基于H指数的改进标签传播算法研究

发现复杂网络中的结构和特征是社区发现的一个重要任务.标签传播算法(LPA)因具有接近线性的时间复杂度,常用于快速处理大规模的社区网络.针对该算法在节点的更新顺序和标签选择策略上存在很大的随机性,严重破坏了算法的稳定性和社区划分结果的准确性.提出了一种基于节点H指数的标签传播算法,即利用节点的综合影响力改进标签传播算法的节点更新顺序和标签选择策略.实验研究表明,改进算法有效地降低了算法的随机性,提高了社区划分的稳定性和准确性.     

引入信任度传递机制的影响力最大化节点挖掘

基于渗流理论的影响力最大化节点识别问题没有考虑信任度传播对影响力最大化的影响。利用非回退矩阵图模型,通过引入节点信任度传递函数刻画影响力传播过程中"信任度递减,不信任度递增"现象,并利用渗流理论求解节点联合传播强度指数来刻画节点影响力大小,采用人工网络数据与真实网络数据集对算法的影响力进行了评估分析,与常用启发式算法进行比较验证算法性能,本文算法性能优于其他启发式基准算法。     

基于Hadoop云平台的新浪微博社交网络关键节点挖掘算法

为了高效地分析挖掘新浪微博社交网络信息传播过程中的关键节点,以Hadoop云计算系统作为存储和处理平台,在X-RIME大规模社会网络分析工具开源框架基础上,针对社交网络中使用HITS(hypertext induced topic selection)链接分析算法挖掘关键节点时,未能体现节点和连接的社会属性问题进行改进.新算法充分考虑了社交网络节点和边的社会属性,对HITS算法节点和边的社会属性权值进行优化计算,提出适合社交网络特点的加权HITS算法.通过Hadoop云平台分别运行加权HITS算法和传统HITS算法对新浪微博社交网络数据进行分析.实验结果表明,加权HITS算法比传统HITS算法具有更高的执行效率和结果区分度,加权HITS算法更适合于大规模社交网络信息传播过程中关键节点的分析挖掘.     

基于拓扑势的局部化重叠社区识别

针对传统社区识别算法中需要根据先验知识设定参数、 社区划分结果具有随机性及复杂度过高的问题, 提出一种基于拓扑势的局部化重叠社区识别算法. 该算法通过引入拓扑势计算节点的影响力, 利用节点间的局部相似性度量指标, 采用标签传播策略进行重叠结构的社区识别. 在真实网络及人工合成网络上与多种经典算法进行对比实验验证了算法的高效性.     

求解影响最大化问题的一种混合算法

影响最大问题定义为在社会网络中寻找K个初始节点,使得信息传播过程结束后,网络中受影响的节点个数最多。针对传统贪心算法时间复杂度太高的缺点,基于遗传算法提出了IM_GA算法。为了提高算法的运行速度,在计算种子集合的影响范围时,采用其对网络的预期影响力作为衡量指标。为了克服IM_GA算法的早熟现象,在遗传算法中周期性地加入模拟退火算法,提出IM_GA_SA算法。通过实验验证算法的有效性。     

基于二步邻居拓扑的E-Burt结构洞检测算法

连接多个不同社团的节点称为结构洞节点,部分已有的结构洞节点检测方法虽然可以检测到关键节点,但存在一些不足:基于局部的测量方法忽略了网络拓扑结构;对于大规模复杂的网络来说,基于全局的测量方法可扩展性差,等等。为了高效准确地检测社会网络中具有影响力的节点,提出了一种新的结构洞度量方法E-Burt,用来寻找结构洞节点。该方法利用节点与其二步邻居构成的拓扑关系来计算节点的有效规模,用该结果作为结构洞节点重要性的评价指标,计算每个节点的结构洞度量值,并给出了形式化定义。E-B算法基于网络拓扑结构,每次模拟迭代将选中的结构洞节点度量值置为零,下一次迭代只计算该节点二步邻居的有效规模,大大降低了时间复杂度。最后通过实验验证了算法的时间效率,分析了算法的精确度,对算法的正确性进行了证明,并与存在的经典结构洞发现算法进行了对比。     

基于前驱后继节点的社会网络影响最大化算法

针对社会网络影响最大化问题,基于挖掘"潜在影响力"节点的策略并结合贪心算法可有效降低问题复杂度,综合考虑了节点与其前驱后继节点的相互影响,对"潜在影响力"进行了重新定义,基于线性阈值模型提出了基于前驱及后继节点的影响最大化算法.实验结果表明:与目前的同类算法相比,该算法具有更好的信息扩散范围.     

