基于联合矩阵分解的节点多属性网络社团检测

发现复杂网络中的社团结构在社会网络、生物组织网络和在线网络等复杂网络中具备十分重要的意义. 针对社交媒体网络的社团检测通常需要利用两种信息源: 网络拓扑结构特征和节点属性特征, 丰富的节点内容属性信息为社团检测的增加了灵活性和挑战. 传统方法是要么仅针对这两者信息之一进行单独挖掘, 或者将两者信息得到的社团结果进行线性叠加判决, 不能有效进行信息源的融合. 本文将节点的多维属性特征作为社团划分的一种有效协同学习项进行研究, 将两者信息源进行融合分析, 提出了一种基于联合矩阵分解的节点多属性网络社团检测算法CDJMF, 提高了社团检测的有效性和鲁棒性. 实验表明, 本文所提的方法能够有效利用节点的属性信息指导社团检测, 具备更高的社团划分质量.     

基于节点间依赖度的社团结构划分方法

本文提出了一种基于节点间依赖度的在复杂网络中划分社团结构的算法,定义了节点对其邻居的依赖度以及节点对社团的依赖度和条件依赖度.算法的基本要点是优先将最大依赖度不小于其他节点且有惟一依赖节点的节点划分到社团,并将对社团的依赖度或条件依赖度达到一定值的节点吸收进社团,直到所有节点都得到准确的社团划分.本算法在几个实际网络的测试上,都成功地划分出了满足条件的社团,并且对社团结构已知的网络的划分结果符合实际情况.     

基于加权K-阶传播数的节点重要性

节点重要性对于分析网络结构具有重要意义.为了充分刻画网络全局和局部特性,本研究基于网络拓扑结构对疾病传播过程进行了抽象,分别设置各个节点为传染源,在经历传播时长K后,将网络中已感染节点的数量定义为K-阶传播数,最终基于不同K值下的K-阶传播数得到节点重要性结果.对Watts-Strogatz小世界网络和海豚网络的仿真实验表明,加权K-阶传播数法对节点重要性的评估较其他方法更为合理,能够细致地刻画小世界网络中长程连接对信息传输的影响,提高海豚网络中对社区交流起关键作用的节点的重视程度.本文利用蓄意攻击策略对美国西部电网、芝加哥公路网络、网络科学家合著网络以及小鼠神经纤维束网络进行了研究,即依照节点重要性由高到低的排序依次攻击网络.结果显示,相较于其他方法,基于加权K-阶传播数法仅需移除少量重要节点便可实现对网络结构的充分破坏.     

基于子网划分的电网关键节点识别

结合电网拓扑结构和潮流追踪技术,提出一种基于子网划分的电网关键节点识别方法。首先,根据发电机节点的邻域信息和功率将发电机节点划分为不同的子集,然后根据电网的系数分配矩阵将负荷节点划分到为其提供最大功率的发电机节点子集中,完成子网划分。接着采用多属性决策法对每个子网的节点进行排序,进一步改进并计算每个子网的结构系数,作为衡量子网重要性的指标。根据子网重要性,从每个子网中提取特定比例的候选关键节点,对这些候选节点依据多属性决策法重新排序,得到关键节点的最终排序。以IEEE14、IEEE57和IEEE118三种节点系统为例进行分析,得到各个系统的子网划分结果和各个标准网络的重要节点排序结果。采用本文方法、PageRank法和多属性决策法分别进行关键节点排序,并对排序靠前的关键节点进行级联故障性能实验和网络效能实验。实验表明,本文算法选择的关键节点对整个网络的传播性能影响最大,优于其他两种关键节点识别方法。     

最小代价最大节点度数的稀疏光疏导方法

疏导可以增加多播业务请求成功传输概率并提高光纤链路带宽利用率,但波分复用光网络中所有节点具有疏导能力则会增加网络造价和复杂度.本文研究了稀疏疏导网络中疏导节点选择策略,提出基于最小代价最大节点度数的疏导节点选择策略;根据疏导节点和非疏导节点功能差别,改进了稀疏疏导网络中多播请求的疏导传输方法.结合最小代价最大度数疏导节点选择策略和多播业务稀疏疏导传输方法,提出一种根据网络业务阻塞率限定值指标实现多播请求所需最少数目疏导节点的稀疏路由方法.仿真结果表明:在网络给定波长数和光收发器端口数目情况下,所提策略能够节约所需疏导节点数目并优化疏导节点位置,降低网络节点构造造价.     

