基于多尺度中心性算法的复杂网络节点影响力研究

复杂网络中重要节点的影响力度量是网络信息挖掘中的关键问题,传统的重要节点识别方法仅考虑单一因素影响,具有一定的局限性.提出了一种基于位置信息,拓扑结构和边重要性的多尺度中心性(Multi-Scale Centrality (MSC))的度量新方法.方法融合了多样性因子影响,在K-shell分解的基础上根据节点与其位于不同k核层的邻居间的关系构建外连边尺度衡量节点的位置信息,克服了同层节点重要性无法被区分的缺陷.又结合具有结构洞特性的节点相对其邻居节点的信息传播和控制优势,对节点的重要性更进一步地作区分.最后根据边的可替代性衡量边重要性,并依据边对其相连节点的重要性贡献构造多尺度MSC中心性算法模型.经与SIR疾病传播模型在真实网络模拟的结果进行对比,验证了本算法可行性和有效性.     

基于TOPSIS模型的机场网络节点重要度评估

在机场网络中单个机场节点的失效往往会对其他的节点产生影响,特别是关键节点的失效会波及整个网络.准确客观的识别重要节点机场关乎整个机场网络的安全运营.本文分析了机场网络拓扑特性中的度、集聚系数和接近度指标,考虑了机场旅客吞吐量和所在城市人口等交通经济特性指标,使用熵权法确定权重的基础上,应用TOPSIS法构建综合评价体系模型,最后以华东地区机场网络为例进行节点重要度排序.结果表明与单一指标的评估结果相比,该方法更加全面客观的确定不同属性指标的权重,避免了不同指标取值的差异性,使评价更加全面,更符合机场网络实际运营情况.     

基于网络拓扑的生物网络关键节点识别研究进展

与生物实验方法相比,基于网络拓扑的生物信息学方法在关键节点识别上有独特优势.基于网络拓扑的关键节点识别主要依赖节点在生物网络中的拓扑特性,通过观察节点网络拓扑参数的大小、所处的路径或模块的结构及其动力特性,在一定程度上可以对其关键性进行推断.从节点的中心性测度、网络的拓扑参数及层次结构等几方面总结了生物网络及其节点的主要拓扑特征;比较了蛋白质网络、代谢网络及基因调控网络关键节点识别的主要方法;分析了节点拓扑参数计算、路径求解及模块的划分及识别算法;指出生物网络关键节点识别上存在识别率不高、不同研究结论的不一致甚至相互矛盾、现有算法对网络规模日益增长的不适应等问题,并提出解决问题的思路及进一步研究的方向.     

基于随机矩阵理论的股市网络拓扑性质研究

本文运用随机矩阵理论(RMT)和相关系数动态演化模型建立全球股指二次“去噪”相关系数矩阵,并采用阀值法构建全球股市网络,进而分析该网络拓扑结构特性和解释风险在网络中的传染效应。研究发现,全球股市网络呈现出“小世界”效应;在θ=0.1数量水平下,全球股市网络具有较强的鲁棒性。同时,英国和荷兰的股票市场风险传染对网络整体的冲击较大;股市网络中各个股市间的风险传染路径与相关国家经济实力相关联,体现出较强的同配性。     

利益驱动对创新网络合作行为演化的影响机理及仿真——基于复杂网络拓扑结构视角

随着合作创新的网络化发展,创新网络中各主体的利益诉求对网络演化的影响不断加深。基于不同网络拓扑结构视角下不同利益对创新网络主体合作行为的影响,建立了创新网络演化博弈模型。在无标度与小世界网络拓扑结构下,结合声誉机制、学习行为、网络环境等因素,对创新网络中合作行为的演化进行了仿真研究。结果表明:创新网络的合作行为演化受到网络结构及规模的双重影响,在无标度网络下,合作率更加稳定;合作利益的公平分配促进创新网络合作行为的演化;机会利益的诱惑导致创新网络合作行为的显著波动。     

基于多尺度局部结构约束的特征点匹配算法

对于含有重复模式较多、低重叠区域的图像,特征匹配时会存在离群点较多及伪同构等问题,从而影响匹配的精度.为了提高匹配算法的精度和鲁棒性,本文提出了一种基于多尺度局部结构相似性的特征点匹配算法(MLSS).首先定义局部结构相似性度量方法,即多尺度近邻结构相似性及多尺度局部拓扑结构相似性.基于局部结构相似性,构造特征匹配模型,并采用确定性退火思想去除离群点,实现特征点集的精确和快速的匹配.使用Daisy数据集、VGG数据集和航空遥感数据集中的22组典型数据对算法的性能进行验证,匹配结果显示,该算法的精度和鲁棒性优于其他四种经典的特征匹配方法.     

