基于拓扑信息耦合加权的链路预测方法

链路预测方法的提出往往需要一些好的网络生长机制来支持,如网络的社团结构、偏好连接和弱连接效应都可以很好的指导链路预测.现有的基于相似性的方法,忽略了拓扑信息耦合对实际网络演化的促进作用.鉴于此,提出一种基于拓扑信息耦合加权的预测方法.首先,以拓扑信息耦合度构建边权矩阵,进而为节点间不同异构的路径计算其耦合度;其次,综合多跳不同长度路径对相似性的贡献评价节点间的相似度.实验结果表明,提出的指标具有较高的预测精度,且具有良好的鲁棒性.     

基于复杂网络上的演化博弈

论述了基于复杂网络的演化博弈.通过介绍相应的演化博弈模型-囚徒困境模型以及一些复杂网络,鉴于复杂网络的优点以及博弈演化的特性,将两者巧妙的结合起来,介绍了研究这类问题的一些方法.     

基于扩散矩阵的半监督回归学习

半监督学习算法用到标记和未标记的样本.大量的实验表明,利用无标记样本可以改进学习算法的逼近性能.然而,当样本数增加时,逼近性能的定量分析几乎没有.本文构造基于扩散矩阵的一种半监督学习算法,建立逼近阶.结果还量化地说明,未标记样本的使用可以减少逼近误差.     

复杂网络上的病毒免疫策略研究

为了给预防病毒传播提供指导意见并且更好地对病毒传播行为进行预测和控制,主要研究了几种经典复杂网络中病毒传播的模型,并对几种复杂网络病毒免疫的模型特点进行了分析,通过对这些病毒免疫模型在多局域加权网络中应用不足的分析,对多局域加权网络的病毒免疫策略进行了相应的研究.     

复杂网络统计力学的差分方程方法

通过分析几种估计增长网络度分布方法的缺点,提出估计度分布的差分方程方法,不仅避免了复杂网络分析中将离散问题连续化带来的逻辑矛盾,也避免了网络稳态度分布存在性的假设.利用这个方法给出Poisson增长择优连接网络的度分布公式,借助Poisson过程理论和Gamma 分布的性质严格证明Poisson增长择优连接网络是无标度网络.     

基于试验设计的链路预测算法应用研究

链路预测是根据已有的网络结构等指标来对网络中尚未产生连边的两个节点间存在边的可能性大小进行预测。链路预测算法在社会网络中的应用是非常广泛的,且都具有很好的预测效果。但由于真实网络往往具有纷繁复杂的演化机制,这使得很难利用某一单指标去准确刻画,并且每种指标在不同网络结构中的预测效果各不相同,现有链路预测算法都是针对特定网络结构才可能有的最佳效果,缺乏普适性。本文基于均匀配方实验设计方法,构建了混合相似性指标,提出了改进的链路预测算法,并将其应用于微博社交网络和生物代谢合作网络中。研究结果表明,改进后的链路预测算法的预测准确性明显优于已有的链路预测算法,说明新构建的混合相似性指标具有一定的普适性;其次,试验设计方法大大缩减了混合相似性指标构建中最优权重确定的迭代次数及其复杂度。     

基于复杂网络演化博弈的企业低碳创新合作行为网络演化机理研究

针对企业低碳创新合作所面临的复杂问题,基于现实复杂网络结构特征,运用演化博弈理论研究有限理性下企业低碳创新合作行为网络演化机理,利用Matlab仿真技术探究无标度网络载体上微观因素对低碳创新合作行为的影响。研究结果表明:低碳创新利益分配、协同效益和违约惩罚对低碳创新合作行为网络演化结果的影响最为显著,网络规模越大网络演化速度越慢,网络规模越小对协同系数和利益分配系数的敏感性越强,网络规模越大对技术溢出系数和违约惩罚的敏感性越强。研究结论可以为企业低碳创新合作策略制定提供解决依据。     

国际石油贸易网络的演化规律研究:基于复杂网络理论

选取2002-2010年国际石油贸易量作为样本数据,以复杂网络理论为基础,构建了以180个国家为节点、石油贸易关系为边、贸易量为权重的国际石油贸易无权和加权网络,研究了网络的度分布、中心性、度相关性、强度分布和加权集聚系数的演化规律.结果表明:国际石油贸易系统的容量不断增大且国家间的石油贸易联系趋于紧密;美国、法国、加拿大、德国和荷兰对石油贸易的控制能力较强,但伊拉克战争和金融危机使美国对石油贸易的控制能力大幅下降;国际石油贸易网络是异配网络,贸易全球化和区域组织合作逐步加强;全球对于石油的需求在不断增长,但随着储量减少,油田老化等原因世界上的主要产油国已无法向国际石油市场供应更多的石油;伊拉克战争和金融危机对石油贸易关系强度的影响均较大,但金融危机对石油贸易关系的影响强度小于伊拉克战争.这些结论为我国选择适合的贸易伙伴、制定石油政策和减小贸易风险等都提供了新的思路与依据.     

分数阶复杂网络的自适应同步

运用自适应控制方法,研究了分数阶复杂网络的同步.通过构造一种简单的Lyapuno函数,得到同步准则.最后通过数值例子表明所提出方法的有效性.     

