基于空间影响域的虫害关系网络构造与分析

网络科学已成为研究生态学相关重大问题的重要手段.基于生态位法则和竞争排除原理提出虫害的空间影响域模型,并利用该模型提取2009~2013年的长白山脉虫害关系网络拓扑结构,进而研究该网络结构的无标度性、节点重要性和层次性.统计结果表明,长白山脉虫害关系网络的出度分布服从幂律性,而入度分布较均匀;网络中稳定存在的大出度值节点的介数较大,而大入度值节点局部上呈现高聚集性;网络的层次结构基本稳定,辽东半岛是虫害频发的高核区和危害程度的重灾区.     

地震数据关系网络的空间尺度

通过分析美国加州地区地震数据关系网络的拓扑结构特征,研究了不同空间尺度下网络拓扑结构基本度量参数的变化规律.结果表明:随着空间尺度的增加,网络规模迅速变小,并最终达到稳定;网络的平均聚集系数和平均最短路径长度随空间尺度的增加呈波动性下降.度分布频度研究结果表明,网络的空间尺度在一个有效范围内时,网络呈现出较好的幂律分布,该范围受事件数量影响.     

基于时空影响域的地震网络构造方法

针对地震系统表现出的时空复杂性,提出一种基于时空影响域的地震网络构造方法,根据震级的大小确定地震在时间和空间上的直接影响范围.实验结果表明,所提方法构造的地震网络在不同时间跨度下均表现出稳定的无标度特征,幂指数在1到2之间,节点的出入度呈现正相关性;网络的平均聚集系数在大地震来临之后迅速增大,然后随时间推移逐渐减小,最终恢复平稳;通过地震数据所构成的基于时空影响域的网络表现出一定的统计规律,可以帮助分析地震系统的内在联系.     

基于时空影响域地震加权网络的研究

为了研究地震活动的时空复杂性,在时空影响域地震网络的基础上,考虑地震活动之间相互影响程度的差异性,提出了一种地震加权网络的构造方法.使用1984~2014年加州地震数据构造了地震加权网络,研究其基本性质以及网络节点的连接性质来揭示地震活动的内在联系.分析结果表明:地震加权网络的点权分布及边权分布均具有幂律分布特征;网络节点的点权与度关系表明,相对于大地震,中强地震对网络性质的影响也同样较强;研究地震网络的平均近邻度和聚集系数,发现强震地区之间可能更容易发生强连接.研究结果表明,基于时空影响域的地震加权网络可以更好揭示无权网络无法发现的地震系统的内在联系.     

企业关系网络中基于相似度的弱关系分析

为了研究企业之间存在的弱关系,在企业关系网络上应用了相似度的分析方法,找到了企业关系网络中存在的基于产品的不同关系,由此划分出产品子图。并基于不同产品子图之间的相似度分析,找出企业之间存在的基于产品与客户资源的竞争关系。实验结果表明,当两个企业的产品与客户的相似度越高,这两个企业在未来使用的竞争策略的相似度也越高。     

基于行为关系网络的恶意代码检测方法

在网络安全领域,恶意代码的威胁是一个不可回避的话题.如何快速检测出恶意代码、阻止和降低恶意代码产生的危害一直是亟需解决的问题.本文提出一种基于行为关系网络的恶意代码检测方法.首先,在沙箱中运行样本获得行为报告,再从报告中提取样本的API调用、注册表访问和文件读写操作三种行为记录来构建行为关系网络,所构建的行为关系网络包含“PE”、“API”、“Registry”和“File”4种类型的节点;然后,使用一种基于元图的方法来计算样本之间的相似度矩阵;最后,使用一种自定义核的支持向量机(Support Vector Machine, SVM)模型来进行训练和预测.实验结果表明,本文提出的方法可以达到95.5%的分类准确率,能够有效地对恶意代码进行检测.     

瓦斯传感网络时空数据的预处理

由于煤矿巷道环境恶劣,提高瓦斯传感网络数据可靠性十分重要。从利用传感网络数据的时空关联性出发,研究了基于时空融合的瓦斯传感网络数据的预处理方法。首先,给出了传感网络时间、空间颗粒的定义,提出了瓦斯传感网络时间、空间颗粒的划分方法。接着,论述了异常值检测,以及基于时空融合的瓦斯传感网络数据的平滑预处理方法。仿真结果表明,提出的瓦斯传感网络时空数据预处理方法是有效、合理的。     

基于多子网复合复杂网络模型的级联失效研究

针对目前耦合网络级联失效的研究方法仅限于单个关系的问题,根据多子网复合复杂网络模型构建复合网络,结合多种关系研究了复合网络级联失效问题,考察在不同影响因素下,网内关系和加载关系对网络鲁棒性的影响.研究结果表明,网内关系和加载关系共同影响着网络级联失效的过程及规模,复合网络中两子网拓扑结构不同,网内关系对网络的影响不同;...     

面向蓄意攻击的网络异常检测方法

针对复杂网络受蓄意攻击频繁,而现有的检测方法大多忽略全局拓扑突变特征的问题.从网络全局拓扑的异常演化特征出发,提出网络路径相对变化系数(network path change coefficient,NPCC)r,量化节点间传输路径的变化.由斐波那契数列衍生出斐波那契演化域,用于区分正常和异常演化.将r作为核心度量参量,构建斐波那契演化域,形成网络异常检测方法,实现对异常的判定.结果表明,该检测方法的平均准确率为90%以上,高于最大公共子图(maximum common subgraph,MCS)及图编辑距离(graph edit distance,GED)的准确率,证明了所提检测方法的有效性.     

