绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 100
  (已选择0条) 清除 结果分析
找到 2295 条结果
[硕士论文] 刘晴和
计算机科学与技术 扬州大学 2018(学位年度)
摘要:伴随着科技社会的迅速发展和网络信息技术的进步,复杂网络的链接预测的研究有重要的现实和理论研究意义,已经成为近年来的研究热点,广泛应用到多种领域中,如社会科学、计算机科学、复杂系统等一些领域。链接预测的含义是通过已知的网络的拓扑结构来对缺失的链接和未来可能产生的链接进行预测。这种预测既包含了对未知链接(网络中实际存在但尚未被我们探测到的链路)的预测也包含了对未来链接(网络中目前不存在,但应该存在或者未来很可能存在的链路)的预测。链路预测相关研究不仅能够推动网络科学和信息科学理论上的发展,而且具有巨大的实际应用价值,譬如可以进行在线社交推荐、指导蛋白质的相互作用实验、找出交通传输网络中有特别重要作用的路径等。
  在现实世界中,目前大多数的链接预测算法都是基于无向网络的,但是现在许多社会网络中的连接都是有方向的。社交网络正在不断融入人们的日常生活,近年来facebook、Twitter、新浪微博等社交网站层出不穷,成为信息分享和传播的重要途径。对于类似Twitter的社交网络,用户关系的有向性是普遍存在的,因此预测连接是否存在的同时,也有必要预测链接的方向。本文针对有向网络的特性,融合网络的拓扑结构信息和关系的相似性,设计精准高效的链接预测算法。本文的主要研究工作和成果如下:
  (1)提出了一种基于抽样的有向图的单源链接预测算法。我们通过设定适当的抽样大小,可以将相似度的误差限制在一个给定的阈值范围内。然后根据设定的抽样大小产生路径的样本集。然后基于抽样路径来计算给定顶点的相似性得分,对于每条路径中的每一个子路径在Katz指标上加上相应的值,以得到近似的Katz指标。由于只要基于抽样路径来计算给定顶点的相似性得分,该算法可以大大减少计算时间。通过在实际网络上的实验结果显示,我们的算法可以获得高精度的预测结果。
  (2)提出了一种基于遗传算法的有向网络的链接预测算法。我们拟对顶点的排序方式进行编码,作为遗传算法的个体表达形式。我们首先随机产生若干个初始个体,每一个个体代表一个排序方案,然后计算该排序方案的适应度,用赌轮法选取新一轮的该选个体集合,再使用交叉、变异操作,产生新一代的群体。重复上述操作,直至收敛到最优解。我们拟通过遗传算法得到顶点的排序分,然后通过比较两个顶点的排序分来确定它们间链接的方向,还可以根据两个顶点排序分之间的差异大小估计该链接出现的概率。通过在实际网络上的实验结果显示,我们的算法可以找出有向网络中顶点的最优的近似排序来解决顶点之间链接的方向预测,可以获得高精度的预测结果。
  (3)提出了一种基于生成树的有向图顶点排序的算法。我们试图找到一种排序方法,即对任一顶点定义一个序号,使得对任一有向边上开始点的序号都要小于终点的序号。为了计算这种序号,我们对该有向图构造相应的无向图,然后对每一顶点观察其为根顶点的在两个图上的生成树,最后通过用该顶点的两个的生成树的差异来衡量顶点的排序值。实验结果显示,我们的算法可以得到最优化的顶点排序,取得好的预测质量。
[硕士论文] 张观东
模式识别与智能系统 兰州交通大学 2018(学位年度)
摘要:目前,神经网络、模糊系统等现有的计算智能方法在非线性系统建模与辨识中取得了成功的应用。与神经网络、模糊系统等智能计算的方法相比,基于“核技巧”(kerneltricks)的特征向量选择(Feature Vectors Selection,FVS)与核隐变量正交投影(Kernel-basedOrthogonal Projections to Latent Structures,K-OPLS)的方法首先通过“核技巧”将输入数据映射至高维特征空间。