参照零模型的符号社交网络理论研究

 结构平衡理论和地位理论是社交网络领域的重要理论,可以用来分析同时具有正向和负向连边的社交符号网络。提出了3种新的随机断边重连零模型,基于随机断边重连和符号随机置乱两大类零模型,对符号社交网络的地位理论和结构平衡理论进行了系统研究。发现基于零模型不但可以验证两种理论在实证网络中的准确性,还能揭示正边、负边拓扑结构和连边符号相关性对于整个网络性质的影响。提出了一个新框架,研究能否将有向符号网络转化为无向符号网络,发现目前常用的将有向符号网络转化成无向符号网络的方法在有些情况下对于研究社交网络理论是不合适的,存在着信息损失;讨论了非符号有向网络中的势能理论。     

改进的基于模块度最大化二分图权重网络社团挖掘算法

复杂网络广泛应用于生态学、生物信息学等多个领域,其中加权二分图网络作为一种特殊结构的复杂网络可以用来对许多实际问题进行建模。网络的社团挖掘一直以来都是分析复杂网络的重要手段,也是复杂网络领域研究的热点问题。本文提出了一种改进的模块度最大化二分图权重网络社团挖掘算法,通过在实际网络中的测试,相较于其他的同类型算法,本算法可以得到更好的社团划分结果,其执行效率也明显高于现有的其他算法,可以用于大规模二分图网络的社团挖掘。     

利用BP神经网络预测蛋白质三级结构

在已知的蛋白质结构研究方法基础上,提出将多分类问题转化成一对多的二分类问题,来预测蛋白质的未知结构.训练多个单分类器进行分类;选用后向传播(Back Propagation, BP)神经网络作为分类预测模型;以伪氨基酸作为网络输入特征;选用Chou提出的蛋白质数据集;实验数据采用全交叉验证(Jackknife).结果表明:此法能够提高蛋白质三级结构预测的准确率.     

具有不可靠结点网络可靠度的计算

提出了几个保持网络可靠度不变的将边可靠,结点不可靠的无向网络转化为有向网络的转化原则,进而给出了一个计算边可靠,结点不可靠的无向网络２ 终端可靠度的新的有效的算法·该算法使得具有不可靠结点的无向网络可靠度的计算得到很大简化     

基于复杂网络理论的桁架结构可靠性分析

提出了一种基于复杂网络理论的桁架结构的可靠性分析方法.建立了桁架结构无权无向网络模型,运用复杂网络对其可靠性进行分析,在无权无向网络的基础上,建立更符合桁架结构工作状态的加权有向网络模型,基于结构能量网络并以构件的可靠指标的倒数为权值建立加权有向网络模型,进而计算该加权有向网络模型中各个节点的特征参数,通过量化不同构件可靠指标变化对桁架结构可靠性的影响,结合各个节点参数确定桁架结构中的关键构件.基于此方法可以对桁架结构进行优化设计.     

基于谱聚类的二分网络社团检测算法

针对二分网络社团检测算法存在精度不高和丢失原始网络信息等问题，设计了一种新的融合奇异值分解的谱聚类(SVD-MS)算法.该方法是将Barber的二分网络模块度最大化问题映射到奇异值向量分解上，并结合启发式算法快速求解向量划分问题.在3个真实世界的网络中对比SVD-MS算法与7种算法的模块度，结果表明，在保留原始网络信息的情况下，SVD-MS算法能更有效地划分二分网络的社团结构.     

基于复杂网络的基金加权网络结构分析

为了探讨中国基金市场的网络结构,先通过二分网的单顶点网络构建了基金无向加权网络,再利用网络的基本几何统计量对网络结构特征进行分析.实证分析结果表明基金网络系统是小世界网络和同类匹配网络,并且网络度分布和点强度分布服从幂律分布.进一步分析,找到了这些网络特征的现实含义以及基金在股票投资中的一些特点.     

基于二分网络社团划分的推荐算法

传统的基于用户的协同过滤(User-based CF)推荐算法的推荐效率随着数据的不断增加而降低.本文在User-based CF算法中引入二分网络社团发现理论,提出一种基于二分网络社团划分的推荐算法(RACD).首先通过用户与项目之间的关系建立用户-项目二分网络,然后通过RACD对该网络进行社团划分,得到用户的社团信息,最后通过同一社团中的其他用户对目标用户进行项目的推荐.在经典网络数据集上的实验结果表明,RACD能够有效提高推荐系统实时推荐效率.     