基于加权复杂网络的文本关键词提取

通过分析基于复杂网络的网络提取的文本关键词新算法.首先根据文本特征词之间的关系构建文本的加权复杂网络模型,其次通过节点的加权聚类系数和节点的介数计算节点的综合特征值,最后根据综合特征值提取出文本关键词.实验结果表明,该算法提取的关键词能够较好地体现文本主题,提取关键词的准确率比已有算法有明显提高.     

A Learning Framework for Neural Networks Using Constrained Optimization Methods

Conventional supervised learning in neural networks is carried out by performing unconstrained minimization of a suitably defined cost function. This approach has certain drawbacks, which can be overcome by incorporating additional knowledge in the training formalism. In this paper, two types of such additional knowledge are examined: Network specific knowledge (associated with the neural network irrespectively of the problem whose solution is sought) or problem specific knowledge (which helps to solve a specific learning task). A constrained optimization framework is introduced for incorporating these types of knowledge into the learning formalism. We present three examples of improvement in the learning behaviour of neural networks using additional knowledge in the context of our constrained optimization framework. The two network specific examples are designed to improve convergence and learning speed in the broad class of feedforward networks, while the third problem specific example is related to the efficient factorization of 2-D polynomials using suitably constructed sigma-pi networks.     

进化泛函网络多维函数逼近理论及学习算法

提出了一种用于多维函数逼近的进化策略修正泛函网络基函数系数的新算法,并给出了其算法学习过程.利用进化策略的自适应性来确定基函数前的系数,改进了泛函网络的参数通过解方程组来得到这一传统方法.仿真结果表明,这种新的逼近算法简单可行,能够逼近给定的函数到预先给定的精度,具有较快的收敛速度和良好的逼近性能.     

Failure in Complex Social Networks

A class of inhomogenously wired networks called “scale-free” networks have been shown to be more robust against failure than more homogenously connected exponential networks. The robustness of scale-free networks consists in their ability to remain connected even when failure occurs. The diffusion of information and disease across a network only requires a single contact between nodes, making network connectivity the crucial determinant of whether or not these “simple contagions” will spread. However, for “complex contagions,” such as social movements, collective behaviors, and cultural and social norms, multiple reinforcing ties are needed to support the spread of a behavior diffusion. I show that scale-free networks are much less robust than exponential networks for the spread of complex contagions, which highlights the value of more homogenously distributed social networks for the robust transmission of collective behavior.     

脉冲控制下复杂网络的同步

主要考虑非对称耦合复杂网络的脉冲同步问题.通过构造Lyapunov泛函,设计合适的脉冲控制器,并利用时滞脉冲系统理论,给出了网络脉冲同步新的判别准则.数值模拟表明所得结果是正确的.     

复杂网络研究领域演进中的复杂性

复杂网络的研究作为新兴的交叉学科,已经成为当前的一个研究热点.运用文献计量学中的共词分析方法结合知识可视化技术,考察和分析了复杂网络研究领域的演进过程.通过研究发现,在学科演进的过程中,往往伴随着涌现性、非线形、自组织等复杂性现象的发生.     

具有时滞的复杂动态网络的无源性

研究了复杂时滞动态网络的无源性.通过构造适当的Lyapunov泛函,得出了两个使得复杂网络无源的充分条件.最后,通过一个具体的例子及其仿真来阐明得到的条件的有效性.     

基于网络混合学习策略的股市投资者行为演化模型及仿真

针对投资者有限理性决策行为的模仿学习等特质,运用复杂网络、贝叶斯学习和社会学习理论,分别对个人投资者和机构投资者的投资行为决策机制进行系统性分析,由此构建基于网络混合学习策略的投资者行为演化机理和数理模型,并进行数理解析和模拟仿真。研究发现,投资者金融关联网络的拓扑结构对个人投资者行为动态演变具有较强影响,但对机构投资者的影响较弱;个人投资者的学习策略偏好影响其行为动态演变均衡状态的稳定性较为显著;机构投资者获取的私有信息精确度与其行为动态演变的均衡状态之间存在显著的非线性关联;投资者的初始行为状态对其投资行为动态演变均衡状态的影响效应均较弱。     

Bellman最优原理在复杂加权网络中的应用研究

针对现有算法及软件计算复杂加权网络介数的局限性,应用Bellman最优原理于复杂加权网络介数计算中,并针对复杂网络动态演化,节点众多,重点,节点间无边连接等特点作了相应修改.依算法实例计算出了复杂加权网络的最短路径长、最短路径和介数,最后经验证算法具有较快的运行速度和较准确的结果.     

基于复杂网络的并联式项目群结构脆弱性评估

运用复杂网络研究并联式项目群的结构脆弱性。将项目群中的任务用节点表示、任务之间的依赖关系用边表示,依据任务的工期确定点权、任务之间的依赖强度确定边权,则并联式项目群被抽象为一个有向加权网络。在分析并联式项目群网络拓扑特征的基础上,构建并联式项目群脆弱性评估模型,并对一个并联式项目群进行脆弱性评估。仿真结果表明该方法可以对并联式项目群脆弱性进行定量化评估、能够有效识别结构中的脆弱环节。本研究为保障项目群顺利实施、抵御风险提供了新的思路。     

关于耦合网络间同步控制的一个注记

本文旨在研究具有相互作用的两个网络间的同步及其控制问题,从理论上我们证明了通过选择适当的控制项,两个网络可以达到同步．文中没有限制两个网络具有相同的动力学,针对两个网络的拓扑结构和网络问的作用矩阵,我们提出了两种自适应同步格式,最后通过数值算例来阐述我们得到的理论结果．