在高维特征空间中FVS按照几何上的考虑提取相关的数据向量,形成特征空间的一个基底,所选择的数据向量定义为特征子空间,其次,将数据投影至该子空间上,基于MSVM(Multioutput Support Vector Machine,MSVM)方法建立辨识模型,MSVM方法保持了在ε不敏感损失函数下具有紧凑与稀疏解的优点。在O-PLS模型框架下,K-OPLS方法在高维特征空间中能够去除输入中与输出不相关的成分,即剔除与响应变量(输出)正交的来自描述变量(输入)的变异成分,以实现对模型的预测成分及与响应-正交成分的计算。因此FVS及K-OPLS在具有更强的非线性逼近能力的同时能够有效的降低计算负荷,提高辨识效率。本文针对机器人系统及混沌动力学系统分别应用基于核学习的FVS及K-OPLS方法进行了建模与辨识,论文的主要研究内容包括如下几个方面:
  (1)研究了FVS-LR(Linear Regression,LR)及FVS-SVM方法的基本原理及实现过程,为验证FVS方法的有效性,首先将其应用于Mackey-Glass时间序列的预测实例中,实验结果表明,基于FVS方法的混沌时间序列预与SVM、KPCA-SVM及LS-SVM等现有的方法相比具有更高的预测精度及更高计算效率。进一步针对MIMO的Puma560及SARCOS仿生机器人系统的建模与辨识提出了一种FVS与MSVM相结合的方法,实验结果表明,在同等条件下与传统智能计算的方法相比FVS-MSVM方法不仅能够减小计算复杂度,而且具有很好的建模与辨识精度,模型的推广性好。
  (2)针对Duffing-Ueda振子混沌动力学系统的辨识,提出了K-OPLS方法。同时为验证K-OPLS方法的有效性,首先将其应用于Mackey-Glass时间序列的辨识中。实验结果表明,基于K-OPLS方法的混沌时间序列预测精度及计算效率略优于FVS-LR方法。Duffing-Ueda振子混沌动力学系统的辨识实验中,对基于K-OPLS的辨识模型与原系统的动态性能进行了定性与定量的分析校验,定性校验准则是基于对比辨识模型与原系统吸引子(轨迹嵌入)、庞加莱映射、分岔图、极限环完成的,定量校验准则包括对比辨识模型与原系统的李雅普诺夫指数与关联维。实验结果表明,K-OPLS辨识方法具有很好的动态重构性能,定性展示出与原混沌系统相同的动态行为,并且具有与原混沌系统非常接近的动态不变性指标。能精确地再生出展示混沌动态行为的过程非线性模型,具有与原混沌系统非常接近的动态不变性指标。
  (3)在对来自测量蔡氏电路产生双涡卷吸引子与螺旋吸引子的低信噪比的信号实测数据实验中,对于低信噪比的实测数据首先进行小波降噪处理,进一步通过K-OPLS方法建立模型的重构吸引子,最后对辨识模型的重构吸引子与原系统的重构吸引子进行了对比分析。实验结果表明,辨识模型所重构出的吸引子与原系统的吸引子是基本一致的。
[硕士论文] 何金银
机械工程 重庆交通大学 2018(学位年度)
摘要:多阶段任务系统(Phased-Mission Systems,PMS)广泛存在于航空航天,汽车等大型复杂设备中。大型复杂设备功能的完成往往是由一系列阶段任务组成,如导弹的攻击任务分为发射、惯性制导、末端制导三阶段组成。不同的任务阶段其系统组成,元件配置各不相同,加之系统内部以及各阶段系统间存在元件的共用,这使得PMS在可靠性建模与计算,基于可靠性的冗余配置优化以及维修策略方面相比单阶段系统变得更加复杂。本文从以下几方面对PMS进行了研究:
  1)针对PMS因阶段任务的关联性,元件的共用性,导致建模难度大,求解过程复杂,提出基于贝叶斯网络链式规则以及条件独立性规则的系统路集组合方法。针对元件各阶段失效率不同问题,利用元件累积损伤模型(Cumulative Exposure,CE),考虑元件历史损伤,获得元件各阶段的累积失效分布来描述元件的跨阶段相关性。针对元件各阶段失效率相同情况,采用条件剩余寿命模型描述元件的跨阶段相关性。该方法避免了传统贝叶斯网络方法因阶段状态离散过多造成的条件概率表规模大、存储空间需求大、运算量大的问题以及PMS-BDD方法对变量排序有严格要求的限制以及难以求解含有多种分布类型元件的系统可靠性问题。对某地球同步轨道卫星进行了PMS可靠性建模与求解,并与PMS-BDD方法相对比,验证了路集组合方法的正确性;