基于弹性网络的大鼠肝再生关键基因选择

针对大鼠肝再生基因表达谱芯片数据挖掘问题,通过把肝再生过程划分为8个不同时间的子过程,将其转化为二分类问题,进而利用弹性网络对每1个子过程分别进行分类和相关基因选择.此外,以细胞增殖为主线,分析了所选择基因间的通路关系,验证了所选基因的生物合理性.     

电力通信网络边扩充二分算法

随着智能电网的发展,电力通信系统自动交换光网络(ASON)的网架结构日趋复杂,拓扑优化方法成为保证可靠通信、提升网络健壮性的首要关键技术.为此,对电力通信ASON网络拓扑优化问题建模,并提出一种以代数连通度为测度的网络边扩充优化二分算法.通过理论证明赋权图的拉普拉斯矩阵对应特征方程式的单调性,进而采用二分算法快速求解该单调非线性特征方程式的根,确定最优边扩充策略.仿真结果表明在链路失效时,网络边扩充优化二分算法能够以O(4mn lb(???))低复杂度找到精确解,降低端到端通信路径长度,提升网络效能函数.     

基于资源分布矩阵的二分网聚类方法

提出了一种直接基于原始二分网的聚类方法,该方法利用二分网上的资源分配过程得到资源分布矩阵,然后用模糊聚类方法对向量进行聚类,用F统计量判定最优的聚类结果.该方法在探测社团结构明显的人工网时具有较高的准确度.     

平面二部图的完美匹配集合上的有向根树结构及其生成

图的完善匹配或１－因子指覆盖子其所有顶点的独立边集。对含有完善匹配的平面二部图，其所有完美区通过某旋转变换形成层次组织结构。可用有向根树或半格表示。建立了平面二部图的完善匹配集合上新有向根树结构并可通过算法来生成。     

应用于数据聚类的ART2改进算法研究

聚类分析是数据挖掘研究领域中一个非常重要的研究课题,是数据挖掘的主要任务之一．自适应谐振神经网络ART2是实现数据聚类的有效方法,通过对ART2结构的改进,充分考虑挖掘对象的幅度信息．可降低对警戒参数设置的要求并形成带有层次结构的聚类结果．通过实验验证了这种改进的有效性．     

有向二部图中的独立有向6-圈

证明了若有向二部图D=(V1,V2:A)的最小度至少为5k,则D有k个顶点不交的独立有向6-圈.其中 |V1|=|V2|=3k, k为整数.     

基于聚类和模糊神经网络的故障诊断

模糊神经网络能够发挥模糊逻辑和神经网络的特性,在武器装备的故障诊断中应用越来越广泛。文中提出了一种基于聚类和模糊神经网络的故障诊断模型,该模型首先通过基于关系度的聚类方法得到模糊神经网络的初始结构,并用梯度下降法对网络的参数进行修改,以得到泛化能力好的诊断网络。仿真结果表明该模型是有效的。     

Sufficient Condition for Average Consensus of Directed Networked Multi-agent Systems with Time Delays

The average consensus problem in a directed network of multi-agent systems with communication time delays was investigated. The directed networks were balanced and weakly connected with fixed or switching topology digraph. Based on frequency domain analysis method. a sufficient condition of asymptotic stability of multi-agent systems with time delays was obtained. where the analytic formula between the maximum time delay and the directed network structure was provided. The maximum time delay can be derived directly and easily by the eigenvalue of Laplacian L. Numerical examples confirm the effectiveness of the proposed technique.     

二分图的Laplace矩阵的最大特征值

图的Laplace矩阵的谱,在物理、化学和计算机等学科有着广泛应用。但是,求图的Laplace矩阵的谱,是很不容易的。文章通过分析二分图的结构,研究了二分图的Laplace矩阵的特点,利用非负矩阵的经典理论和图论方法,导出了一般二分图的Laplace矩阵的最大特征值的界值。     

二部图λ3最优性的充分条件

本文给出了二部图λ3最优性的一些充分条件,它们在网络可靠性分析中有一定应用.