结合可视图的多状态交通流时间序列特性分析

交通流时间序列的研究主要采用数据挖掘和机器学习的方法,这些"黑箱"挖掘方法很难直观反映序列特性.为增强交通流时间序列及其特征分析的可视化性,结合可视图理论来构建交通流时间序列的关联网络,从复杂网络角度实现交通流时间序列的特性分析.在网络构建的过程中,考虑到不同交通状态下交通流表征具有的差异性,首先利用交通流参量的相关性对交通流状态进行分类,然后构建不同交通状态下的时间序列复杂网络,并对这些网络的特征属性给出统计分析,如度分布、聚类系数、网络直径、模块化等.研究表明,可视图法可为交通流时间序列映射到网络提供有效途径,并且不同状态下交通流时间序列构建的复杂网络的模块化、聚类系数和度分布等统计特征呈现一定的变化规律,为交通流运行态势的研究提供了可视化的分析角度.     

基于有限穿越可视图的时间序列网络模型

提出了一种改进的时间序列有限穿越可视图建网方法,并对三种可视图(可视图、水平可视图、有限穿越可视图)网络度分布进行了评价.结果表明:水平可视图网络均无法有效识别各类时间序列信号(周期、分形、混沌);对分形信号,可视图及有限穿越可视图网络均具有无标度幂律形式,但抗噪能力较差;对周期信号及混沌信号,有限穿越可视图网络比可视图具有更强的抗噪性.在此基础上,采用有限穿越可视图网络从油气水三相流电导波动信号中提取了度分布特征参数,通过其特征参数组合实现了对三种典型三相流流型(水包油泡状流、水包油泡状-段塞过渡流型及水包油段塞流)较好的辨识效果.     

基于时间序列符号化模式表征的有向加权复杂网络

时间序列复杂网络分析近些年已发展成为非线性信号分析领域的一个国际热点课题.为了能更有效地挖掘时间序列(特别是非线性时间序列)中的结构特征,同时简化时间序列分析的复杂度,提出了一种新的基于时间序列符号化结合滑窗技术模式表征的有向加权复杂网络建网方法.该方法首先按照等概率区段划分的方式将时间序列做符号化处理,结合滑窗技术确定不同时刻的符号化模式作为网络的节点;然后将待分析时间序列符号化模式的转换频次和方向作为网络连边的权重和方向,从而建立时间序列有向加权复杂网络.通过对Logistic系统不同参数设置对应的时间序列复杂网络建网测试结果表明,相比经典的可视图建网方法,本文方法的网络拓扑能更简洁、直观地展示时间序列的结构特征.进而,将本文方法应用于规则排列采集的自然风场信号分析,其网络特性指标能较准确地预测采集信号的排布规律,而可视图建网方法的网络特性指标没有任何规律性的结果.     

从二维视图识别三维目标的多网络融合方法

提出了一种从二维视图识别三维目标的多网络融合方法,基于单个网络分类的置信度概念,有效地结合多个网络的输出结果作出最终分类判决,应用三个多层前向网络（隐层神经元数,初始权值等取不同值）,设计了基于分类确认度的多网络融合结构,对四类车辆目标进行的识别实验表明,所提出的多网络融合方法明显优于单个网络的识别性能。     

两相流有限穿越可视图演化动力学研究

针对小管径两相流流动特性, 全新优化设计弧形对壁式电导传感器. 通过动态实验在获取传感器测量信号的基础上, 采用有限穿越可视图理论构建对应于不同流型的两相流复杂网络. 通过分析发现, 有限穿越可视图网络异速生长指数和网络平均度值的联合分布可实现对小管径两相流的流型辨识; 有限穿越可视图度分布曲线峰值可有效刻画与泡径大小分布相关的流动物理结构细节特征; 网络平均度值可表征流动结构的宏观特性; 网络异速生长指数对流体动力学复杂性十分敏感, 可揭示不同流型演化过程中的细节演化动力学特性. 两相流测量信号的有限穿越可视图分析为揭示两相流流型的形成及演化动力学机理提供了新途径. 关键词： 两相流 复杂网络 有限穿越可视图 网络异速生长指数     

基于复杂网络的时间序列双变量联动波动

选择伦敦金与Au9999下午收盘价格作为样本数据研究时间序列双变量之间的联动波动规律.依据粗粒化方法,将伦敦金与Au9999价格的联动波动状态转化为由5个{P,N,M}字符组成的字符串,每个字符串代表5天的价格联动波动模态.将模态作为节点,模态之间的转化为边,构建价格联动波动复杂网络.运用复杂网络理论对时间序列双变量联动波动模态的统计、变化规律和演化机制进行分析.结果表明:时间序列双变量联动波动模态分布具有幂律性、群簇性和周期性,其联动波动模态主要通过少数几种模态进行转换与演化.本方法不仅可以研究不同类型时间序列双变量联动波动,同时可为多变量联动波动研究提供思路.     