  2)针对现有PMS冗余配置优化未考虑阶段间元件共用、冗余共享以及元件失效率的不确定性问题,本文结合路集组合方法与遗传算法提出PMS冗余配置优化三大模型:考虑阶段间元件共用PMS冗余优化模型Ⅰ;考虑阶段间元件共用、冗余共享的PMS阶段冗余共享优化模型Ⅱ;考虑阶段元件共用、冗余共享、考虑失效率不确定性的PMS阶段冗余共享鲁棒性优化模型Ⅲ。以实例验证了采用阶段冗余共享能够在不降低系统可靠性情况下显著降低系统设计费用,采用考虑不确定性的鲁棒性优化模型Ⅲ在设计变量存在变化时,系统能有效抑制设计变量变化对系统造成的影响;
  3)PMS本质上是由多个元件组成的多元件系统,基于此观点对PMS进行了多元件机会维修策略优化,采用本文提出的路集组合方法与二分法求得满足系统最低可靠度要求的最佳机会维修计划,该维修策略以整体PMS最小维修费用为目标。算例结果表明,采用机会维修与各元件单独维修相比其维修成本降低了269%。
[硕士论文] 李甲地
应用数学 安徽理工大学 2018(学位年度)
摘要:近年来,随着复杂系统科学的发展,许多分布式算法可以通过借助多个体系统的方式来实现。由于许多集中式算法难以解决复杂系统的优化问题,因此,分布式算法研究得到越来越广泛的关注。目前分布式优化算法已广泛应用于人类生活的各个方面,如银行等金融单位之间的信息存储与调用、城市交通的调度问题、因特网网络系统、集群式无人飞行器的编队飞行、卫星群的协调等。通过以上系统的共同点给出多个体系统的定义,由大量的具有一定自主能力的个体,通过系统中某些个体之间的局部信息传递耦合而成的大规模的网络化系统,系统中的每一个独立个体都具有自主决策、计算等能力并通过和周围邻居个体进行信息传递协调地完成复杂任务。与集中式算法相比较,分布式算法具有不需要系统全局信息,在复杂环境下具有极强的鲁棒性和适应能力,以及节约成本等优点。并且更重视通讯与个体之间协调在优化中起到的重要作用。因此,本文从多个体系统网络的网络拓扑条件以及个体之间的通讯两个方面进行研究。
  当多个体系统网络的运行环境极其恶劣时,会出现通信数据丢包、个体连边失效或者个体配备的传感器等设备出现不同的感知范围等故障,使得系统中个体间的进行互惠信息交流变得非常困难或不现实。因而研究多个体系统网络中个体间进行非互惠信息通信具有重要的实际意义。此外,大多数现有的分布式算法一般都基于一个理想化的假设:即构成系统网络的个体间通信的是每个个体状态变量的完全精确的信息。即在实际生活中,要求现实网络的信息传递通道具有无限的网络带宽,并且优化算法能够做到以无限的精度被精确执行。但是实际生活中的多个体系统是呈现空间立体分布的特点,并且因为实际中构成系统个体间信息通道材料性能的不同,使得信息通道存在有限的网络带宽限制,这最终导致了实际生活中,多个体系统中个体之间仅仅只能通过量化信息通信而不是精确信息。因此,本文先研究了有向非平衡切换网络中的一般分布式无约束凸优化问题。进一步地,将网络拓扑与量化信息通信统一考虑,重点研究了基于量化信息通信交流的有向非平衡切换网络的分布式无约束凸优化问题。
  论文主要内容和研究成果总结如下:
  一、研究有向非平衡切换网络的分布式次梯度优化算法。不同于已有文献中理想化的假设:假定有向网络拓扑必须是平衡的,这意味着多个体系统网络中个体间的信息交流是平衡的。而这一条件在实际应用中过于苛刻。因为多个体系统网络有空间分布的特性,个体间通常基于远程通信和无线传感网络实现信息共享。尤其是网络运行在非常恶劣的环境中,往往会造成系统网络个体间的通信网络是有向非平衡的。因此,考虑强连通的有向非平衡切换网络,降低对实际网络拓扑条件的要求,拓展了现有文献算法的适用范围。由于非平衡网络对应的邻接矩阵是随机的,利用过渡矩阵的方法对有向非平衡切换网络的分布式次梯度优化算法的分析有一定的困难,本文采用非二次李雅普诺夫函数方法,在有向非平衡切换网络是周期强连通的且对应的邻接矩阵是随机的而非双随机的条件下,证明了所提出的有向非平衡切换网络的分布式次梯度优化算法的收敛性,说明与已有有向平衡网络的分布式次梯度优化算法相比,两种算法在有向非平衡切换网络中运算都收敛到最优值的邻域内且收敛速度几乎相同;但明显地,本文所提出的分布式次梯度优化算法具有更小的迭代误差。接着通过几个仿真实例直观的验证了本文所提算法的有效性以及优势。
