基于模糊c均值聚类的社团结构探测新方法

通过对社团结构定义的研究,提出了一种基于模糊c均值聚类算法的网络社团探测新方法.利用网络节点间的最短路径长度、Person相关系数方法及平方法构造了节点间的相关度等价矩阵,从而将社团发现问题转换成节点的聚类问题.在此基础上,应用模糊c均值聚类算法以及网络划分形式对应的模块度来确定最优的社团结构,最后利用Zachary空手道俱乐部网络和Dolphin网络这两个经典模型验证了该算法的可行性.     

群体决策中隐性社团组织的识别

现实的群体决策问题往往是复杂的大群体问题,而群体成员之间由于联系程度、性格、心理、价值观等因素的影响可形成不同的社团组织。社团组织的结构,特别是群体中隐性社团组织的划分及其结构无疑对决策结果有重大影响。基于决策成员之间人际关系网络构成的大规模复杂网络,运用节点相似度的凝聚算法思想,研究出节点赋权网络的社团划分新算法。该算法综合考虑节点属性以及节点在网络中的结构特性,分别反映群体决策中决策个体的知识水平及交际网络,用于识别群体中的隐性组织结构,为模拟群体观点演化过程和结果奠定了基础。     

高校政务微博运作机制现状研究———以河北某高校共青团新浪微博为例

提出一种新型的种子节点社团挖掘算法，首先，利用主成分分析技术由单一性节点重 要性评价指标提取出综合性评价指标，挑选评价指标值最大的节点作为种子节点，对其进行广 度优先搜索，指标值大的节点不断地影响指标值小的节点，得到种子节点所在的社团结构。然 后，从已知社团结构外选取综合性评价指标值最大的节点重复上述过程，得到初始社团结构集 合。对于社团结构间存在重叠节点情况，根据重叠节点与两个社团间的连边数解决重叠节点的 归属问题，得到最终网络的社团结构。基准网络的实验结果表明，所提出的综合评价指标能更 好地表征节点的重要性，与谱方法社团挖掘实验结果相比，所提出的种子节点社团挖掘算法具 有较高性能。     

复杂网络中的社团结构算法综述

社团结构是复杂网络的一个极其重要的特性,网络社团结构挖掘在生物学、计算机科学和社会学等多个领域都具有很重要的意义。近年来,针对不同类型的大规模复杂网络,人们提出了很多寻找社团结构的算法。该文综述了该领域最新的比较有代表性的一些算法,重点分析了基于模块度指标的改进算法,能够体现社团层次性和重叠性的新算法,衡量社团划分算法好坏的基准图。最后展望了该领域的未来研究方向。     

基于相似度动态演化的符号网络社区检测

本文提出一种基于相似度动态演化的符号网络社区检测算法.为了使不连接的两节点之间有相似度,加入了最短路径的相似度计算函数,从而使同一个社区中节点的相似度随着时间的变化更新为1,不同社区之间节点的相似度随着时间的变化更新为-1.在本文所提出网络模型的基础上,整个网络会分为几个不同的社区.为了验证算法的性能,本文针对USC真实网络,GGS真实网络以及17个人工合成网络进行了仿真,并与已有文献作了相关比较,实验结果表明,算法有一定的优势.     

结合熵有效性函数的FCM算法识别社团结构

挖掘和发现复杂网络中的社团结构是复杂网络研究的基础性问题。针对复杂网络中的社团结构往往具有重叠性,提出了结合熵有效性函数的模糊聚类(Fuzzy c means, FCM)算法。首先基于信息熵提出了熵有效性函数,用于确定网络的“最佳”聚类数;其次给出了聚类数范围和两个过滤条件;最后将三者与FCM算法相结合,应用到Zachary’s karate club network、Dolphin social network和American college football network的社团结构检测。为了进一步体现熵有效性函数的优越性,将熵有效性函数和模块度函数,分别与k means算法相结合,对3个网络进行了实验。实验结果表明,熵有效性函数可以较准确的找到“最佳”聚类数,且结合熵有效性函数的FCM算法划分结果精确度都在90%以上。     

