科研领域关联网络的社团结构分析

利用复杂网络对我国自然科学基础研究领域关联网络的社团结构进行研究.科研项目管理部门为申请者提供了代表各个研究领域的申报代码体系,每个立项建议书中填报了一个或两个研究领域代码.通过这些立项建议书构建了研究领域关联加权网络(WNRA),提出了一种应用于加权网络的社团结构发现算法,并使用公共实验数据验证了算法的有效性.应用本文提出的算法.对多个年度的领域关联网络的社团结构进行了分析,参照管理部门给出的申报代码体系,发现各年度的社团结构的变化状况.有助于了解我国各个学科领域的发展状况,并对管理部门调整申报代码提供支持.     

复杂网络的社团结构发现

社团结构是复杂网络的一个重要拓扑特征,社团结构发现是研究复杂网络的一个基础性问题,近十年来得到了广泛的关注。本文概要了非重叠社团发现的典型算法,较全面地归纳分析了重叠社团发现算法。并指出了社团发现研究尚存在的一些问题和进一步的研究方向。     

交联网络中的可重叠社团结构分析算法的研究

社团结构是复杂网络呈现出的一个重要特征。现有的社团结构分析算法都是针对非交联结构的复杂网络,并且大多数是将网络划分为若干相互分离的社团,无法对彼此重叠、互相关联的社团结构进行分析。本文根据交联网络的结构特点,提出了交联网络中可重叠社团结构分析算法（IBCPM算法）。本文利用该算法对用户收藏文章的交联网络进行了社团结构分析,并对所获得的社团结构进行了统计分析。实验结果显示了该算法的有效性及效率,并且发现社团重叠量的累积分布与节点所属社团数的累积分布也具有幂律分布的特征。     

中国股市投资风险结构性失衡分析

从介绍股市投资风险特征着手,通过对中外股市风险结构的实证分析比较,指出了当前中国股市系统性风险比例过高,系统性风险与非系统性风险结构性失衡,并围绕这一失衡现象对其成因、危害进行了分析,最后针对此问题提出了化解建议与对策.     

大额支付系统中系统性风险传染规律研究

基于复杂网络理论, 针对支付系统中系统性风险的传染问题进行了研究。通过对现有成果的借鉴, 建立了描述风险传染过程的时滞微分方程, 并依据更新过程理论求出了此方程的解析解, 然后利用该解析解分析了不同时滞下系统性风险的传染规律。结果表明, 提出的相关的支付系统监管对策建议可对中国现代化支付系统建设、 宏观审慎监管制度的完善等实际问题起到一定的推动作用。     

基于关系强度的复杂网络社团结构发现算法比较

实际复杂网络数据的合理预处理是社团结构分析的基础与前提,对划分结果有着显著的影响。本文通过定义节点间的关系强度,将社会调查得到的社交网络数据处理成社团结构算法中通用的邻接矩阵,提出了处理实际复杂网络数据使之适用于经典社团算法分析的一种方法。同时,本文进一步给出了关系强度强联系定义和关系强度弱联系定义,并比较了算法在这两种定义下展示出的不同性能。     

用遗传算法优化模块密度探测社团结构

为更精确地探测社团结构,通过选择优化函数,分析社团结构特性,设计适合社团检测的选择、交叉、变异等遗传算子,提出了基于遗传算法和模块密度的社团结构探测算法.该算法未采用传统的分裂或聚合方法用减边或加边的策略,没有引入其他中间变量,直接通过优化模块密度函数发现网络社团结构.分析和仿真结果表明,该算法探测的社团结构与模块度探...     

基于最小社团链接度增量的社团结构挖掘算法

针对复杂网络社团结构挖掘算法复杂度高的问题,定义了一个衡量局部社团结构的指标,提出了一种基于最小社团链接度增量的社团结构挖掘算法.本算法的时间复杂度为O(kd),其中d为网络的平均节点度数,k为搜索的节点数.为了验证本算法的性能和计算的准确性,把本算法与一种经典的挖掘局部社团结构方法——Clauset算法,进行了比较.实验结果表明:本算法抽取的社团结构与Clauset算法相比基本一致,但在性能上有了显著提高.     