  二、采用有限水平动态一致量化策略,对有向非平衡切换网络的一般无约束分布式凸优化问题进行研究。如果多个体系统网络的个体之间通过某个个体某时刻的个体状态变量的完全的精确信息进行通信,也就是说,若个体之间进行信息传输的某个个体的状态变量是实值,则要求在实际网络中连接个体之间的信息通道必须具有无限的带宽,并且优化算法可以做到以无限的精度被准确执行。这就导致了在实际中的网络化系统中个体间通信的不可能是完全精确的信息。本文考虑有向非平衡切换网络中,个体间通过某个体状态变量的量化信息进行交流并且信息传输受无线通信网络带宽限制,提出了有向非平衡切换网络的分布式量化次梯度优化算法。因此统一考虑了网络拓扑条件以及量化信息通信,弱化已有文献对刻画网络拓扑的邻接矩阵的假设及对网络带宽的要求,更具实用性。利用非二次李雅普诺夫函数方法,证明本文所提出的有向非平衡切换网络的分布式量化次梯度优化算法的收敛性。最后利用计算机进行仿真试验直观表现了所提算法的有效性以及优越性。通过仿真试验结果分析表明:不论一个多个体系统的网络规模有多么大,只需要适当地选取所设计的有限水平动态一致量化器的参数,在同等的网络带宽下,算法不需要额外的通信成本用于通信反馈,降低网络中所有个体达到一致所需的信息量,节约成本。并且使多个体系统网络中的个体收敛更快,从而降低对网络带宽无限的依赖。
  综上所述,本文在有向非平衡切换网络是周期强连通的且对应的邻接矩阵是随机的而非双随机的以及次梯度有界的条件下,证明了有向非平衡切换网络的分布式次梯度优化算法的收敛性,并且在假定所有信息在发送之前都经过具有有限量化水平的一致量化器的量化的条件下,证明了有向非平衡切换网络分布式量化次梯度优化算法的收敛性。研究分析表明:与有向平衡切换网络的分布式次梯度优化算法相比,有向非平衡切换网络的分布式次梯度优化算法弱化对网络拓扑条件的要求,具有更小的迭代误差。有向非平衡切换网络的分布式量化次梯度优化算法通过对有限水平动态一致量化器的参数的选取,可以节约网络成本并降低对网络通信带宽的依赖。因此,本文所提出的分布式次梯度优化算法具有更广泛的适用范围和应用价值。
[硕士论文] 张云龙
基础数学 北京交通大学 2018(学位年度)
摘要:近年来,多智能体的分布式协同控制受到越来越多不同学科的学者的关注,例如应用数学,物理学,计算科学,控制科学等。毫无疑问,这是由于它的广泛应用,例如,无人飞行器,多移动机器人,传感器网络,卫星集群等。在这些应用中,一个重要的目标就是智能体通过和它的邻居信息交互,使得所有的智能体能达到一个共同的目标(位置,速度,相位和姿态等),这被称为一致性问题。本文主要研究了具有非线性固有动力学的分数阶多智能体系统一致性,具体工作如下:
  1.首先,带有非线性的分数阶多智能体系统的分组多延迟一致性被研究,其中,两类延迟一致性被考虑:一种被称为是组外延迟一致性,那意味着不同的领导者之间实现了延迟一致性,另一种被称为是组内延迟一致性,也就是说同一组内的追随者与领导者之间实现了延迟一致性,当这两类一致性被实现,那么多智能体的分组多延迟一致性才能被实现。为了实现分数阶多智能体系统的分组多延迟一致性,分布式的控制算法被设计并且相关的充分条件被获得。进一步的,考虑到系统的参数不确定性,自适应控制算法被推导。
  2.其次,带有非线性固有动力学的分数阶异质多智能体系统的输出一致性被研究,其中,三种情况被考虑:无领导者和无非线性固有动力学的分数阶异质多智能体系统的输出一致性,有领导者无非线性固有动力学的分数阶异质多智能体系统的输出一致性,有领导者和有非线性固有动力学的分数阶异质多智能体系统的输出一致性。借助于内部模型原则,上述三种情况的分布式的控制协议被分别设计。最后,通过应用矩阵理论,代数学图论和分数阶的稳定性方法,内部模型的状态一致性以及分数阶异质系统的输出一致性被实现。
