抽样对复杂网络多重结构特征的影响

针对数据缺失情况下网络的结构特征是否能够保持,在现有文献研究基础上将无偏的随机抽样扩展到有偏抽样,并将对幂律度分布这一单一结构特征的考察扩展到对网络多重结构特征的考察.通过对一个社会网络典型模型的仿真研究发现,不同的抽样方法对网络多重结构特征具有不可忽视的影响作用,而中枢抽样在一定程度上为较优的抽样策略.最后针对中枢抽样策略的实际应用给出了建议.     

基于进化计算的符号网络社区检测

符号网络是一种具有正负项关系的社会网络,对其社区结构的检测可以挖掘其中有用的信息.将符号网络划分为全正和全负的子矩阵分别进行操作,同时引入更加适合符号网络社区检测的相关策略,如基于标签传播的种群初始化、改进的双点交叉算子、带局部搜索的突变算子等.在基准网络和随机网络上的测试数据表明,本文算法具有较好的检测社区检测效果.     

抽样对复杂网络生长机制的影响

运用基于机器学习理论开发的网络机制辨识方法,对不同抽样方案得到的抽样网络生长机制进行识别,将结果与完全网络比较,以分析抽样对网络机制的影响.研究表明,不同抽样方案对网络生长机制具有不可忽视的影响.在抽样绩效方面,中枢链式抽样具有较好的网络机制保持能力;而对比网络结构特征与网络机制,中枢抽样和链式抽样对网络机制的影响更显著.此外,各抽样方案对网络机制的影响随网络类型的不同有一定差异,这表明在实践中有必要根据网络类型选择恰当的抽样方法.     

随机分组抽样下流大小的分布估计

为提高流大小分布估计的精度,比较了运用TCP流的SYN包和TCP序列号信息的几种极大似然估计(MLE)算法.结果表明,运用TCP流中的SYN包和SEQ信息对流大小的分布估计比单纯的抽样估计具有更高的准确性,其中在样本流中同时运用SYN包和SEQ信息的估计效果最佳.在此基础上结合实际提出了一种对小流采取细粒度、对大流采取粗粒度的流大小非均匀粒度分布估计算法,并以实例验证了该方法的适用性.结果表明,该方法在减少算法计算量的情况下,提高了对大流的估计精度.     

基于多目标自适应Memetic算法的复杂网络社区检测

针对提高复杂网络社区检测精准度的问题,提出一种基于自适应Memetic算法的多目标复杂网络社区检测算法.在基于Random-walker初始化策略的基础上,将Logistic函数与适应度函数相结合,引入动态自适应策略调整交叉和变异概率,挖掘网络拓扑结构的同时提高社区检测精度.将多目标优化转化为同时最小优化连接度(MRA)和分割度(RC)2个函数,在局部搜索中,利用加权和的方法将2个目标函数构成1个局部优化目标,并采用爬山算法寻找个体最优.在人工和真实数据集上对算法进行验证,结果表明:该算法能有效提高社区检测精准度,具有较好的寻优效果.     

耦合发生概率不确定的复杂网络传感器故障估计

通过引入一组满足伯努利分布的随机变量来描述节点之间是否发生耦合关系,研究一类节点之间耦合发生概率不确定的非线性复杂网络系统的传感器故障估计问题。将未知常值故障和缓变漂移型故障近似表征为一次函数的形式,为了估计传感器故障,将系统状态和故障进行增广,对增广系统构造基于观测器的估计器。通过数学归纳法得到估计误差协方差矩阵的一个上界,并设计合适的估计器增益矩阵使该上界取最小值。最后,通过仿真算例验证所设计估计方法的有效性。     

在复杂网络中划分社区结构的一种多目标遗传算法

研究了在复杂网络中查找社区结构的一种多目标遗传算法,该算法对能够识别内部联系紧密但相互之间联系稀疏的节点群的两组函数进行了优化。算法在不同的等级中设定一套网络分区,在这些等级中,拥有较少数量社区的解包含了拥有更多社区个数的深层次解。社区的数目自动取决于目标函数更佳的权衡值。通过在模拟和真实网络进行的实验对比表明,该算法能够成功发现网络结构,并且与其他多目标优化算法相比也具有一定的竞争力。     

不等概率抽样估计的原理与应用

不等概率抽样估计是一种十分有效的抽样推断方法．它在以样本估计总体时是应用一个与所要调查的目标变量相关的辅助变量作为样本单位抽选的概率，能使得对总体指标数值影响大的单位赋予大的抽中概率，同时在构造样本指标时，可利用辅助变量值对目标变量值进行调整，增大了样本对总体的代表性，由此抽取的样本和依据样本计算的样本指标就更接近于总体指标．     

复杂网络幂律函数标度指数的估计与检验

针对度分布以及群规模分布的幂律函数,提出了基于最大似然估计的幂律分布的标度指数估计方法;针对幂律形式的层次聚集函数的标度指数估计,则采用了构建方程组的方法.此外,还引入KS检验统计量和欧几里得距离来检验新方法的估计效果.最后,通过CNN模型网络和爵士音乐家网络两个应用例,证实了新方法对3种标度指数的估计效果均好于图形方法.     

