模型（co-training）提出了一种新的在线虚假评论识别方法CoDeRI以解决虚假评论识别中模型训练数据不足的问题.对同一评论信息，本文通过构建两个特征视图相互学习以识别虚假评论信息：视图一的特征来自于评论文本的词项（Term）；视图二的特征来自于对评论进行深度语法树分析之后得到的概率上下文无关语法规则（PCFG，probabilistic context-free grammars）.利用朴素贝叶斯（naïve Bayes）作为基分类器，本文提出了两种特定于CoDeRI方法的分类后样本选择策略：CoDeRI-C策略和CoDeRI-U策略.CoDeRI-C策略在对未标注信息进行标注之后，选取分类置信度最高的评论信息以扩大训练样本集；CoDeRI-U策略则随机均匀的选取标注之后的评论信息以扩大训练样本集.实验表明，CoDeRI算法在虚假评论信息识别上与现有方法相比能够取得较好的分类结果.并且，CoDeRI-U策略的虚假评论识别准确率优于CoDeRI-C策略.本文的研究为电子商务中的平台、商家和消费者如何识别在线虚假评论提供了一定的管理启示.     

融合PPI网络和基因表达的复合物识别算法

从大规模相互作用网络中识别蛋白质复合物,对解释特定的生物进程和预测蛋白质功能具有重要作用,同时也是后基因组时代一个最重要的研究课题.考虑到传统仅基于蛋白质相互作用网络(PPI网络)的蛋白质复合物识别算法可靠性不高,本文提出了一种新的融合PPI网络和基因表达数据的蛋白质复合物识别算法IPCIPG.区别于之前用基因表达数据评估PPI网络可靠性的做法,本文提出在蛋白质复合物的识别过程中将PPI网络和基因表达数据有机地结合起来.算法IPCIPG首先根据边聚集系数(ECC)与蛋白质间共表达的相关性(PCC)计算PPI网络中每个节点的权重,权重最大的节点作为种子,然后从种子节点开始扩充生成稠密子图.基于酵母数据集的实验结果表明,算法IPCIPG较其他算法HUNTER,HC-PIN,CMC,SPICI,MOCDE,MCL能够更准确,更有效地识别出具有特定生物意义的蛋白质复合物.     

融合PPI网络和基因表达的复合物识别算法

从大规模相互作用网络中识别蛋白质复合物,对解释特定的生物进程和预测蛋白质功能具有重要作用,同时也是后基因组时代一 个最重要的研究课题. 考虑到传统仅基于蛋白质相互作用网络（PPI网络）的蛋白质复合物识别算法可靠性不高,本文提出 了一种新的融合PPI网络和基因表达数据的蛋白质复合物识别算法IPCIPG. 区别于之前用基因表达数据评估PPI网络可靠性的做法,本文提出在蛋白质复合物的识别过程中将PPI网络和基因表达数据有机地结合起来. 算法IPCIPG首先根据边聚集系数（ECC）与蛋 白质间共表达的相关性（PCC）计算PPI网络中每个节点的权重,权重最大的节点作为种子,然后从种子节点开始扩充生成稠密子图. 基于酵母数据集的实验结果表明,算法IPCIPG较其他算法HUNTER,HC-PIN,CMC,SPICI,MOCDE,MCL能够更准确,更有效地 识别出具有特定生物意义的蛋白质复合物.     

基于多层网络链路预测的潜在合作关系识别研究

知识-合作网络广泛存在于创新活动中,挖掘多层网络中的链接信息,识别个体的潜在合作机会与揭示合作关系的形成机理,有助于构建更完整和丰富的合作网络.链路预测方法可以最大限度的保留网络信息的完整性,预测合作关系的生成概率,挖掘合作关系的丰富内涵.本文针对知识-合作网络提出了一种混合加权的多层链路预测算法,首先,在包含知识转移和协作过程的知识网络与合作网络中,给出了五种知识属性的类型和形态定义;然后,利用节点共同邻居与知识属性信息对链路生成概率进行预测,构建混合加权算法,分析不同知识属性对合作链路生成的影响;最后,在专利数据集的实验表明:混合加权的多层链路预测算法能够更准确地预测多领域合作网络的链路和形成机理,为合作伙伴的识别和推荐提供指导性建议.     

基于OSN的谣言传播模型及影响力节点研究

经典的谣言传播模型较难描述现实在线社交网络的复杂活跃模式,为此提出一个基于在线社交网络的动态谣言传播模型。该模型采用传播者基于时间退化函数的自发退化方式,动态指定节点的权威度和免疫力,并考虑了接收增强信号效应。通过对真实微博网络的谣言传播仿真验证了模型的有效性。将模型用于识别网络中的影响力节点,根据传播仿真数据评估节点的传播影响力,并分析节点传播影响力与各中心性指标间的相关性。结果显示:有向社交网络中节点的影响力并不能由k-核的大小表征,而出度和紧密中心性才是更好的描述标量。     

基于多分类器融合的多姿态人脸检测方法

针对复杂背景的彩色图像中复杂姿态人脸的检测问题提出了一种基于多分类器融合的人脸检测方法.首先使用AdaBoost层叠式算法分别训练正面人脸分类器和侧面人脸分类器,将正面人脸检测结果和侧面人脸检测结果相融合得出可能包含人脸的候选区域,然后使用YCbCr空间的肤色统计模型在这些候选区域中进一步验证人脸.该算法既利用了不同姿态人脸分类器的信息融合,又利用了人脸灰度纹理特征和人脸肤色信息的融合,对人脸姿态和图像背景有较强的鲁棒性,而且处理速度很快.实验结果表明,方法可以有效提高对复杂姿态人脸的检测概率,并显著降低虚警检测概率.     