[硕士论文] 施映
理论物理 广西大学 2018(学位年度)
摘要:复杂网络(Complex network)具有自组织、自相似、吸引子、小世界性以及无标度的某些或全部特征,能够用来描述自然科学、社会科学以及工程科学等众多领域间相关的模型。复杂网络是21世纪受关注较大的交叉学科,它以统计物理学、计算机软件、数学等学科为研究工具,以复杂系统作为研究对象,已经成为描述和了解复杂系统的重要研究工具之一。近年来,人们已经得到许多有关复杂网络的理论结果和实际应用。同步问题一直是研究复杂网络的一个重要课题。最近的十几年,人们都在研究有关同步及其相关问题,其研究范围包括物理学、化学、生物学、社会学等多个学科。人们在研究Kuramoto相振子同步动力学行为时发现了奇异态。奇异态与神经系统密切相关,研究奇异态对解决医学上的难题有很大帮助。因此研究复杂网络的同步及奇异态相关问题对解释现实现象或者解决实际问题都具有极其重要的意义。
  本论文的主要研究工作有:
  (1)基于Kuramoto局域耦合振子平均场模型,提出单向次近邻环上非线性振子的动力学模型。先对少体系统的动力学稳定性进行理论分析,再采用四阶龙格-库塔法对系统的动力学方程进行数值模拟,结果发现当系统振子数N≤6时,随着耦合强度的增大,所有振子的平均频率汇合到相同频率上,产生单一同步态;当系统振子数N≥7时,随着耦合强度的增大,系统同步区域内存在多定态分支;序参量R随着系统振子数的增大而减小,并有趋向于零的趋势。
  (2)基于双谐波(bi-harmonic)耦合作用的广义Kuramoto模型,在系统中考虑具有正负向二次谐波耦合强度,通过四阶龙格-库塔法数值模拟系统的动力学行为,发现系统中振子相位分布具有丰富的动力学特性,系统具有同步态、行波态;二次谐波序参量和系统相位斑图能更好的反映出系统的同步程度;在概率p分别递增和递减时,通过数值模拟分别发现在p=0.45和p=0.40有一个不连续的转变,表明系统存在滞后现象。通过系统斑图表明系统存在行波态和同步态。
  (3)基于二维时间离散系统卢柯夫映射(Rulkov map)神经元系统,提出考虑耦合系统中最近邻和最近对角上的神经元的动力学模型。通过迭代法对系统进行数值模拟,随着时间演化,二维神经元网络的膜电位在不同的化学突触耦合强度下,系统斑图很好地反映出系统的非相干态、奇异态和相干态;通过序参量、标准差和不相干强度SI的计算,当化学突触耦合强度0.6<ε<0.8时,系统呈现出奇异态。
  最后,对复杂网络上Kuramoto模型同步及奇异态的研究进行总结和展望。
[硕士论文] 喜彦贵
系统理论 北京交通大学 2018(学位年度)
摘要:近年来,分数阶神经网络系统由于其良好的动力学性质,已经成为非线性学科领域研究的一个重要课题。相对于整数阶神经网络系统,分数阶神经网络系统能够有效描述系统的整体功能,并提高其计算能力。此外,由于在实际的工程领域中,神经网络系统的参数往往未知,所以,对于参数不确定的分数阶神经网络,对其参数进行估计就显得非常重要,因此,对于不确定分数阶神经网络,我们研究了基于滑模的有限时间控制,并对其参数进行估计;另外,对于带有系统不确定项和外部干扰的混沌系统,我们也用滑模对其有限时间控制,并对其系统不确定项和外部干扰的上界进行了估计,具体工作如下:
  1.对参数确定的分数阶神经网络系统,研究了其基于滑模的有限时间控制问题。通过应用分数阶系统的稳定性理论和滑模控制理论,给出了该系统实现有限时间控制的条件。同时,对于不确定分数阶神经网络系统,应用分数阶系统的稳定性理论和滑模控制理论,我们也给出了其有限时间控制的条件,并对其未知参数进行了估计。