重复囚徒困境博弈对网络拓扑结构影响的研究

对Zachary网络采用了重复囚徒困境博弈的方法,提出了两种网络结构的演化算法,即随机算法和伪度优先算法,并对网络的度分布和聚集系数进行了分析,结果表明：经过n轮重复博弈,随机算法对网络拓扑结构的影响不大,伪度优先算法对网络拓扑结构的影响较大;经过演化后,网络的最大度明显增大,聚集系数也高于演化前的网络;随机算法对网络的社团结构影响不明显,而伪度优先算法则对社团结构的影响较大．     

科研领域关联网络的社团结构分析

利用复杂网络对我国自然科学基金研究领域关联网络的社团结构进行研究.科研项目管理部门为申请者提供了代表各个研究领域的申报代码体系,每个立项建议书中填报了一个或两个研究领域代码.通过这些立项建议书构建了研究领域关联加权网络(WNRA),提出了一种应用于加权网络的社团结构发现算法,并使用公共实验数据验证了算法的有效性.提出的算法对多个年度的领域关联网络的社团结构进行了分析,参照管理部门给出的申报代码体系,发现各年度的社团结构的变化状况.该算法有助于了解我国各个学科领域的发展状况,并对管理部门调整申报代码提供支持.     

混合型P2P网络中的基于Gossip的动态自适应算法

为了提高搜索的性能,出现了混合P2P网络搜索方法。在混合P2P网络中,关键的问题在于确定资源的流行程度。针对该问题,该文提出了一种基于Gossip的动态自适应算法(DAHG),通过抛硬币操作估计节点加入和离开P2P网络时所带入和带走的文档副本数;并通过Gossips传递估计值,获得资源的流行程度。仿真结果表明,该算法具有良好的适应性,能够反映P2P网络中节点和资源的动态性,从而选择出正确的资源搜索方法,减少搜索响应时间和提高资源的命中率。     

科研领域关联网络的社团结构分析

利用复杂网络对我国自然科学基础研究领域关联网络的社团结构进行研究.科研项目管理部门为申请者提供了代表各个研究领域的申报代码体系,每个立项建议书中填报了一个或两个研究领域代码.通过这些立项建议书构建了研究领域关联加权网络(WNRA),提出了一种应用于加权网络的社团结构发现算法,并使用公共实验数据验证了算法的有效性.应用本文提出的算法.对多个年度的领域关联网络的社团结构进行了分析,参照管理部门给出的申报代码体系,发现各年度的社团结构的变化状况.有助于了解我国各个学科领域的发展状况,并对管理部门调整申报代码提供支持.     

一种有效的网络比较算法

提出了一种有效的验证集成电路版图的网络比较算法。用此算法实现了网络比较程序NETCOM在晶体管级上,通过对从集成电路版图提取的拓扑结构和用户提供的设计电路之间的比较,可找出它们之间的差别,从而找出需作版图修正的错误部位。NETCOM的特点是充分利用了电路结点和元件的特征,使该网络比较算法更为有效。     

无线传感器网络下的并行粒子滤波目标跟踪算法

针对无线传感器网络环境下目标跟踪问题,提出一种基于分布式并行粒子滤波的目标跟踪方法。在建立了网络动态分簇模型和目标运动模型的基础上,将并行粒子滤波算法应用于动态目标进行跟踪。算法通过多个感知节点并行的运行局部粒子滤波器,得到每个节点对目标状态的估计,动态成簇的簇头节点对簇内每个节点的信息进行融合,形成动态目标的状态估计,提高了目标跟踪的精度。同时通过动态簇头之间的目标状态信息的交换,实现了运动目标的动态连续跟踪。仿真结果表明,算法实现了运动目标协作跟踪,与集中式结构目标跟踪相比,跟踪精度提高了30%。     

DHT网络规模估计算法的定量分析与设计

为准确而高效地估计分布式哈希表(DHT)的网络规模,提出一种基于平均间距的估计算法。该算法利用节点之间的间距服从指数分布这一特性,通过测量平均间距长度估计网络规模。从最简单情况入手,逐渐增加估计的间距个数,定量分析了网络规模估计值的概率分布和置信区间。根据分析,如果采用多条间距估计网络规模,估计值将服从参数为(k,k)的伽马分布的尾分布。最后,仿真试验验证了算法的有效性与分析的正确性。     