基于度与集聚系数的网络节点重要性度量方法研究

网络中节点重要性度量对于研究网络的鲁棒性具有十分重要的意义. 研究者们普遍运用度或集聚系数来度量节点的重要程度, 然而度指标只考虑节点自身邻居个数而忽略了其邻居之间的信息, 集聚系数只考虑节点邻居之间的紧密程度而忽略了其邻居的规模. 本文综合考虑节点的邻居个数, 以及其邻居之间的连接紧密程度, 提出了一种基于邻居信息与集聚系数的节点重要性评价方法. 对美国航空网络和美国西部电力网进行的选择性攻击实验表明, 采用该方法的效果较k-shell指标可以分别提高24%和112%. 本文的节点重要性度量方法只需要考虑网络局部信息, 因此非常适合于对大规模网络的节点重要性进行有效分析. 关键词： 网络科学 鲁棒性 节点重要性 集聚系数     

基于度的正/负相关相依网络模型及其鲁棒性研究

利用典型的Barabási-Albert无标度网络构建了基于度的正/负相关相依网络模型, 该模型考虑子网络间的相依方式及相依程度, 主要定义了两个参数F和K, F表示相依节点比例, K表示相依冗余度. 在随机攻击及基于度的蓄意攻击模式下, 针对网络的级联失效问题, 研究了不同的F值和K值对该相依网络模型鲁棒性的影响, 与随机相依网络模型进行了对比研究. 仿真结果表明:无论是随机相依或是基于度的正/负相关相依网络, 其鲁棒性都是随着F的增大而减弱, 随着K的增大而增强; 在随机攻击下, 全相依模式(F=1)时, 基于度正相关相依网络模型鲁棒性最优, 部分相依模式 (F =0.2, 0.5, 0.8)时, 基于度的负相关相依网络模型则表现出更好的鲁棒性. 而在基于度的蓄意攻击下, 无论F为何值, 基于度的正相关相依网络模型表现出弱鲁棒性.     

模拟复杂网络下子网络节点抗攻击设计

针对复杂网络节点受攻击而出现的安全性问题,提出在模拟复杂网络基础上结合Feistel算法的子网络节点抵抗攻击方法。该方法通过子网络节点定位参数集,建立恶意节点位置模型,并确定定位真实精度;而后利用Feistel算法对节点密文进行加密处理,进而使加密信息恢复成明文信息,完成模拟复杂网络下子网络节点的抗攻击方法改进。结果证明,该方法不仅能够准确的对恶意节点进行定位,而且增强了节点抗攻击性能,提升了网络安全性。     

一种新的网络传播中最有影响力的节点发现方法

在复杂网络的传播模型研究中, 如何发现最具影响力的传播节点在理论和现实应用中都有重大的意义. 目前的研究一般使用节点的度数、紧密度、介数和K-shell等中心化指标来评价影响力, 这种方法虽然简单, 但是由于它们仅利用了节点自身的内部属性, 因而在评价影响力时精确度并不高, 普遍性适用性较弱.为了解决这个问题, 本文提出了KSC (K-shell and community centrality)指标模型. 此模型不但考虑了节点的内部属性, 而且还综合考虑了节点的外部属性, 例如节点所属的社区等. 然后利用SIR (susceptible-infected-recovered)模型对传播过程进行仿真, 实验证明所提出的方法可以更好地发现最具有影响力的节点, 且可适用于各种复杂网络. 本文为这项具有挑战性研究提供了新的思想和方法. 关键词： 复杂网络 最具影响力的节点 社区划分 中性化测量     

加权网络权重自相似评判函数及其社团结构检测

提出了权重自相似性加权网络社团结构评判函数,并基于该函数提出一种谱分析算法检测社团结构,结果表明算法能将加权网络划分为同一社团内边权值分布均匀,而社团间边权值分布随机的社团结构.通过建立具有社团结构的加权随机网络分析了该算法的准确性,与WEO和WGN算法相比,在评判权重自相似的阈值系数取较小时,该算法具有较高的准确性.对于一个具有n个节点和c个社团的加权网络,社团结构检测的复杂度为O(cn2/2).通过设置评判权重自相似的阈值系数,可检测出能反映节点联系稳定性的层化性社团结构.这与传统意义上只将加权网络划分为社团中边权值较大而社团间边权值较小的标准不同,从另一个角度更好地提取了加权网络的结构信息.     