基于注意力网络特征的社区发现算法

现实世界中许多网络都是根据社区结构紧密组织起来的,发现社区对于了解复杂网络的结构及其关系有很大的帮助,文中提出了一种基于注意力网络特征的社区发现(community discovery algorithm based on attention network features,CANF)算法,利用标记节点频率和反示例节...     

贝努里概型与数据检测抽样规模的估计

根据贝努里概型提出一类数据质量检测抽样的方法,该方法可以预估抽样规模和错误样本抽出率.     

二阶比估计与PPS抽样的比较

对二阶比估计与二阶PPS抽样方法进行了比较，给出了比估计优于PPS抽样及PPS抽样优于比估计的条件．     

随机分组抽样下流大小分布估计

流大小分布是网络测量中一个重要的度量。已有的研究表明在MLE（极大似然估计）算法中运用TCP流的协议信息能够更好的估计流大小分布。本文详细比较了运用TCP流的SYN包和TCP序列号信息的几种MLE算法，并在此基础上结合实际应用提出了一种对小流采取细粒度、对大流采取粗粒度的非均匀粒度的流大小估计算法。实验结果表明，该算法在减少了MLE估计计算量的同时，提高了粗粒度后大流估计精度。     

存在单重丢包的离散复杂网络状态估计研究

针对存在单重丢包的一类离散复杂网络,研究丢包率未知的情况下这类离散复杂网络的状态估计问题。将丢包描述成独立同分布的Bernoulli随机变量形式,利用Lyapunov稳定性理论与随机分析方法,提出以线性矩阵不等式形式描述的离散复杂网络状态估计器存在的充分条件。通过仿真验证,结果表明文中建立的状态估计器能够有效地估计出网络的状态。     

基于极值优化模块密度的复杂网络社区检测

分析了基于优化模块度检测复杂网络社区结构的算法存在解的限制问题,即不能检测出小于一定内在尺度的社区,并提出了基于极值优化模块密度来检测复杂网络社区结构的启发式算法,通过调整局部极值来优化全局的变量,使算法具有更好的持续搜索和跳出局优解的能力.通过人工网络和现实网络实验分析表明,本文算法用于检测大型网络社区时,具有较高的正确率和效率,即使当网络结构变得很模糊时,算法也能很好地工作.     

融合分层抽样和动态抽样的多状态网络可靠度M-C估计算法

基于多状态网络可靠度的Monte-Carlo(M-C)估计算法, 考虑融合分层抽样和动态抽样的M C估计算法. 先在基于状态树搜索分层抽样方法的基础上, 通过设定概率阈值α改变分层原则, 使分层抽样便于实现; 再利用动态抽样, 在产生网络无效状态时动态生成网络各边的容量值, 从而不需对所有边进行抽样即可产生无效网络状态, 缩短了仿真时间. 仿真实验表明, 动态抽样能缩短仿真时间, 但优势会随着网络可靠度的增大而逐步消失, 较适用于可靠度低的多状态网络.     

基于单元间距离估计的不等概率抽样算法及应用

现有大数据的不等概率抽样方法大多基于数据分布,泛化能力较差。为此,利用多层感知机、XGBoost和Kriging模型估计总体单元间的相对距离,提出针对海量数据的不等概率抽样算法。此类算法既不需要考虑总体的分布,又能够保证样本的代表性。实证分析结果表明,基于此算法抽取样本构建的模型与简单随机抽样方法相比,模型参数估计的均方误差更低,效果更稳定。     

基于完美抽样的最大似然方位估计方法

为了解决最大似然估计计算量大的问题,将马尔可夫蒙特卡罗方法与最大似然方位估计相结合,提出一种基于完美抽样的最大似然方位估计新方法.研究结果表明,该方法不但保持了原最大似然方位估计方法的优越性能,而且大大减小了计算量,把原方法的计算复杂度从O(LK)减少到O(K×J×Np).     

基于复杂网络的济南市公交网络研究

本文运用复杂网络的相关知识对济南市公交网络进行了实证性研究,通过统计各站点的线路,绘出了它的度分布和累积度分布图像,证实济南市公交网络是一个无标度网络,并进行了分析,最后提出了一些建议。     

基于向量划分的复杂网络社区结构发现

社区结构是复杂网络最重要的结构特性之一,通过优化模块度来进行社区结构发现是目前使用最为广泛的一类方法.通过将网络看做有向图,模块度矩阵可表示为顶点的有向边向量表示的交叉协方差矩阵,但是该矩阵不是正定的.现有方法通过对该矩阵的进行谱分解,提取大于零的特征根对应的成分,将社区发现问题描述为向量划分问题.本文通过修正交叉协方差矩阵的对角线,使之满足正定性条件,将其表示为顶点向量的内积矩阵.因此,无须对模块度矩阵进行谱分解,甚至无须显式计算顶点的表示向量,就可以将基于模块度的社区发现问题重构为一个向量划分问题.进一步,从向量划分的角度解释了有限分辨率现象的根源,设计了以最大化向量夹角为指导的贪婪算法,该方法比直接优化模块度的方法有更高的异质社区分辨能力.在合成网络和真实网络上分别进行了实验验证,实验结果证实了所提方法的可行性和有效性.