无标度网络生成的一种新算法

根据指定幂律分布的BA无标度网络的生成原则,提出了可生成任意指定幂律分布的网络的算法,该算法从一个含有固定节点的完全网络开始,按照择优连接的原则,向网络中逐个增加节点,实现了满足任意指定规模的无标度网络模型的生成.利用计算机程序代码运行了该算法,并验证了该算法的运行时间优于已有旧算法.     

一个随机伪分形的无标度网络

提出一个具有随机性的伪分形无标度网络,其中含有可调参数q.利用率方程方法,给出了网络的集群系数C（q）,并当q=2、q=3和q=4时,计算了C（q）的具体值,说明了网络是高集群的.     

一类非无标度的演化网络模型

基于BA无标度网络演化模型,研究了一类非无标度的演化网络模型,此网络模型满足增长和择优连接的特性,但演化出的网络其度分布不服从幂律.     

基于目标节点信息量的复杂网络路由策略

复杂网络上信息包路由策略的设计和优化一直是人们关注的热点,而目标节点局部信息的路由策略未见报道.提出了基于目标节点局部信息量的路由策略,并分别与最大度路由策略、信息包等待时间路由策略进行了对比分析.结果表明,基于目标节点信息量路由策略的信息包传输效率明显提高.网络规模一般也会对信息包的路由效率产生影响,随着节点数目的增...     

基于复杂网络的手机基站网络研究

将北京智能交通系统中的手机数据抽象成复杂网络,结合网络图论思想,将网络的节点换作手机数据中的基站,网络的边则产生于有关联的基站之间,那么就建立起一个手机基站网络的模型.在统计了大量手机数据的基础上,研究北京地区基站网络的复杂网络特性.统计分析表明,北京地区的基站网络具有较小的平均路径长度和较高的聚类系数（典型的小世界特性）,其节点的度分布具有无标度特性.基站网络的复杂网络特性研究为手机基站的布局和通信公司运营质量的提高,提供了新思路.     

无标度网络和动态小世界网络上的SEIS及SEIR模型研究

在潜伏期患者不具备传染能力的条件下,分析了两类疾病传播模型:易感者-潜伏者-染病者-易感者(SEIS)模型和易感者-潜伏者-染病者-恢复者(SEIR)模型.发现这两类疾病传播模型在无标度网络上的传播阈值与转移概率无关,但达到平衡时感染者的密度随着转移概率的增大而增大.同时,在动态小世界网络上,对SEIS模型而言,疾病传播的阈值条件是βγ/(1+γ);对SEIR模型而言,疾病传播的阈值条件为p(1-β)γ/β.     

耦合时延复杂网络的无源脉冲同步

针对具有耦合时延的复杂网络,利用时滞系统的脉冲控制方法,提出了脉冲同步控制器。根据非线性系统的无源化设计方法,设计了使复杂网络快速同步的脉冲控制器。以具有10个节点的复杂网络为例进行了数值模拟,结果表明所设计的脉冲同步控制器能够使具有耦合时延的复杂网络实现有效同步。     

基于图书借阅关系的复杂网络的度分布和集聚程度

对泉州师范学院一校区的图书馆对外借阅处这一特定复杂系统的数据用复杂网络来进行描述并研究,在实证基础上,验证了图书借阅网络度分布服从N∝exp(-ck)单标度性质的规律,并对其与无标度网络模型进行了一定的对比和分析.在分析过程中,发现单元读者网络的集聚系数比较大,得出该复杂系统实例的读者集团化程度比较高的特性..     

基于跳数的传感器网络节点定位改进算法

提出一种基于跳数的无线传感器网络节点定位改进算法,用以更准确获取在无线传感器网络监视区域内目标节点的位置。算法精确估算网络中节点间的平均每跳距离,解决了经典定位算法中校正值不准确的问题,同时,算法在估算节点位置时,优化选取定位的参考节点。实验结果表明,改进算法提高了网络中节点定位精度,有助于推动无线传感器网络的应用。     

基于排序学习的社会网络链接预测算法研究

链接预测是大规模社会网络分析挖掘的重要研究内容之一,具有非常重要的应用前景.社会网络种类繁多,不同的网络链接类型往往需要不同的链接预测方法 .为了满足用户的个性化需求并提高链接预测的性能,该文提出了一种基于排序学习的社会网络链接预测算法.该算法以传统的链接预测方法为基础,通过排序学习方法对不同的排序结果进行学习,从而得到具有最大准确性的综合排序列表.在综合排序列表的构建中,在每个排序列表中设置一个滑动窗口,通过对滑动窗口的维护每次迭代选出一个全局最优值,从而使得最终的排序列表是最优的.实验表明,该文提出的算法与相关的链接预测算法相比较具有更高的预测性能,能找出一个预测最准确的排序结果 .     

