基于相似度特性的复杂网络演化算法研究

提出了一种基于相似度特性和三角形结构的复杂网络演化算法,利用平均场理论给出网络的度分布、聚类系数和平均距离等特性的理论分析,并利用NetworkX工具包进行仿真验证,证明该演化模型在增加相似节点连接概率的同时具有幂率分布和小世界特性。     

复杂网络理论在对等网络特性分析中的应用

基于现有的复杂网络理论,研究了对等网络的复杂特性,并就对等网络中节点度和节点间平均最短路径两个特征参数进行算法设计和仿真.仿真结果表明,对等网络中使用复杂网络理论的特性分析理论结果与实验结果基本一致,能准确反映对等网络的特性.     

刍议复杂网络的度分布

复杂网络的网络结构与传播动力学都与网络的度分布有着一定的联系。所以,想要进行复杂网络的研究,首先就要进行复杂网络的度分布问题的研究。因此,基于这种认识,本文从复杂网络的结构和传播动力学与度分布指数的关系角度入手,对复杂网络的度分布问题进行了探讨。     

基于复杂网络理论的校友网络研究

在某高校校友会网站的开发建设中,引入复杂网络机制,借鉴城市公共交通网络的space P和space L方法,构建了校友网络,分析了其平均路径长度、聚类系数和度分布等基本网络统计特性,并借用数学期望的思想,对构建的校友网络方法进行了验证。由分析结果可知,校友网络是一个具有指数型度分布的小世界网络;校友网络是由一些关键节点（主席、副主席和班长和团支书等）连接起来的,应该切实保障这类节点的桥梁作用;space P方法构造的校友网络比space L方法构造的校友网络更加合理,更能反映真实的校友关系。     

基于高阶路径相似度的复杂网络链路预测方法

针对目前链路预测方法普遍存在精度不高、效率低等问题,提出了基于高阶路径相似度的复杂网络链路预测方法.首先,利用路径作为判别特征对复杂网络中的缺失链接进行预测,以实现资源的有效分配,并通过惩罚公共近邻对信息泄露进行限制.其次,将高阶路径作为判别特征,对种子节点对间的可用长路径实施惩罚.最后,利用多个真实复杂网络数据集进行...     

复杂网络特征量度及典型网络模型分析

复杂系统科学的发展目前仍处于萌芽阶段,但专家学者们广泛看好它的发展前景。近年来随着对复杂系统研究的不断深入,人们开始在不同领域进行从整体出发的复杂网络研究,从而形成了自成体系的复杂网络理论。首先介绍了复杂网络的概念,然后介绍了几种常用的复杂网络特征量度,之后总结了从复杂网络科学始创到今天,几种典型的网络模型,如随机网络模型、小世界网络模型、无标度网络模型等,并对这些模型进行了简单的分析。     

基于复杂网络和风险理论的电力系统脆弱性评估

基于复杂网络理论利用小世界模型对大型电力系统进行拓扑建模,建立电力系统的连接矩阵,该矩阵含有小世界模型全部特征参数的信息。鉴于干扰因素对电网运行的影响最终都是通过电网的连通性来体现,于是引入电网整体连通性和通道损失率两个指标。干扰因素源于电网的结构特性和电气特性。故从这两方面对电网的脆弱性进行评估。在结构特性上,依次切除节点和线路,求出相应的电网整体连通性和通道损失率;在电气特性上,选取影响电网稳定运行的两个最主要的因素,即电压幅值和功角差,并建立其与电网连通性的关系,求出相应的电网整体连通性和通道损失率。取基于结构特性的通道损失率与基于电气特性的通道损失率的乘积作为电网脆弱性评估值。利用IEEE30节点系统进行仿真并对电网各线路和节点进行脆弱性排序,说明了该方法的合理性与有效性。     

复杂网络理论及其在城市公交网络中的应用

复杂网络是综合以往的自组织理论、非线性理论与复杂性理论研究的成果而形成的新理论,它突出强调了系统结构的拓扑特性：本文首先对复杂网络的基本理论、统计特性和结构模型作了简单介绍,然后从城市公交网络的角度出发,对复杂网络在公交网络中的应用研究作了系统的综述,并提到了一些有待解决的问题和在实际研究中出现的新问题。     

复杂电力网络的级联故障分析与研究

将复杂网络理论应用于电力系统,特别是对级联故障导致的大电网停电事故进行研究,得到了广泛关注。首先探讨了对级联故障进行理论建模的重要性,然后对电网结构脆弱性和级联故障方面的研究进展和应用情况进行了分析,最后对课题的研究方向做了阐述和展望。     

基于Snake模型的复杂区域图像分割

在复杂区域图像分割中,针对传统Snake模型不能收敛到深凹陷区域等缺点,从内部能量函数和算法实现两方面入手对传统Snake模型进行改进,增加了一项由力作功产生的能量项,并采用Greey算法分两阶段实现.结果表明,改进的Snake模型能迅速地收敛到深凹陷区域和更复杂区域,且减弱了分割结果对初值的依赖性和噪声点对边界的影响.     