基于社团结构的负载传输优化策略研究

研究表明网络社团结构特征对负载传输有影响,明显社团结构特征会降低网络的承载能力.由于最短路由策略在选择路由时有一定的随机性,本文提出了一种基于社团结构的负载传输策略,减少最短路由经过的社团数量,从而降低社团边缘节点的介数.实验结果显示,该策略在保证最短路由小世界特性的同时,提升了网络的承载能力,社团划分得越准确传输优化策略效果越显著. 关键词： 优化路由策略 社团结构 复杂网络 负载传输     

利用节点效率评估复杂网络功能鲁棒性

为了克服现有复杂网络鲁棒性研究模型只考虑节点失效的局部影响性和网络拓扑鲁棒性的缺陷, 提出了一种利用节点效率来评估复杂网络功能鲁棒性的方法. 该方法综合考虑节点失效的全局影响性, 利用网络中节点的效率来定义各节点的负载、极限负载和失效模型, 通过打击后网络中最终失效节点的比例来衡量网络的功能鲁棒性, 并给出了其评估优化算法. 实验分析表明该方法对考虑节点负载的复杂网络功能鲁棒性的评定可行有效, 对于大型复杂网络可以获得理想的计算能力.     

基于在线社交网络的信息传播模型

本文构造了一个基于在线社交网络的信息传播模型.该模型考虑了节点度和传播机理的影响,结合复杂网络和传染病动力学理论,进一步建立了动力学演化方程组.该方程组刻画了不同类型节点随着时间的演化关系,反映了传播动力学过程受到网络拓扑结构和传播机理的影响.本文模拟了在线社交网络中的信息传播过程,并分析了不同类型节点在网络中的行为规律.仿真结果表明:由于在线社交网络的高度连通性,信息在网络中传播的门槛几乎为零;初始传播节点的度越大,信息越容易在网络中迅速传播;中心节点具有较大的社会影响力;具有不同度数的节点在网络中的变 关键词： 在线社交网络 信息传播 微分方程 传染病动力学     

基于领域相似度的复杂网络节点重要度评估算法

节点重要性度量对于研究复杂网络鲁棒性与脆弱性具有重要意义.大规模实际复杂网络的结构往往随着时间不断变化,在获取网络全局信息用于评估节点重要性方面具有局限性.通过量化节点局部网络拓扑的重合程度来定义节点间的相似性,提出了一种考虑节点度以及邻居节点拓扑重合度的节点重要性评估算法,算法只需要获取节点两跳内的邻居节点信息,通过计算邻居节点对之间的相似度,便可表征其在复杂网络中的结构重要性.基于六个经典的实际网络和一个人工的小世界网络,分别以静态与动态的方式对网络进行攻击,通过对极大连通系数与网络效率两种评估指标的实验结果对比,证明了所提算法优于基于局域信息的度指标、半局部度指标、基于节点度及其邻居度的WL指标以及基于节点位置的K-shell指标.     

基于潮流追踪的电网同步性能优化及鲁棒性分析

采用二阶类Kuramoto模型对电网进行合理建模，分别应用临界同步耦合强度和平均同步误差来描述电网的同步能力和鲁棒性.研究发现，发电机的功率分配对线路的传输功率影响较大，而电网中高负荷线路越多，网络越难同步.基于这一发现，首先在发电机功率均匀分配（EG）方式下，计算出每条线路的传输功率，然后基于潮流追踪算法提出一种发电机功率非均匀分配（TG）方式，即在发电总量不变的情况下，增大枢纽发电机节点的功率，减小边缘发电机节点的功率.该发电机功率分配策略可以在一定程度上降低网络的临界同步耦合强度，减小平均同步误差，改善电网的同步性能和鲁棒性.     