一个寻找外围节点的算法

指出了著名的用于降低稀疏矩阵带宽的Gibbs-Poole-Stockmeyer方法中所找到的伪外围节点的偏心距可能远小于图的直径.由此提出了一个寻找外围节点的算法,证明了其正确性和有效性.     

基于改进节点重要度引力模型的航路网拥堵节点识别

航路网络存在一些关键航路点对系统整体具有重要控制作用,而有效辨识这些重要节点对缓解空中交通拥堵,提高航路运行效率具有极大意义.以复杂网络理论为基础,从网络视角结合中心度及节点服务能力通过改进传统引力模型进行节点重要度评估;然后基于改进节点重要度引力模型进行航路网络拥堵节点识别仿真,并将结果与传统介数法进行对比验证.研究表明:改进的引力模型识别的重要节点,不仅具有较大的中心度,且较多位于航路网络流量较大位置;基于引力模型识别航路网络节点重要度的准确率更高,在提高网络通行率基础上更及时地识别航路网络易拥堵节点,对预防节点失效、减少航路网络拥堵具有积极作用.     

国内外黄金现货价格联动波动复杂网络拓扑性质

为了研究国内外黄金现货价格联动性波动特征,选取2003年1月1日至2013年9月6日上海黄金交易所Au9999黄金现货收盘价与伦敦标准黄金现货的下午定盘价分别作为国内与国外黄金现货价格的样本数据.依据粗粒化方法,将Au9999与伦敦标准金价格的联动波动转化为由5个{P,O,M}三个字符构成的字符串,每一个字符串代表每5天的黄金现货价格联动波动模态,共产生106个模态.将模态作为节点,模态之间的转化为边,构建国内外黄金现货价格联动性波动复杂网络.对联动性复杂网络的点强度与强度分布、聚集系数、平均路径长度、中介中心性及凝集子群特征进行研究分析.结果表明:点强度值较大的前32个节点累积强度分布达到了92.05%,点强度与度分布、点强度与其等级均呈幂律分布;加权集聚系数与点强度之间并没有表现出良好的相关性,网络中存在14个小群簇;网络平均最短路径长度为7.668;节点中介性差异不太明显,前40个节点对整个网络的中介中心性贡献率为62.29%;8个节点的凝集子群有2个,8个节点以上的子群不存在.从网络结构拓扑性质角度验证了国内外黄金现货价格变化的复杂特征,这些对于掌握国内外黄金价格波动的内在规律和了解价格变化信息有一定指导意义,能够为我国黄金价格制定、风险投资和规避经济风险提供决策参考.     

利用网络模型测定节点影响力与重要性

介绍了2014年美国大学生数学建模竞赛C题的背景与立意,针对6篇获得Outstanding奖的论文的解题思路与方法进行了归纳与总结,指出了学生答卷中的亮点与不足,并给出了建议和改进方案。     

基于网络结构的高维协方差矩阵估计

本文在Lan等[1]利用网络结构对连续变量协方差矩阵进行估计的研究基础上进行改进和扩展,给出一种基于网络结构的高维协方差矩阵估计方法,并允许响应变量异方差性存在.该方法将高维协方差矩阵的估计问题转化为关于网络结构的低维线性回归的参数估计问题,从而极大减少了计算量.在有限样本甚至n=1的情况下,该估计方法仍然适用,且估计...     