应用神经网络粒子群算法的多用户检测

为了减少最优多有户检测器的计算复杂度,提出了一种融合粒子群优化算法和神经网络的神经网络粒子群优化算法,并设计了一种解决CDMA通信系统的多用户检测问题的新方法。该方法是把神经网络嵌入到粒子群优化算法的每一代中以改进算法性能。通过混合神经网络到PSO中,还可以加快PSO的收敛速度,减少计算复杂度。仿真结果证明了所设计的检测器无论抗多址干扰能力和抗远近效应能力都优于应用Hopfield神经网络、遗传算法和粒子群算法的多用户检测器。     

基于遗传算法的无线传感器网络路径优化

提出使用遗传算法对无线传感器网络进行路径优化,考虑节点能耗和路由恢复时间等实际因素的影响,将这些影响作为路径优化问题的约束条件来处理;考虑各种约束条件和多种目标按照重要性的优先次序,使WSN有更长的寿命;对算法的各个环节进行了细致的分析,包括染色体的表示和编码、适应度函数的设计、遗传操作算子的设计及算法参数的分析和选取。大量的仿真实验证明,使用GA能找到WSN有效的优化路由。     

混合学习法前向网络多属性储层参数预测

应用前向网络描述地震属性和储层参数间的非线性映射关系时，经典的误差反向传播算法存在收敛速度慢，易陷入局部极值等诸多不足。研究了融合粒子群优化算法和误差反向传播算法的混合学习法前向网络多属性储层参数预测技术。粒子群优化算法是一种群体随机搜索演化计算技术，具有较快的收敛速度和较强的全局搜寻能力；误差反向传播算法本质上是梯度下降算法，注重局部搜索。混合学习法为两种学习算法交替执行，首先以粒子群优化算法训练网络，当误差能量在规定的迭代次数内不再发生变化时，采用误差反向传播算法实现局部寻优。理论函数逼近测试和实际储层参数预测实验说明了混合学习法具有学习时间短、求解效率高、可靠性强的优点，具有良好的应用前景。     

BP神经网络的LM算法及其对颗粒碰撞振动阻尼的预测

介绍了一种BP神经网络的改进Levenberg Marquardt(LM)算法原理,用这种方法对颗粒碰撞振动系统的阻尼进行了训练和仿真,并将此改进算法与传统算法进行比较.结果表明,该算法稳定、快捷,预测准确,适合应用于对实时性要求比较高的场合,且预测得到的模型与相关文献中的结果一致.     

复杂知识网络的结构特征对知识流动的影响

利用Jackson算法构建了知识网络的计算实验模型.该知识网络模型具备典型社会网络的五大特征.通过仿真试验探讨了单个虚拟的知识网络中具有不同属性的知识结点其知识水平演化的规律,两个具有不同知识水平的虚拟网络间建立知识合作联系的不同机制对落后网络和先进网络间知识扩散程度的不同影响,以及落后网络的网络密度和连接权重对网络间知识扩散程度的不同影响.     

USCIR模型视角下高校网络舆情引导策略探析

基于复杂网络中的经典SIR模型（susceptible infected recovered model）及相关研究,提出USCIR模型（unsusceptible susceptible contracted infected recovered model）。分析该模型视角下高校网络舆情的特征,发现高校网络舆情节点具备明显的小世界与无标度、多属性节点的同质性与异质性并存、舆情网络结构呈现平台性差异、节点间存在自组织与博弈行为等特征。最后基于USCIR模型对高校网络舆情的引导给出了相关的策略与建议。     

陕西区域物流网络构建研究

区域物流网络是服务于区域经济活动的产物,是区域内外各种经济要素流通、聚集、扩散的基础和平台。构建区域物流网络要在明确物流网络服务对象的基础上,考虑区域地理形态、区域经济发展水平、区域物流发展水平三大影响因素,明确界定区域物流网络的节点、线路及联系。区域物流网络建设的重点是选择和确定物流节点,并要实现节点和线路的协调发展。本文提出了构建区域物流网络的基本思路,并以陕西省为研究对象,提出了陕西区域物流网络的＂3＋3＂层次结构,并对省域物流网络节点的选择及线路布局给出了具体建议。