相依网络的条件依赖群逾渗

相依网络鲁棒性研究多集中于满足无反馈条件的一对一依赖,但现实网络节点往往依赖于多节点构成的依赖群,即使群内部分节点失效也不会导致依赖节点失效.针对此现象提出了一种相依网络的条件依赖群逾渗模型,该模型允许依赖群内节点失效比例不超过容忍度γ时,依赖节点仍可正常工作.通过理论分析给出了基于生成函数方法的模型巨分量方程,仿真结果表明方程理论解与相依网络模拟逾渗值相吻合,增大γ值和依赖群规模可提高相依网络鲁棒性.本文模型有助于更好地理解现实网络逾渗现象,对如何增强相依网络鲁棒性有一定指导作用.     

一种有效的基于三角结构的复杂网络节点影响力度量模型

度量复杂网络中的节点影响力对理解网络的结构和功能起着至关重要的作用.度、介数、紧密度等经典指标能够一定程度上度量节点影响力,k-shell和H-index等指标也可以应用于评价节点影响力.然而这些模型都存在着各自的局限性.本文基于节点与邻居节点之间的三角结构提出了一种有效的节点影响力度量指标模型(local triangle centrality,LTC),该模型不仅考虑节点间的三角结构,同时考虑了周边邻居节点的规模.我们在多个真实复杂网络上进行了大量实验,通过SIR模型进行节点影响力仿真实验,证明LTC指标相比于其他指标能够更加准确地度量节点的传播影响力.节点删除后网络鲁棒性的实验结果也表明LTC指标具有更好效果.     

基于复杂网络动力学模型的无向加权网络节点重要性评估

定量分析识别复杂网络中的重要节点对于研究复杂网络鲁棒性和脆弱性意义重大,当前基于网络结构的节点重要性评估方法成果丰富,而基于复杂网络动力学模型的节点重要性评估方法较少.针对无向加权网络,本文首先提出了构建其对应的复杂网络动力学模型的方法,并证明了该类复杂网络动力学模型是大范围内一致渐近稳定的;然后建立了复杂网络动力学模型的偏离均值和基于偏离均值的方差两级节点重要性评估标准;最后给出了扰动测试和破坏测试两种基于复杂网络动力学模型的节点重要性评估方法.基于复杂网络动力学模型的节点重要性评估方法不仅结合了网络拓扑结构信息,同时又结合了节点自身的特性,所以评价结果更为全面.将这两种方法用于ARPA(advanced research project agency)网络、对称无向加权网络、社交网络、Dobbs-Watts-Sabel网络和Barrat-Barthelemy-Vespignani网络的重要节点评估,并与已有的复杂网络节点重要性分析方法进行比较,证明了所提出方法的有效性.     

面向结构洞的复杂网络关键节点排序

复杂网络中的结构洞节点对于信息传播具有重要作用, 现有关键节点排序方法多数没有兼顾结构洞节点和其他类型的关键节点进行排序. 本文根据结构洞理论与关键节点排序相关研究选取了网络约束系数、介数中心性、等级度、效率、网络规模、PageRank值以及聚类系数7个度量指标, 将基于ListNet的排序学习方法引入到复杂网络的关键节点排序问题中, 融合7个度量指标, 构建了一个能够综合评价面向结构洞节点的关键节点排序方法. 采用模拟网络和实际复杂网络进行了大量实验, 人工标准试验结果表明本文排序方法能够综合考虑结构洞节点和核心节点, 关键节点排序与人工排序结果具有较高的一致性. SIR传播模型评估实验结果表明由本文选择TOP-K节点发起的传播能够在较短的传播时间内达到最大的传播范围.     

基于簇相似度的网络社团结构探测算法

社团结构对复杂系统的结构特性和动力学特性有重要影响.提出了一个度量社团相似度的模型,称为簇相似度.该模型能够度量两个社团的相似度大小,为研究社团间的作用机制提供帮助.而且基于该模型,设计了一个社团划分算法.算法采用层次聚类的思想,每次合并两个相似度最大的社团,并通过一个评价函数选择最优社团划分.数值实验以及与CNM,GN,EigenMod等主流算法做比较,表明本算法的精度和效率都比较高,尤其对于边密度较高的网络,性能非常理想.