基于多种社交关系的概率矩阵分解推荐算法

随着社交网络的发展,社会化推荐算法得到普遍应用,现有的推荐算法往往只是将一种社交关系引入到推荐系统,但在现实社交网络中用户之间往往存在多种社交关系。基于多子网复合复杂网络模型,利用共享用户特征矩阵,提出了基于多关系社交网络的矩阵分解推荐算法。通过在Epinions数据集上的实验结果分析,准确率评价指标MAE、RMSE和NMAE分别提高了34%、27%和7%,由此可以证明,多关系社交网络的矩阵分解推荐算法能有效提高推荐准确率。     

Ad-hoc网络中基于博弈论和粒子群优化的协作算法

为了促使Ad-hoc网络中的“自私”节点进行合作,提出了一种基于博弈论和粒子群优化的协作算法（Nash Bargaining of game theory and particle swarm optimization, NGPSO）在算法的第一阶段,源节点通过对中继节点转发的数据进行价格补偿,从而达到使中继节点参与合作的目的。将源节点的最优出价归结为纳什谈判问题,得到具有帕累托最优的激励价格,保证源节点和中继节点在合作中同时获得最佳收益;在算法的第二阶段,中继节点在获得源节点的最优出价后,通过粒子群优化算法得到最优的转发功率,使其合作收益增益最大。仿真表明,和随机价格激励相比,所提出的NGPSO算法能使源节点和中继节点达到最优收益;和中继节点固定功率转发相比,所提出的NGPSO算法,能显著提高源节点的能量效率和中继节点的收益,同时在适当设置中继节点转发功率的搜索空间时,可以保证总的能量效率。     

基于多尺度贝叶斯网络的SAR图像分割

提出了一种多尺度贝叶斯网络模型和相应推断算法,并将其应用于合成孔径雷达（synthetic aperture radar, SAR）图像分割。首先根据SAR图像的多尺度序列构建多尺度贝叶斯网络模型;然后设计了模型估计的置信传播（belief propagation, BP）算法,该算法包括同尺度结点之间的信息传播、细尺度到粗尺度的信息传播和粗尺度到细尺度的信息传播;最后计算出细尺度隐含结点的最大后验概率（maximum a posteriori probability, MAP）,实现SAR图像的分割。实验结果表明,与单尺度贝叶斯网络模型方法和基于条件迭代模式的Markov随机场模型方法相比,基于多尺度贝叶斯网络的SAR图像分割方法具有较好的分割效果。     

无线传感器网络中一种关键节点集轮换算法

针对传感器网络多跳通信和多对一的流量特征,提出负载均衡的约束条件,将关键节点集选取问题转化为多目标优化问题,提出一种基于非支配遗传算法的关键节点集轮换算法.通过节点密度控制机制,从投放的节点池中选取关键节点集,以满足监测区域覆盖连通.在每轮网络工作的开始,激活不同的关键节点集,保证在每个时刻,有且仅有一个节点集完成对网络的充分覆盖.仿真结果表明该算法能够快速收敛于最优解,极大化网络关键节点集数目,有效延长网络的生存时间.     

考虑时滞的真假信息竞争扩散仿真研究

考虑到虚假信息要先于真实信息扩散且二者存在于同一个社会网络中的现象,研究了真假信息竞争扩散模型,分析比较了各种概率、真实信息初始扩散时间和扩散节点数量的影响。结果发现,采取措施降低节点扩散虚假信息的可能性可以减少虚假信息扩散范围,此外,仅当真实信息延迟扩散时间较短时,可通过增加节点扩散真实信息的可能性、增加扩散真实信息节点的数量或选择度较大的节点来扩散真实信息的方式来减少虚假信息扩散范围,并增加了真实信息覆盖面。     

用户行为驱动的在线社交网络建模

基于节点威望和节点相似性这两个驱动在线社交网络连接形成的潜在机制,从用户连接行为入手,本文提出一个在线社交网络生成模型.采用优先连接刻画网络无标度特性;从微博好友推荐机制建模节点趋同性.该网络模型考虑了社交网络形成的一些重要驱动因素,如同质性和聚类性.从网络连接的微观交互中寻求刻画网络宏观特性的连接机制是本文研究的出发点.模型有力刻画了在线社交网络的统计特性,如度分布、聚类系数、度相关性.结果表明节点威望吸引和节点相似性是在线社交网络结构形成的内在机理.