基于无标度网络的创新扩散模型研究

从无标度潜在采纳者关系网络出发,考虑潜在采纳者所处局域关系网络对创新采纳决策的影响,自底向上,从微观到宏观建立了创新扩散模型.模型一方面放宽了传统Bass类模型对于潜在采纳者关系网络不符合实际的假设;另一方面,引入了无标度网络的重要参数(度分布幂指数),使得创新采纳决策的微观机制能与宏观扩散数据相结合,体现了微分方程建模方法的优势,提高了模型的应用价值.对模型的进一步仿真分析发现,潜在采纳者关系网络节点度值的异质性程度越高及网络平均度值越小,则创新扩散深度越大、创新扩散速度越慢.     

基于时空影响域的加权地震网络拓扑特性分析

针对加利福尼亚地震网络,为了研究网络中节点间的相互影响关系,首先基于时空影响域,以平均震级比对边权值进行定义,从而生成加权地震网络.其次,选取零模型为参照物,分析了加权地震网络的拓扑特性.同时对边权值和节点权值的分布进行分析.结果发现:加权地震网络具有无标度和小世界特性,且节点和边权值都具有幂律分布特性;节点的权值与其最大震级值存在正相关.本文基于地震数据所构建的加权地震网络更符合实际情况.     

林业科技发展对林产品供给的影响

科学技术是促进林业产业发展和增加林产品供给的巨大推动力量。我们应根据"十五"和"十一五"期间我国林业科技的发展概况,结合近10年我国林产品供给情况,认真研究和分析科技发展对林产品供给的重要影响。     

融合双频段信息的林业无线传感网节点测距算法

无线传感网节点测距技术是基于测距法节点定位的基础,针对林区中单一频段节点测距存在误差大、精确度低的问题,基于接收信号强度(received signal strength indication, RSSI),提出一种融合433 MHz和2.4 GHz双频段信息的节点测距方法。建立引入环境参数预测的林区信号衰减模型,利用高斯滤波修正偶然误差,选择合适的融合参数γ对双频段测距信息进行融合,通过在平均胸径接近、林分密度不同的场地中实验归纳γ的取值规律。实验结果表明,在林分密度600株/hm~2以下的林场中,γ=0.4最优;在林分密度600～1 000株/hm~2之间的林场中,γ=0.5最优,在林分密度1 000株/hm~2以上的林场中,γ=0.6最优。在γ取最优值的情况下,实验表明本文提出的方法测距结果的均方根误差值为1.74,较单一频段的测距误差减小了31.3%,提高了基于RSSI节点测距的精度。     

基于气象大数据的配网故障数量预测

将配网故障抢修历史数据与庞大的温度、降雨、雷电等气象数据相结合,建立了一种具有天气敏感性的神经网络组合预测模型.该模型利用最大相关系数实时调整导致抢修数量变化的主要气象因素,精确预测故障发生的数量、类型和变化趋势,为抢修人员和物资的提前部署提供定性、定量指导.     

基于ASP技术的网上科研查询系统

首先介绍网上科研查询系统的设计思路及构成,然后探讨了实现网上科研查询系统中基于ASP的一些关键技术,并给出了部分示例。     

基于ASP科技奖励网络评审系统设计

采用ASP技术、工作流技术、动态组件技术和角色权限模型,设计一套科技奖励网络评审系统。该系统以BS形式提供人性化的操作界面,可以协调各方资源,优化评审流程,提高评审效率。     

神经网络短期负荷预测中的数据分析

在运用神经网络进行短期电力负荷预测中，输入数据的复杂性和冗余性给网络训练的效率和预测精度造成了显著的负面影响。文中提出了一种复全的数据分析方法，先采用输入变量贡献分析方法，根据输入变量对输出贡献的大小划分为主要变量和次要变量，在保留主要变量的基础 ，再采用多元统计分析中的主成分分析法，消除变量间的线性相关性，在此达到压缩变量维数的目的。将此分析方法用于处理神经网络的输入变量，提取其主要成分，使结构大为简化。结果表明，经该方法处理后的数据输入神经网络，训练时间大幅度缩短，负荷预测精度亦有一定程度的提高。     

基于仿真的广义动态约束网络建模技术

提出了支持复杂产品并行协同设计的广义动态约束网（GDCN）的概念,并给出了GDCN的数学模型．对GDCN的建模技术进行分析后,提出了基于仿真分析和元模型技术的领域级约束建模的有效方法．最后以某型号V6发动机曲柄连杆机构的设计为例,说明了支持复杂产品并行协同设计的GDCN建模技术的准确性和有效性．     

基于流时间影响域的网络流量异常检测

针对如何提高网络流量异常行为检测准确率的问题,提出基于网络流时间影响域(TID)的网络流量检测模型.通过分析正常和异常情况下流量网络模型平均度的变化,构建了基于复杂网络平均度指标的网络流量异常检测算法.实验结果表明,基于网络流时间影响域的流量网络模型能合理地描述网络流量间的依赖关系,具有良好的检测性能,同时该网络模型仅需时间戳、源IP、目的IP三维网络特征即可实现,检测方法适用于绝大多数网络类型,检测效率优于其他网络流量异常检测方法,具有较高的普适性.