STABILITY OF THE LCD MODEL

The growing network model with loops and multiple edges proposed by Bolloba′s et al.(Random Structures and Algorithms 18(2001)) is restudied from another perspective.Based on the first-passage probability of Markov chains,we prove that the degree distribution of the LCD model is power-law with degree exponent 3 as the network size grows to infinity.     

基于云模型和PageRank算法的社会网络群决策方法

近年来，随着信息、通信和技术的快速发展，决策者之间的关系也由此变得越来越紧密。在此背景下，决策者基于社会网络关系存在交互，社会网络群体决策会产生比传统群体决策更多的信息，信息不完全性、随机性以及决策者有限理性等因素都会导致群体决策结果与实际情况产生偏差。针对社会网络群体决策中决策偏好信息为定性概念的语言信息，且决策者之间存在信任度的群体决策问题，本文提出了一种基于云模型和PageRank算法的社会网络群决策方法并针对现有的云聚类算法拓展出了社会网络云聚类算法。首先，将语言信息转化为云模型；其次，基于社会网络拓扑图利用PageRank算法来计算每个决策者的权重；接着，使用社会网络云聚类算法将决策者分成几个子聚集并求出子聚集的权重；最后把云模型综合成方案云，利用随机模拟技术获取各个方案云的评分，给出方案的排序，并通过对比分析验证了该方法的有效性。     

LK-CAUNet：基于交叉注意的大内核多尺度可变形医学图像配准网络

经典的UNet网络可用于预测全分辨率空间域的密集位移场，在医学图像配准中取得了巨大成功。但对大变形的三维图像配准，还存在运行时间长、无法有效保持拓扑结构、空间特征易丢失等缺点。为此，提出一种基于交叉注意的大内核多尺度可变形医学图像配准网络（large kernel multi-scale deformable medical image registration network based on cross-attention,LK-CAUNet）。在经典UNet模型基础上，通过引入交叉注意力模块，实现高效、多层次的语义特征融合；配备大内核非对称并行卷积，使其具有多尺度特征和对复杂结构的学习能力；通过加入平方和缩放模块，实现拓扑守恒和变换可逆。基于脑部MRI数据集，将LK-CAUNet与18种经典图像配准模型进行了比较，结果表明，LK-CAUNet的配准性能较其他模型有明显提升，其Dice得分较TransMorph配准方法提高了8%，而参数量仅为TransMorph的1/5。     

网络推手参与的社交媒体舆情传播四方演化博弈

针对网络推手参与社交媒体的舆情炒作和操纵行为,探讨如何实现对社交媒体平台的舆情传播进行有效管控.构建基于网络推手、社交媒体平台、政府监管部门和网民等四方利益主体的演化博弈模型,分析各博弈主体的稳定策略,并通过实验仿真探讨关键要素对博弈模型的影响.研究得到如下结论:1)权威媒体及时辟谣能够有效阻断社交媒体平台上虚假舆情信息传播:2)政府监管部门加强对网络推手和社交媒体平台的有效监管,加大违规惩罚力度,可对网络推手起到有力警醒,督促社交媒体规范舆情信息推送流程;3)主流媒体平台发布的舆情信息较为可靠,网民对小道消息应及时查证.据此,提出政府有效监管社交媒体平台舆情传播的相关建议,为净化网络信息空间,保障网民权益,维护社会安定团结,提供决策参考.     

考虑非合作行为的社会网络大群体共识决策模型

在社会网络环境下的大群体决策问题当中,决策专家之间的社会网络关系对决策过程和结果的影响至关重要.文章创新地提出一种考虑决策专家社会网络关系和非合作行为的大群体共识决策模型,有效促进大群体共识的达成.首先,根据决策专家的偏好信息和社会网络关系,改进经典Louvain社区发现算法,对大决策群体进行社区划分.其次,运用社会网络分析方法确定决策专家个体和社区的权重.随后,根据决策专家的偏离程度对决策专家非合作行为进行识别,并考虑社会网络关系的影响对非合作行为进行管理,以此构建共识决策模型.最后,通过案例分析来验证所建立共识决策模型的可行性和有效性.文章构建的共识决策模型,不仅在大群体社区划分过程中,创新性地同时考虑决策专家的偏好信息和社会网络关系的影响,并且在非合作行为管理过程中,也考虑到了社会网络关系对非合作行为决策专家偏好调整的影响,使其更适应社会网络决策环境.     