基于全局可达点的中国教育网平均最短路径近似算法

平均最短路径长度是复杂网络的一个重要特性,但由于计算时间的限制,求解大规模网络的平均最短路径长度很困难.以中国教育网数据为例,分析了中国教育网的拓扑结构,提出了全局可达点和局部可达点的概念,发现整个网络的平均最短路径长度由全局可达点决定.通过分析全局可达点的平均单源最短路径长度分布,发现整个网络的平均最短路径长度可由少数随机选取的点的平均最短路径长度来近似.通过三个网络验证了近似计算方法的有效性,并通过随机选取的数百个点,计算得到了含49041472个点的中国教育网的平均最短路径长度在14-15之间.     

“Spatial nodes” in discrete location problems

Discrete location models often assume an underlying network where demands originate at point nodes. To apply these models to planar regions with continuously distributed demand, the region is usually partitioned into zones and the demand from each zone is assumed to originate at a point, usually the zone centroid. Thus, the point node in the underlying network represents a spatial zone with a finite area. This paper examines the effect of approximating these spatial nodes by point nodes. In some problem scenarios, the approximation does not affect the solution. However, especially when the locational criterion includes the consideration of intra-zonal travel cost variances (e.g. travel time variance) and demands may originate anywhere within zones of nonzero area, point nodes do not give an accurate evaluation of the performance of a locational design. To illustrate the application of the concept of spatial nodes, a model is formulated for locatingp (fire-fighting) units in a region having continuously distributed demand with the objective of minimizing a nonlinear function of arrival times of the first and second closest units to any (fire) incident. A heuristic site-substitution procedure is presented that solves the formulated model.     

面向可靠性的网络级联失效分析

本文从可靠性角度定义了影响级联失效过程的关键指标,探讨网络不同类型节点在失效传播过程中的作用及其对可靠性的影响。通过节点聚合描述不同节点的失效传递,以及节点失效时的网络拓扑结构变化特征,从而构建网络级联失效模型,然后确定网络的关键失效路径。最后通过案例分析,发现交通网络在经过聚合变化后稳定性更强,流通性也有提高,验证了该模型的有效性。     

Gaussian kernel approximation algorithm for feedforward neural network design

A Gaussian kernel approximation algorithm for a feedforward neural network is presented. The approach used by the algorithm, which is based on a constructive learning algorithm, is to create the hidden units directly so that automatic design of the architecture of neural networks can be carried out. The algorithm is defined using the linear summation of input patterns and their randomized input weights. Hidden-layer nodes are defined so as to partition the input space into homogeneous regions, where each region contains patterns belonging to the same class. The largest region is used to define the center of the corresponding Gaussian hidden nodes. The algorithm is tested on three benchmark data sets of different dimensionality and sample sizes to compare the approach presented here with other algorithms. Real medical diagnoses and a biological classification of mushrooms are used to illustrate the performance of the algorithm. These results confirm the effectiveness of the proposed algorithm.     

Neural networks and flexible approximations

Email: cuny{at}cardiff.ac.uk This paper supports the view that neural networks are best seenas devices that can approximate a wide range of functions. Theauthors argue the need to consider the precise details of howthe approximations operate in practice. The paper shows howstandard network models can be regarded as polynomial functions,obtained from expanding exponential terms. Multivariate Taylor-seriesexpansions, obtained through the MAPLE software package, areused for this purpose. The expansions serve to cast light onthe role of the hidden nodes. Also considered is the relativedifficulty of fitting different types of function. Quadraticfunctions are compared with Gaussian shapes.     

非对称视角下技术创新网络社群结构涌现及其对双元创新的影响研究

针对介于全局网络与自中心网络间的社群现象及其网络结构的创新悖论,分析了不同层面网络社群结构的涌现特征,从组织间关系的非对称视角,探究网络社群动态变化对双元创新的差异性影响。利用高科技生物制药行业的合作与专利数据,使用快速压缩社群识别算法和多元回归模型进行实证检验。研究结果表明:宏观层面的全局网络存在显著“抱团”的多社群巨元组结构;中观层面的网络社群存在选择偏好的核心-边缘结构;微观层面社群组织动态的跨社群运动和成员流动二维变化加剧;社群动态的二维变化对突破式创新具有正向影响,与渐进式创新呈现倒U型关系;位置非对称性正向调节社群动态对双元创新的影响,技术非对称性的调节作用不显著。研究结论有助于揭示技术创新网络社群的合作创新模式,对提升组织创新能力,维持创新网络平稳运行具有重要意义。