利用朴素贝叶斯模型进行多层网络链接预测

针对多层网络链接预测中层间信息融合的问题,提出了一种利用朴素贝叶斯模型的链接预测方法。该方法结合目标层的邻域信息和辅助层相对于目标层的全局信息进行链接预测。在目标层中,根据节点对的邻域信息,利用朴素贝叶斯模型计算其连接概率;在辅助层中,计算节点对在该层有边或无边时在目标层存在链接的概率。在真实数据和合成数据上的实验结果表明：该算法在正相关和负相关的多层网络中都有很好的预测性能。     

基于DV-Distance的无线传感器网络定位算法研究

无线传感器网络是一种全新的信息获取和处理技术,而节点自定位技术是无线传感器网络的主要支撑技术之一.由于无线传感器的节点数量非常大,致使利用GPS定位装置收集节点位置信息的代价将会很大.因此,研究能够适应无线传感器网络节点位置信息的算法是极其重要的.本文重点对距离无关的定位算法中的DV-Distance算法进行了研究,通过MATLAB软件平台对DV-Distance算法进行了仿真实现,结果表明不同信标节点密度时,定位算法的定位误差不同,而当存在障碍物及GPS误差也会影响定位误差.     

具有灰色预测功能的ad hoc网络稳定路由算法

将灰色理论应用于自组织网络拓扑连接状态预测,提高反应式路由协议(DSR)的预应能力,避免路由信息震荡,减小不必要的网络开销,迅速发现失效链路,提高了路由信息的稳定性.仿真结果表明,改进后的基于灰色模型的稳定路由协议S-DSR具有更高的稳定性,组网效率更高.     

基于多输出网络的无参考平面图像质量评价研究

从深度学习方向对无参考图像质量评价进行了研究,提出了一种基于多输出网络的无参考平面图像质量评价算法.该方法考虑了深度卷积神经网络在提取特征时,每一层提取的特征表示不同的抽象视觉特征,浅层网络提取纹理、区域等细节特征,深层网络提取轮廓、形状和边缘等结构特征.设计了三个输出的网络结构,该网络将浅层和深层特征分别回归到主观质...     

一种发现社团结构的快速凝聚聚类算法

为了快速探测复杂网络中的社团结构,提出了基于网络节点耦合度的凝聚聚类算法.首先利用一种优化的聚类中心算法确定初始聚类中心节点,然后根据节点间耦合程度和节点度分别对各社团的节点进行分类和不断调整聚类中心,直至聚类算法结束.实验结果表明,该算法能够快速准确的划分复杂网络中的各社团.     

基于互信息冗余性分析的神经网络风电功率预测

针对神经网络的性能与网络的输入变量和训练样本关系密切的特征,提出基于互信息冗余性分析的神经网络风电功率预测方法,实现通过互信息的相关性排序滤波器来筛选各输入变量与目标变量间的相关性,以获取相关度大的输入变量;再由多变量互信息即交互增益构建冗余滤波器,滤除冗余的相关变量,获得一个最简约的最优输入变量集.两个滤波器的参数由交叉验证算法来获取最优值.以湖南郴州某风场的实测数据为例进行相关实验,结果表明:本方法在减少输入变量情况下,能获得较好的预测性能.     

网络控制系统的自适应预测控制

针对具有随机时延的网络控制系统,提出一种自适应预测控制方法. 利用Elman神经网络对网络控制系统的随机时延进行在线预测,然后采用一种增加微分作用的改进隐式广义预测控制方法对网络时延进行补偿,实现了随机时延网络控制系统的自适应预测控制. 仿真结果表明,该方法对网络随机时延有很好的补偿效果,可明显改善系统输出性能,保证控制的稳定性与快速性.     

基于长短时记忆网络的恒温水浴锅温度模型预测

【目的】由于恒温水浴锅温度系统存在强非线性及大滞后性,本研究提出一种基于长短时记忆网络的恒温水浴锅温度模型预测方法。【方法】首先,对采集到的数据进行标准化处理,寻找长短时记忆网络的最优结构及超参数,用来拟合出最佳的数据映射特征,并构建恒温水浴锅温度的动态数学模型。其次,通过模型对未来一段时间内的温度趋势进行预测。最后,使用本研究提出的方法与最小二乘法所预测的结果进行对比分析。【结果】本研究所提方法构建的模型的拟合度达到了98.2%,预测结果的MSE及MAE比最小二乘法模型分别降低了4.616、0.823。【结论】本研究所提方法具有更高的预测精度,对提高恒温水浴锅的生产效率及控制精度具有重要意义。     

基于蛋白质相互作用网络局部相似度的肝癌疾病基因预测

基于人类蛋白质相互作用网络,该文采纳拓扑局部相似度去实现肝癌疾病基因的预测.交叉检验测试结果表明:有22％～29％的目标基因在候选基因中排名前5％,且预测精度均能达到0.7以上.归因于低的计算复杂度和相对高的预测精度,这类疾病基因预测方法可为发现和鉴定疾病基因提供有力的线索.     

基于社区网络的无仲裁拍卖系统设计

随着社区网络的发展,社区成员间自发进行的拍卖活动也日益兴起。由于社区成员间缺乏共同信任的第三方,目前使用最广泛的第三方的拍卖系统并不能很好地满足需要。本文提出了一种只需要买卖双方参与的无仲裁拍卖系统,可以在互不知出价的情况下完成交易,从而保证者的隐私,并能有效的防止恶意者的抬价行为。