基于网络结构特征的大规模虚假评论群组识别

目前识别虚假评论的方法主要基于评论内容的文本特征和评论者的行为特征,然而评论文本与评论者行为容易被伪造和模仿,且这两类方法只能对虚假评论逐个识别,本文考虑了虚假评论的网络结构特征,通过分析评论者的网络行为及评论者节点间的网络结构特征定义相邻节点多样性与自相似性,利用累积分布函数估计其概率并合成网络行为得分,以得分高的可疑产品为种子建立2-hop子图,筛选子图中高度相似的虚假评论候选群组,利用GroupStrainer、HDBSCAN等算法对其进行聚类合并,以发现隐藏的虚假评论群组。以亚马逊四类最畅销的产品数据集为样本进行实证分析的结果表明,文中提出的方法能够有效识别隐藏较深的大规模虚假评论群组,综合群组内容的统计特征分析发现,虚假评论群组对目标产品的攻击模式存在产品类别差异,虚假评论群组比真实评论者对目标产品具有更强的集中度,但同时也会利用其它非目标产品对自身进行伪装以弱化其可疑性。     

分形格点中伊辛模型的临界行为

分形格点是一类特殊的格点,它具有非整数的维度,且打破了平移不变性.本文对分形格点中伊辛模型的临界行为进行了研究.在这个系统中存在从有序到无序的连续相变,本文利用张量网络重正化群算法计算了不同位置格点上的物理量,并据此在不同空间位置拟合出了相应的临界指数.由于平移对称性的缺失,发现临界指数的拟合结果对空间位置有依赖关系.另外,在分形格点中的不同位置检验了临界指数间的标度关系(hyperscaling relations),最终发现在某些格点上所有的标度关系全部成立,而在另外一些格点上则只有部分的标度关系成立.     

基于改进U-net的金属工件表面缺陷图像分割方法

针对金属工件表面小尺寸缺陷及受非均匀光照影响的图像缺陷难以分割的问题,提出了一种改进的U-net语义分割网络,实现金属工件表面缺陷图像的精确分割。首先,在U-net网络中融入CBAM(convolutional block attention module)模块来提升图像中缺陷目标的显著度;其次,采用深度超参数化卷积DO-Conv(depthwise over-parameterized convolutional)代替网络中部分传统卷积,增加网络可学习的参数数量;然后,采用Leaky Relu函数代替网络中部分Relu函数,提高模型对负区间的特征提取能力;最后,采用中值滤波及非均匀光照的补偿方法进行图像预处理,减弱非均匀光照对金属工件图像表面缺陷的影响。结果表明:改进后的网络平均交并比、准确率和Dice系数指标分别达到0.833 5、0.933 2、0.867 4,改进的网络显著提升了对金属工件表面缺陷图像的分割效果。     

基于颜色预测和语义感知双分支结构的近红外图像彩色化算法北大核心CSCD

针对近红外图像彩色化过程中因近红外与可见光图像间模态差异较大,导致着色后图像在纹理细节处存在颜色晕染、区域误着色的问题,提出了颜色预测和语义感知相结合的生成对抗网络。设计颜色预测和语义感知双分支生成器,颜色预测分支采用带有跳转连接的残差网络,语义感知分支采用带有语义融合的空洞卷积金字塔结构;不同的扩张率,能够获得多个感受野提取多尺度语义特征,将感知到的语义嵌入到颜色预测分支,提高模型的语义理解能力,改善颜色晕染、区域误着色问题;设计循环一致语义损失函数,约束生成器中语义信息的一致性;算法在RGB-NIR场景数据集上进行性能实验比对以及消融实验。实验表明,所提算法相比于现有彩色化算法,PSNR、SSIM和LPIPS评价指标优于现有算法,着色效果更符合视觉感受。