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。     

BA指数网络结构特性精确计算

度分布和平均路径长度是复杂网络的两个重要结构特性.对于随机增长的网络,其平均路径长度一般主要通过计算机模拟给出数值结果,尚无一个普适的解析计算方法.为此首先利用主方程的方法对BA随机指数网络的度分布进行解析推导,与Barabási等的结果相比所得度分布与计算机模拟值更接近.然后对BA随机指数网络和BA确定性指数网络的平均路径长度进行解析计算,所得结果与经典的ER随机图相似,即平均路径长度以网络大小的对数形式增长.此外,对BA随机指数网络平均路径长度的模拟值与解析计算结果相吻合.最后,对BA确定性指数网络的度分布与直径进行了解析计算,并对两个网络的结构特性作了比较.比较结果表明,BA随机指数网络和BA确定性指数网络的结构性质虽然存在量上的差异,但从定性角度来说,其拓扑结构是相同的.     

复杂网络抗毁性研究进展

随着复杂网络研究的兴起,复杂网络抗毁性研究的重大理论意义和应用价值日益突显出来,成为极其重要而且富有挑战性的前沿科研课题.本文总结综述了国防科技大学信息系统与管理学院在复杂网络抗毁性领域取得的研究进展,具体包括:研究了不完全信息条件下复杂网络拓扑结构抗毁性;提出了复杂网络拓扑结构抗毁性的谱测度方法;分析了3种结构属性对复杂网络拓扑结构抗毁性的影响;提出了基于禁忌搜索的复杂网络拓扑结构抗毁性仿真优化方法.     

复杂网络模型和方法

我们回顾了快速发展的生长网络在模型和方法上取得的进展.关注网络拓扑变化带来的网络特征性质的涌现,包括小世界特性、高聚集性以及稳定的度分布,尤其是度分布的无标度行为.概括了已获得的解决生长网络问题的理论方法.     

复杂知识网络的结构特征对知识流动的影响

利用Jackson算法构建了知识网络的计算实验模型.该知识网络模型具备典型社会网络的五大特征.通过仿真试验探讨了单个虚拟的知识网络中具有不同属性的知识结点其知识水平演化的规律,两个具有不同知识水平的虚拟网络间建立知识合作联系的不同机制对落后网络和先进网络间知识扩散程度的不同影响,以及落后网络的网络密度和连接权重对网络间知识扩散程度的不同影响.     

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.     

增长的可导航网络模型

复杂网络具有3种重要的结构特性：小世界性、scale-free性和可导航性,反映它们的经典模型是：Watts-Strogatz模型、Barabási-Albert模型和Kleinberg模型.为了全面地反映出这些特性,在经典网络模型的基础上提出了一个新的增长可导航网络模型,这个模型同时具有这3种重要特征,并且在这个网络模型上使用贪婪算法时,它与Kleinberg模型具有相同的导航效果,有时甚至更加优越.     

参照零模型的双层网络结构相关性检测

 多层网络是近年来提出的新型复杂网络模型,在级联故障分析、信息传播、链路预测和网络同步等诸多领域均有广泛应用。多层网络的任意两层网络结构间往往存在关联性和耦合性,如何检测两层网络之间是否具有结构相关性并对其进行定量刻画是一个非常重要且亟待解决的问题。本文首先分3个层次总结并提出度量双层网络结构相关性的方法与统计量,其中第1层次是检测双层网络整体上的连接相关性,第2层次检测两层网络所有节点之间整体上的度度相关特性,第3层次是检测双层网络富节点之间的连接相关性。由于这3种相关性的计算和度量都依赖于网络统计量进行,而统计量的绝对数值往往没有意义,因此提出了以多种双层网络的零模型作为参照物,通过假设检验方法来量化双层网络之间的结构相关性,分析了这种结构相关性存在的内在机理。最后,使用一个实证双层网络--全球语言多层网络验证了本文研究范式的有效性。本文研究可检测出实证多层网络中任意两层之间复杂的耦合作用。     

复杂网络子图中心性分析

许多现实网络虽然具有小世界和无标度的全局结构特征,但可能具有非常不同的局部结构特征,子图从局部层次刻画了网络内部相互连接的特定模式.本文通过仿真分析的方法研究了ER随机网络、WS小世界网络和BA无标度网络模型的子图中心性的特点,得出了这三类网络模型的子图中心性与网络密度、重连概率和网络规模之间的关系.仿真结果表明,子图中心性能够刻画复杂网络的拓扑结构.     

旅游目的地虚拟网络结构特征研究——-以黄山市为例

以黄山市为案例, 采用复杂网络理论和方法研究分析目的地虚拟网络的结构特征。结果显示该网络是具有小世界特征的稀疏网络, 其度分布符合幂律分布且幂指数位于1与2之间, 其节点倾向于链接不同类型的节点, 并且节点之间的距离和度值对节点互联的影响较弱。将黄山网络与随机网络、万维网以及其他旅游虚拟网络进行对比分析, 探讨目的地虚拟网络和现实网络之间的关系, 认为虚拟网络不仅只是信息网路, 也是社会网络, 它是现实网络在虚拟空间中的映射。在这个意义下, 目的地虚拟网络的结构特征反映了其现实网络的特征。     

Exploring complex networks

The study of networks pervades all of science, from neurobiology to statistical physics. The most basic issues are structural: how does one characterize the wiring diagram of a food web or the Internet or the metabolic network of the bacterium Escherichia coli? Are there any unifying principles underlying their topology? From the perspective of nonlinear dynamics, we would also like to understand how an enormous network of interacting dynamical systems-be they neurons, power stations or lasers-will behave collectively, given their individual dynamics and coupling architecture. Researchers are only now beginning to unravel the structure and dynamics of complex networks.     