基于区域密度曲线识别网络上的多影响力节点

复杂网络多影响力节点的识别可以帮助理解网络的结构和功能,具有重要的理论意义和应用价值.本文提出一种基于网络区域密度曲线的多影响力节点的识别方法.应用两种不同的传播模型,在不同网络上与其他中心性指标进行了比较.结果表明,基于区域密度曲线的识别方法能够更好地识别网络中的多影响力节点,选中的影响力节点之间的分布较为分散,自身也比较重要.本文所提方法是基于网络的局部信息,计算的时间复杂度较低.     

基于有限穿越水平可视图的短时睡眠心率变异性研究

心率数据是最易于获取的人体生理数据之一,基于心率变异性的睡眠分析是近年来各种用于日常健康管理的可穿戴设备功能的一个重要发展方向,需要不断探索可以应用于标准睡眠分期时间窗(约30 s)的各类短时特征参数.利用近期报道的有限穿越水平可视图,并进一步提出一种加权有限穿越水平可视图,将不同睡眠状态下的短时心率变异序列映射为网络,进而提取平均集聚系数、特征路径长度、集聚系数熵、路径分布熵、加权集聚系数熵和加权路径分布熵等网络特征参数进行统计分析.结果表明,各网络参数值在醒觉、浅睡期、深睡期和快速眼动期的幅度水平具有显著差异,体现了所述方法在基于短时心率变异数据的睡眠分期中的有效性.同时,进一步研究了健康年轻人和中老年人在不同睡眠状态下的网络参数值,发现两者虽然存在整体的水平差异,但是在不同睡眠状态间的变化仍具有相同的趋势,反映出相对于正常的年龄老化,睡眠调制对心脏动力学系统具有更显著的影响,也说明所述方法可作为基于心率变异性的睡眠研究的一种新的辅助工具.     

基于多属性决策的复杂网络节点重要性综合评价方法

复杂网络中的节点重要性评价在实际应用中有着重要意义.现有的一些重要性评价指标如度、介数等存在适用范围有限,评价结果不够全面等缺点,因为节点在复杂网络中的重要性不仅仅受单一因素的影响.为此,本文提出了一种基于多属性决策的复杂网络节点重要性综合评价方法.该方法将复杂网络中的每一个节点看作一个方案,其多个重要性评价指标作为该方案的属性,通过计算每个方案到理想方案的接近程度,最终得到该节点的重要性综合评价结果.该方法不仅可以用于不同类型复杂网络的节点重要性评价,而且便于扩展,实验结果表明了该方法的有效性.     

基于通信序列熵的复杂网络传输容量

网络的传输性能在一定程度上依赖于网络的拓扑结构.本文从结构信息的角度分析复杂网络的传输动力学行为,寻找影响网络传输容量的信息结构测度指标.通信序列熵可以有效地量化网络的整体结构信息,为了表征网络整体传输能力,把通信序列熵引入到复杂网络传输动力学分析中,研究网络的通信序列熵与传输性能之间的关联特性,分析这种相关性存在的内在机理.分别在BA无标度和WS小世界网络模型上进行仿真,结果显示:网络的通信序列熵与其传输容量存在密切关联性,随着通信序列熵的增加,网络拓扑结构的均匀性随之增强,传输容量明显增加.网络的传输容量是通信序列熵的单调递增函数,与通信序列熵成正关联关系.通信序列熵可有效评估网络的传输容量,本结论可为设计高传输容量网络提供理论依据.     

Visitor flow pattern of Expo 2010

Expo 2010 Shanghai China was a successful, splendid, and unforgettable event, leaving us with valuable experi- ences. The visitor flow pattern of the Expo is investigated in this paper. The Hurst exponent, the mean value, and the standard deviation of visitor volume indicate that the visitor flow is fractal with long-term stability and correlation as well as obvious fluctuation in a short period. Then the time series of visitor volume is converted into a complex network by using the visibility algorithm. It can be inferred from the topological properties of the visibility graph that the network is scale-free, small-world, and hierarchically constructed, confirming that the time series are fractal and a close relationship exists among the visitor volumes on different days. Furthermore, it is inevitable that will be some extreme visitor volumes in the original visitor flow, and these extreme points may appear in a group to a great extent. All these properties are closely related to the feature of the complex network. Finally, the revised linear regression is performed to forecast the next-day visitor volume based on the previous 10-day data.     