基于DynamicRank的重要节点集挖掘算法

为了更为有效地挖掘复杂网络中综合影响力高的节点集、提高重要节点集挖掘算法的准确性,针对节点集中各节点在信息传播中不同程度的相互促进和相互抑制作用,基于DynamicRank算法设计了一种新的级联概率计算模型。通过增强贪心策略,优先从种子集邻居以外的节点中选取备选节点,减小种子集内重叠邻居对信息传播引发的抑制作用;利用级联概率计算模型,增强种子集对信息传播的级联促进作用。在4个实际网络上采用SIR模型进行了测试,实验结果表明,相较于已有重要节点挖掘方法H-index、Degree、DynamicRank、VoteRank和EnRenew,提出的算法挖掘出的节点集具有更高影响力。特别地,在Grid数据集上,本文方法挖掘出的种子集的传播范围比对比算法平均提升了49.3%。提出的算法针对信息传播概率和贪心策略的改进有利于重要节点集的挖掘和识别。     

基于密度峰值聚类标签传播的社区发现方法

社区发现的目标是发现复杂网络的结构、行为和组织形式。标签传播算法是一种快速有效的社区发现算法,然而在初始的标签传播算法中,节点的结构信息和特征信息没有得到充分利用,且存在标签传播过程不稳定的问题。针对上述问题,文章提出了一种基于改进的密度峰值聚类算法和标签传播算法的有向加权复杂网络社区发现算法(DPC-LPA)。该算法首先根据节点的结构和特征对其进行加权,充分利用了结构信息和特征信息;然后,采用改进的密度峰值聚类算法来寻找网络的社区中心,并据此构建初始社区,提高了社区划分的质量;其次,基于节点相似度和节点权重,合理确定标签传播的更新顺序,并通过衡量节点间标签传播的强度来完成标签传播,解决了标签传播算法不稳定的问题。最后,在CiteSeer、Cora、WebKB和SCHOLAT真实数据集上,将DPC-LPA算法与DCN、WCF-LPA、CLPE算法进行对比实验。实验结果证明了DPC-LPA算法的可行性和有效性：从模块度来看,利用DPC-LPA算法划分的社区具有更加显著的社区结构;从调整兰德系数来看,DPC-LPA算法的社区划分质量更稳定;从运行时间来看,DPC-LPA算法具有较高的效率。     

无线传感器网络中基于网格的目标跟踪算法

提出了一种适用于无线传感器网络中基于网格的目标跟踪算法,以解决在目标跟踪过程中信任度(belief)更新和传感器节点信息贡献量估计问题.该算法对信任度进行非参数化表示,用基于网格的算法对序列贝叶斯滤波过程进行实现.并且利用目标位置预测和基于网格的算法在不预先获知传感器节点测量数据的情况下,对节点的信息贡献量进行估算.在资源受限的无线传感器网络中,该算法在降低计算复杂度、提高算法适用范围方面都有显著改进.最后在仿真环境中验证了基于网格的目标跟踪算法的有效性.     

虚拟社交网络中节点重要度分析

根据虚拟社交网络本身的特性,提出了采用重要度矩阵迭代方法定量分析网络中各节点的重要度.该方法考虑了虚拟社交网络中各节点重要度的相互影响,以及这种影响的传递性.实验结果表明,该方法能有效分析虚拟社交网络中节点重要度,有助于提高社交网络中信息传播分析、舆情分析等工作的效率和准确性.     

多关系网络社团发现算法

分析了真实社会网络的特性,建立了节点间多关系网络模型.在此基础上定义了节点间相互作用的影响力等概念,提出了适用于多关系网络的社团发现算法.通过理论验证了相关定义的合理性,并针对多关系网络进行了对比实验.实验结果表明:所提出的多关系网络社团发现算法与其他经典算法相比具有较高的精确度和较低的时间复杂度,具有重要的研究意义及实用价值.     

基于社会网络的民航飞行不安全行为影响因素关系研究

 为提升民航飞行安全管理水平，基于不安全行为影响因素的重要性，通过文献分析和相关者调查的方式确定不安全行为影响因素集合。根据调研数据，运用社会网络分析（SNA）方法构建了不安全行为影响因素间的关系概念模型，研究其节点属性、核心-边缘分析、结构特征、影响力及聚类等级情况。结果表明，关键不安全行为影响因素节点可构成行为连锁反应链，进而连接成具有较高风险性的行为网络。其中，关键不安全行为影响因素包括职业倦怠、安全监察、业务技能熟练程度；存在行为连锁反应链，包括“知识水平较低-规程标准不够严格-民航飞行不安全”等；不安全行为影响因素网络的桥节点包括职业倦怠、压力等。     