Link prediction method based on matching degree of resource transmission for complex network

In order to solve the problem that many existing resource-transmission-based methods ignore the important influence of the matching degree of two endpoints on resource transmission,a link prediction method was proposed based on matching degree of resource transmission for complex networks.Firstly,by analyzing the two endpoints on the resource transmission path in detail,the method of quantifying the matching degree between two nodes was proposed.Then,in order to describe the influence of matching degree on resource transmission process between nodes,the matching degree of resource transmission was defined.Finally,based on the matching degree of resource transmission,a resource transmission matching index was proposed considering the resource amount of bidirectional transmission between nodes.The experimental results of nine datasets show that compared with other similarity indices,the proposed index can achieve higher prediction accuracy under the AUC and Precision metrics.     

Online social network model with renewal and accelerated growth

Based on observation of the growing mechanism in Twitter-like online social networks, an online social network （OSN） evolution model was proposed, a renewal mechanism for the old nodes and an accelerated growth mechanism was introduced for the new nodes, comparing with the native copying model. Topological characteristics of the generated networks, such as degree distribution, average shortest-path length and clustering coefficient, are analyzed and numerized. These properties are validated with some crawled datasets of real online social networks.     

复杂网络中k-核与网络聚集系数的关联性研究

选取复杂网络特征变量—聚集系数为研究目标,通过数学推导与证明,清晰描述了k-核与聚集系数的关联性。通过仿真实验证明,随着k-核的不断解析、k值的不断增加,网络聚集系数亦呈现逐步增加的趋势。该结论为k-核解析在复杂网络中的进一步应用提供相应的理论基础与指导。     

基于网络拓扑的动态时延估算模型的研究

网络时延测量技术是了研究互联网的重要手段。针对网络时延估算问题,首先通过网络仿真分析了不同网络拓扑结构下时延序列与路径长度的关系,引入RTT相似度的概念来刻画这种关系。并以此作为网络时延估算的基础,设计了时延估算架构并提出了基于网络拓扑的时延估算模型。该模型利用线性回归的方法得到时延估算方程及估算精度。结合这些数据给出了动态时延估算方法,该方法可以根据不同的估算精度要求动态地选取测量节点进行时延估算,从而使时延估测系统更加灵活和高效。     

基于复杂网络的社区划分算法分析

近年来,复杂网咯吸引了大量的学者,作为一个新兴起来的学科,来自各个领域的学者们都开始对其进行研究分析。社区划分是复杂网络的重要特征之一。针对复杂网络中社区划分问题,对三种的社区划分算法进行了研究,传统GN算法、FN算法和谱聚类算法,分别阐述了各种算法的基本原理,并对这两种算法基于真实世界网络模型进行了适当的分析和比较,选取出较为高效的谱聚类算法,用于现实世界复杂网络中的社区划分,为实际应用中社区划分算法的认识与应用提供了方法参考。     

基于复杂网络的Psor链路预测算法

复杂网络领域中,链路预测在网络演化规律的研究中被广泛应用,具有巨大的实际应用价值。针对现有的基于网络拓扑的链路预测方法存在预测精度偏低的问题,提出了一种基于复杂网络的Psor链路预测算法。该算法综合节点自身和邻居节点的度,定义了节点的Psor指数和Psor相似性指标进行链路预测。该算法能够全面考虑复杂网络的局部结构信息,更加准确地对复杂网络链路进行预测。仿真结果表明,Psor链路预测算法的预测精度相比8种经典的相似性算法的预测精度最高提升了37.96%。     

基于无标度网络的车联网连通性研究

移动车辆的连通性是车联网(IoV)的关键指标之一,它会严重影响数据传输的性能.由于车联网的网络拓扑高频动态变化,车辆之间的通信链路容易频繁地断连.如何降低链路建立的随机性和链路断开概率,提高整体网络的连通性一直是急需解决的关键问题.针对上述问题,在视距路径损耗模型和干扰模型下分析网络的连通性,通过对车联网链路在真实世界...     

基于小世界网络体系算法的图像水印实现

针对图像水印存在的问题,提出小世界网络体系算法。首先建立小世界网络体系,神经元节点与离自己最近的两个神经元节点连接并构成环形网络;接着神经元不同连接概率生成不同的小世界网络体系结构,给神经元节点具有更多的连接,这样该节点参与系统信息交换的概率增加,提高系统的性能;最后给出了图像水印生成过程。实验仿真显示该算法嵌入水印后的图像和原始图像在视觉上没有差别,同时鲁棒性高。