基于聚类的复杂网络社团结构发现

我校计算机与信息技术学院教师李艳灵博士获批国家自然科学基金项目:基于聚类的复杂网络社团结构发现,项目编号:61202194.复杂网络是指具有复杂拓扑结构和复杂节点行为的网络系统,它是对现实世界中各种各样的大规模复杂系统的抽象.复杂网络中的社团发现旨在寻找复杂网络中真实存在的社团结构,发现网络中的社团结构对分析     

科研合作网络的社团结构和中心节点研究

对发表于《ISI-SCIE(Science Citation Index Expanded)》上的PHARMACOLOGY&PHARMACY学科的论文作者合作研究形成的一个复杂网络进行了研究。分析表明该合作网络共有40个子网络,其最大连通子网络节点的度服从幂律分布且有厚尾趋势,具有较小的平均路径长度,较大的聚类系数,存在少数关键节点,具有典型的小世界性和无标度性。并通过GN算法分析和挖掘了该最大连通子网络的社团结构,用度值、介数值和PAGERANK值等指标评价了网络的中心节点,揭示了合作网络中合作水平较高的科研团队和具有影响力的科学家。     

基于社团密合度的复杂网络社团发现算法

传统的社团发现算法大多存在划分效果和复杂度相矛盾的问题,为了解决该问题,提出一种新的单社团结构评价标准——社团密合度(group density).在此基础上,设计了一种基于凝聚思想的社团发现算法,该算法通过不断融合小社团,使网络的社团结构向平均社团密合度最大的方向发展,并使用模块度检测算法的划分结果.通过与经典的GN,Fast Newman,LPA等算法对多个数据集进行实验对比,验证了本文算法在获得较好的划分效果的同时具有较低的时间复杂度.     

拓扑辨识具有社团结构的加权复杂动态网络

针对具有社团结构的一般不确定加权动力学复杂网络,利用反馈控制和自适应控制构造了一个驱动-响应系统来辨识驱动系统的拓扑结构,并根据线性稳定性理论和Lyapunov方法给出了拓扑辨识的充分条件.最后,通过数值仿真验证了所提方法的正确性和有效性.     

基于量子模糊聚类算法的复杂网络社团结构探测

研究了复杂网络的社团结构特性,探讨了复杂网络的社团结构探测算法.针对现有算法中判断社团结构时的主观性问题,提出了量子模糊聚类算法,并将该算法用于复杂网络社团结构的探测.实验结果表明:该算法可以准确、有效地探测到网络中实际存在的社团结构.     

基于神经网络的社团结构提取算法研究

针对复杂网络社团结构提取问题提出了离散Hopfield神经网络(DHNN)算法,并对这种算法的稳定性做了理论和实践上的分析。证明了从任意的初值出发,经过若干次迭代后最终收敛到1个吸引子或1个长度为2的极限环;给出了DHNN的能量函数与模块度函数之间的关系,证明了网络的稳定点对应于一个极大的模块度函数Q值。     

基于虚拟力牵引的社团划分算法

文中基于虚拟引力的思想,提出了一种新的社团划分算法.其基本思想是将相连节点之间看作是引力,不相连节点看作是斥力,让节点之间进行相互作用,直到节点以社团的形式聚集起来,从而达到划分社团的目的.通过在计算机生成网络和已知社团结构的现实网络中对本算法进行仿真,发现算法具有较高可靠性和接近线性的时间复杂度.     

一种改进的基于节点相异度的社团结构划分算法

提出一种改进的基于节点相异度的社团结构划分算法.首先根据度和平均度评估标准,筛选出核心节点作为初始核心节点集,然后基于节点相异度进行划分,直至社团结构划分完成.实验结果证明,与其他一些算法相比,该算法的划分效果比较精确且易于实现.     

改进的K-均值聚类算法在社团划分中的应用

为了快速准确地寻找大规模复杂网络的社团结构,文中基于K-均值聚类算法的思想,提出了寻找初始聚类中心的新方法.该算法应用于社会网络分析中的一个经典问题--Zachary网络,获得了满意的结果.     

一种基于层次化社团结构的复杂网络可视化平台

基于层次化的网络社团结构,提出了一种可以应用于大型复杂网络的可视化方法,并编程实现了交互平台.该平台采用圆环布局,能提供大量的交互功能,使用户从不同层次上查看网络结构信息.平台还实现了重叠节点的找寻,以及社团动态演化等与网络社团分析有密切关系的功能.     

基于LRWD轮廓系数的社团检测新方法

在近几十年中,复杂网络在数据挖掘和知识发现起着越来越重要的作用.复杂网络中的社团检测引起了许多领域的极大关注.提出了一种基于局部随机游走距离LRWD轮廓系数的网络社团检测新算法(SIL算法).此外,通过一些具有代表性的真实世界网络和计算机生成网络(GN准则和LFR准则)来测试该算法的准确性和效率.实验结果表明,SIL算...