Visibility graph analysis on quarterly macroeconomic series of China based on complex network theory

The visibility graph approach and complex network theory provide a new insight into time series analysis. The inheritance of the visibility graph from the original time series was further explored in the paper. We found that degree distributions of visibility graphs extracted from Pseudo Brownian Motion series obtained by the Frequency Domain algorithm exhibit exponential behaviors, in which the exponential exponent is a binomial function of the Hurst index inherited in the time series. Our simulations presented that the quantitative relations between the Hurst indexes and the exponents of degree distribution function are different for different series and the visibility graph inherits some important features of the original time series. Further, we convert some quarterly macroeconomic series including the growth rates of value-added of three industry series and the growth rates of Gross Domestic Product series of China to graphs by the visibility algorithm and explore the topological properties of graphs associated from the four macroeconomic series, namely, the degree distribution and correlations, the clustering coefficient, the average path length, and community structure. Based on complex network analysis we find degree distributions of associated networks from the growth rates of value-added of three industry series are almost exponential and the degree distributions of associated networks from the growth rates of GDP series are scale free. We also discussed the assortativity and disassortativity of the four associated networks as they are related to the evolutionary process of the original macroeconomic series. All the constructed networks have “small-world” features. The community structures of associated networks suggest dynamic changes of the original macroeconomic series. We also detected the relationship among government policy changes, community structures of associated networks and macroeconomic dynamics. We find great influences of government policies in China on the changes of dynamics of GDP and the three industries adjustment. The work in our paper provides a new way to understand the dynamics of economic development.     

Assigning Degrees of Stochasticity to Blazar Light Curves in the Radio Band Using Complex Networks

We focus on characterizing the high-energy emission mechanisms of blazars by analyzing the variability in the radio band of the light curves of more than a thousand sources. We are interested in assigning complexity parameters to these sources, modeling the time series of the light curves with the method of the Horizontal Visibility Graph (HVG), which allows us to obtain properties from degree distributions, such as a characteristic exponent to describe its stochasticity and the Kullback–Leibler Divergence (KLD), presenting a new perspective to the methods commonly used to study Active Galactic Nuclei (AGN). We contrast these parameters with the excess variance, which is an astronomical measurement of variability in light curves; at the same time, we use the spectral classification of the sources. While it is not possible to find significant correlations with the excess variance, the degree distributions extracted from the network are detecting differences related to the spectral classification of blazars. These differences suggest a chaotic behavior in the time series for the BL Lac sources and a correlated stochastic behavior in the time series for the FSRQ sources. Our results show that complex networks may be a valuable alternative tool to study AGNs according to the variability of their energy output.     

基于网络连接度指标的脑梗死患者脑电信号相同步分析

基于图论的脑功能网络分析是近年来的一个研究热点,而相同步分析已被证实为揭示多导联脑电信号之间功能连接的有效工具.针对当脑电采集系统中导联数目较少而不适用于采用图论分析的情况,提出使用基于导联间相同步分析的网络连接度指标研究脑功能网络的关联特性和整体特性.采用新的频带划分方法,将0.5—30 Hz带宽内的脑电信号划分到5个子带上,计算了不同数据长度下各子带分量的网络连接度指标,并对比分析了各子带分量的相对功率.结果表明:在对脑梗死患者的脑电图和正常人的脑电图进行分析时,需要合理的数据长度量化不同动力学系统之间的差异;在合理的数据长度下,在网络连接度指标的区分效果方面,19—24 Hz分量信号优于其他分量,而且仅在19—24 Hz频带上,脑梗死患者组的所有导联出现了与对照组的所有导联相同趋势的变化.研究表明19—24 Hz频带是脑梗死最佳的脑电图诊断频段,可将该频段下的网络连接度指标作为脑梗死辅助诊断的新指标.     

基于注意力机制与图卷积神经网络的单目红外图像深度估计

对场景中的物体进行深度估计是无人驾驶领域中的关键问题,红外图像有利于在光线不佳的情况下解决深度估计问题.针对红外图像纹理不清晰与边缘信息不丰富的特点,提出了将注意力机制与图卷积神经网络相结合来解决单目红外图像深度估计问题.首先,在深度估计问题中,图像中每个像素点的深度信息不仅与其周围像素点的深度信息相关,还需考虑更大范...     

一种基于误差补偿的多元混沌时间序列混合预测模型

针对多元混沌时间序列的预测问题, 考虑到单纯改进储备池算法无法明显地提高预测精度, 提出一种基于误差补偿的时间序列混合预测模型. 实际观测的数据既包含线性特征又包含非线性特征. 首先利用自回归移动平均模型预测线性特征, 使得残差数据仅含非线性特征; 然后, 建立正则化回声状态网络模型预测; 最后, 将非线性部分的预测值与线性部分的预测值相加, 以实现高精度的多元混沌时间序列预测. 基于Lorenz和太阳黑子-黄河径流量时间序列的仿真实验验证了本文所提模型的有效性. 关键词： 回声状态网络 混沌 多元时间序列预测 误差补偿