复杂网络研究的经验结果

网络研究已经成为揭示自然界及人类社会各种复杂性系统结构及功能的重要手段.尽管组成真实网络的元素非常不同,网络拓扑也有其自身的复杂性,但大量经验结果显示这些截然不同的网络普遍存在着某些共同性质.因此,要更好地揭示复杂网络的基本性质和功能,我们除了对包含大量元素的复杂系统进行统计外还要对各种不同的网络类型进行分析.这篇论文综述了近年网络研究的成果和进展,归纳复杂网络结构的几个基本性质,包括小世界特征、高聚集性以及确定的连接度分布尤其是无标度度分布行为.     

基于密集残差网络的图像隐藏方案

针对基于编-解码器网络的图像隐写方案生成的含密图像和消息图像质量不高的问题,提出了一种新的基于密集残差连接的编码器-解码器隐写方案,与现有的端到端图像隐写网络不同,本文采用密集残差连接,将浅层网络的特征输送到深层网络结构的每一层,有效的保留了特征图的细节信息,并使用通道和空间注意力模块对特征进行筛选,提高了编-解码器对图像复杂纹理区域的关注度。在LFW、PASCAL-VOC12和ImageNet数据集的实验结果表明,在保证算法安全性的前提下,所提方法能够有效提高图像质量,含密图像和载体图像的峰值信噪比(PSNR)和结构相似性(SSIM)的平均值最高达到了36.2dB和0.98。     

边介数标准偏差对复杂网络同步能力的表达

通过对各种典型复杂网络的同步能力进行研究,发现一般用来表征网络同步能力的结构参数只适用于部分网络,而边介数标准偏差能够很好地表征网络同步能力,即负载分布均匀性才是影响网络同步能力的主要因素.并指出文献中报道的复杂团簇网中的反常同步现象其实是由于网络负载分布均匀性的破坏而引起的.这项研究将有利于对复杂网络上同步动力学行为...     

复杂动态网络模型研究进展

对复杂动态网络模型的研究现状做了综述,总结了复杂网络的演化机制与属性特征,提出了以复杂动态网络为虚拟计算平台和理论基础,开展大型Ad Hoc网络、传感器网络的网络性能、网络规划、信号增强、拓扑优化的一系列研究课题.     

主城区公路网的复杂网络特征分析

将复杂网络理论应用到主城区公路网分析上,拓展了城市交通网络基础理论的研究思路和研究范围.首先介绍主城区公路网的重要作用和特点,接着阐述复杂网络的基础理论,在此基础上,重点研究了主城区公路网映射后的复杂网络特征,并以重庆市主城区公路网为例分析,将其与其他城市主城区公路网做了比较.     

基于复杂网络的信号检测与传递

近年来,关于复杂网络的研究已取得了长足的进展,且将复杂网络理论应用于其他学科的研究正方兴未艾.本文简要介绍复杂网络理论在信号检测与传递方面的一些初步研究进展,主要关注三方面的研究成果:(1)复杂网络上的信号放大;(2)与复杂网络有关的信号检测;(3)复杂网络上的自维持振荡.这些阶段性的研究成果从复杂网络的新角度加深了我们对神经元网络宏观动力学行为的微观机制的理解,并有助于刻画信息传递从神经元物理网络向脑功能网络的过渡.     

具有热鲁棒性的适应性基因调控网络

通过对三节点基因调控网络的枚举、参数空间的随机采样以及动力学模拟, 找到具有热鲁棒性(即温度补偿)的适应性基因转录调控网络, 对其进行结构分析表明, 存在3种最基本的结构可以实现具有热鲁棒性的适应性动力学功能, 复杂的适应性网络都以此3种网络为核心骨架。为了考察三节点适应性网络的适应性对网络动力学中各参数改变的敏感度, 计算了各参数相应的控制系数。对控制系数的聚类分析表明, 三节点功能网络实现热鲁棒的机制为温度隔离, 即尽管网络中所有的速率参数都依赖于温度, 但仅输出节点的生成和降解速率明显偏离0且具有相反的符号, 大多数热鲁棒适应性都通过输出节点的拮抗平衡调节来实现。     

基于复杂网络的疾病传播

疾病传播问题的研究,一直是科学家所关注的焦点。近几年兴起研究的复杂网络,真实地反映出现实中系统的某些重要特性,成为研究现实网络的有效手段。在介绍复杂网络的基础上,着重阐述了复杂网络描述疾病传播的研究工作及成果,特别指出其就用于SARS病毒传播研究得到的一些有意义的结论,从而为控制病毒的传播提供了一种重要的参考依据。     

Defects Recognition of 3D Braided Composite Based on Dual-Tree Complex Wavelet Packet Transform

Textile-reinforced composites,due to their excellent highstrength-to-low-mass ratio, provide promising alternatives to conventional structural materials in many high-tech sectors. 3D braided composites are a kind of advanced composites reinforced with 3D braided fabrics; the complex nature of 3D braided composites makes the evaluation of the quality of the product very difficult. In this investigation,a defect recognition platform for 3D braided composites evaluation was constructed based on dual-tree complex wavelet packet transform( DT-CWPT) and backpropagation( BP) neural networks. The defects in 3D braided composite materials were probed and detected by an ultrasonic sensing system. DT-CWPT method was used to analyze the ultrasonic scanning pulse signals,and the feature vectors of these signals were extracted into the BP neural networks as samples. The type of defects was identified and recognized with the characteristic ultrasonic wave spectra. The position of defects for the test samples can be determined at the same time. This method would have great potential to evaluate the quality of 3D braided composites.