全球地表温度大气遥相关路径研究

基于复杂网络方法,分析不同区域地表温度之间存在的相关关系及其时滞,建立了体现大气遥相关的全球地表温度网络,进而给出地表温度网络遥相关路径．研究表明:网络连接的空间距离在3 500和7 000 km处有1个峰值,这与大气Rossby波的1/2和1倍波长一致．地表温度网络中,影响传播的主导节点在北半球分布在东亚、向西延伸的北太平洋、美国东海岸及邻接的北大西洋地区;在南半球分布在50° S纬度带．遥相关现象在南半球比北半球更显著,典型遥相关路径与不同的环流作用有明确对应:1）北太平洋中部到墨西哥的连接反映了西风带的作用;2）北大西洋传播到非洲北部、格陵兰岛到里海的连接,均属于连接北大西洋到欧亚大陆的跨欧亚波列的一部分;3）俄罗斯喀拉海到北太平洋的连接与北大西洋涛动（NAO）密切关联;4）南半球的连接反映了大气西风带和Rossby波的影响．大气遥相关路径分析有利于深化对地表温度变化的认识,可为减缓气候全球变化提供理论基础．      

计算有圈有向网络根通信可靠度的因子分解算法

对有圈有向网络的拓扑结构进行了研究,提出了一个保持网络可靠度不变的缩减规则和因子分解的一个选边规则.由此建立了一个计算有圈有向网络根可靠度的有效算法.算法的时间复杂度是O(N.(|V|+|E|)),其中N是算法所产生二叉树的叶点数,|V|和|E|分别表示网络的节点数和边数.对一些网络进行了计算,结果显示利用该算法计算根通信可靠度所产生的N比其他算法的要小得多,因此,所提算法更有效.     

融合节点影响力与多标签传播的重叠社区发现算法

重叠社区发现是复杂网络分析研究的重要目标之一。针对传统多标签传播算法存在的社区发现结果具有随机性、不稳定性,以及忽视节点影响力对标签传播的影响等问题,提出一种基于节点影响力与多标签传播的能够生成稳定社区的重叠社区发现算法。算法在节点影响力的计算、排序和核心节点识别基础上,通过邻居节点初始标签的再处理和基于平衡系数的节点标签异步更新策略,实现复杂网络重叠社区的有效识别。在真实数据集和人工数据集上的实验综合表明,算法性能优于各对比算法,适用于大规模复杂网络。     

忆阻神经网络图像处理综述

忆阻神经网络能有效改善传统神经网络电路复杂、不易集成以及能耗大等不足。概述了忆阻器与忆阻神经网络,以及目前忆阻神经网络在图像处理方面的应用。基于忆阻特性,实现神经网络突触的动态可变,使忆阻神经网络比传统神经网络在图像处理领域具备更多优势且应用范围更广。同时,展望了忆阻神经网络未来发展前景。     

基于IP网络的自动拓扑搜索算法

目前局域网规模不断扩大、结构日趋复杂,网络速度及网络管理成为网络系统正常运行的主要指标及关键,其中网络拓扑自动发现是网管系统的基本要求和重要功能.要求网络拓扑发现速度快并可反映使用权级而决定服务内容、服务器、路由器和交换机的布局状况,提供可视化管理界面,如系统配置、节点状态和流量监控、异常告警等,对网络系统正常运行、防范网络攻击具有重要意义.本文提出一种基于移动Agent的网络拓扑发现改进算法(广度优先搜索算法),降低了拓扑生成的复杂度,从而提高了系统速度.     

Efficient Algorithm for Energy-Aware Virtual Network Embedding

Network virtualization is a promising approach for resource management that allows customized Virtual Networks(VNs) to be multiplexed on a shared physical infrastructure. A key function that network virtualization can provide is Virtual Network Embedding(VNE), which maps virtual networks requested by users to a shared substrate network maintained by an Internet service provider. Existing research has worked on this, but has primarily focused on maximizing the revenue of the Internet service provider. In this paper, we consider energy-aware virtual network embedding, which aims at minimizing the energy consumption for embedding virtual networks in a substrate network. In our optimization model, we consider energy consumption of both links and nodes. We propose an efficient heuristic to assign virtual nodes to appropriate substrate nodes based on priority, where existing activated nodes have higher priority for hosting newly arrived virtual nodes. In addition, our proposed algorithm can take advantage of activated links for embedding virtual links so as to minimize total energy consumption. The simulation results show that, for all the cases considered, our algorithm can improve upon previous work by an average of12.6% on acceptance rate, while the consumed energy can be reduced by 12.34% on average.     

客户需求响应网络关键节点确定方法及分布特征

基于Rob Cross等对定制化、模块化和程序化3种客户需求响应网络的特征分析,运用所提出的基于节点行为影响度测度的关键节点确定方法.对3种网络的客户需求响应过程分别进行了仿真研究,发现导致3种网络具有不同关键节点分布特征的主要因素分别为:客户需求特征和节点知识属性、节点的角色和行为、节点所处的结构和行为.基于节点行为影响度测度的关键节点确定方法和以节点中心度为衡量指标的关键节点确定方法相比,具有更好的适用性.