  2.对于带有系统不确定项和外部干扰的混沌系统,研究了其基于滑模的有限时间控制问题。系统不确定项和外部干扰的不确定性使得理论与实际结果存在一定的差距,可能会导致稳定的系统出现震荡现象,因此,研究这类系统的有限时间控制问题也很有意义。滑模控制理论,是一种鲁棒变结构控制方法,它具有很多优点,比如快速响应,对外界干扰的敏感度低,容易实现,并且可以是参数未知的。因此,对于带有系统不确定项和外部干扰的混沌系统来说,我们可以用滑模方法来得到其有限时间的鲁棒控制,并对系统不确定项和外部干扰的上界进行估计。
[硕士论文] 徐漫
计算机技术 哈尔滨工程大学 2018(学位年度)
摘要:DBLP学者合作网络作为最早研究的复杂网络之一,其海量的数据为相关的研究提供了有力的支持。DBLP网络分支数据量庞大,总体研究难度较大。用改进的CPM扩展核心架构的算法切割网络分支,使所有节点都有社团归属,得到的社团数量和规模分布相对合理。计算社团之间的传承关系,得到社团演化的分支。
  社团在演化过程中会出现融合和分化的情况,本文主要比较演化过程中不同结构的合作关系社团的结构稳定性和结构数量,和不同结构社团的规模增长情况。首先,根据相邻年份之间社团的传承关系得到9465个社团演化分支,计算不同结构社团随年份演化的数量增长情况。其次,根据社团演化分支的演化特点,给出BA结构社团演化过程中结构和规模变化情况,分析BA结构社团的演化特点。从1977年的12号分支的3个BA社团到2010年的3631个BA结构社团,有5320次非BA演化成BA结构社团,有4494次BA演化成非BA结构,有19461次保持BA社团的结构不变。然后,选取80个起始社团都是BA结构的社团演化分支,和DBLP社团演化分支中起始演化结构为9个ER随机结构和3个BA结构社团作比较。演化成BA结构社团的平均增长率和增长概率分别为0.00297和0.491,低于DBLP的0.297和0.574。保持BA结构不变和非BA结构演化成BA结构的概率分别是0.925和0.443,高于DBLP的0.812和0.142,不同起始结构的社团对社团演化结构和规模指标会产生影响。最后,计算演化成不同结构社团的平均增长率和增长概率,和结构演化概率。演化成BA结构的平均增长率是0.267是非BA结构的0.0401的6倍多,增长概率是0.574比非BA结构的0.333高出24.1%。保持BA结构不变的概率是0.812只比最高的完全规则结构的少2.2%,非BA结构演化成BA结构的概率是0.142,只比最高的ER随机结构少3.9%。
  综合不同结构社团的演化数据,BA结构社团的结构演化概率较高,演化成BA结构社团的平均增长率和增长概率都高于其他结构的社团。BA结构社团在演化过程中具有结构增长较快,规模增长最快,结构稳定性良好的优势。通过大量的数据集计算,对DBLP学者合作网络的内部演化关系有进一步的了解,预测网络结构的变化。推测网络的演化趋势,对科学研究活动起到一个指导作用,甚至可以优化合作结构,进而推动相关的发展。
[硕士论文] 顾沈胜
计算机科学与技术 扬州大学 2018(学位年度)
摘要:带符号网络在机器学习和数据挖掘领域有着重要研究和应用价值。带符号网络中的链接预测已经引起了很多领域研究者越来越多的关注。链接预测是网络分析中的重要研究领域。最近,带符号网络中的链接预测引起了很多学者的关注。我们不仅要预测出带符号网络中节点之间是否存在潜在或者将来即将生成的链接,还要预测出链接存在的可能性大小以及链接上所带的符号。除此以外,链接预测的结果还需要尽可能满足社会平衡理论和社会结构理论。
  现有的带符号的网络的链接预测方法大都是在将传统的无符号网络中的链接预测方法运用到带符号的网络中的方法中,一般都只考虑了符号为正的链接而忽略了符号为负的链接,或者把符号为负的链接也当作是符号为正的链接来处理。所以,专门为带符号网络设计出有效的链接预测算法有十分重要的意义。
  针对上述问题,本文研究带符号网络中链接预测的有效方法,主要工作以及研究成果有:
  (1)提出了基于Katz指标的符号预测算法。这种方法是基于经典的社会平衡理论,运用了单分网络中链接预测的衡量节点间相似度的Katz指标,并且考虑了网络的拓扑结构特征,对带符号网络链接的符号做出预测。我们解释了Katz指标符合带符号网络中的社会平衡理论,论证了将Katz指标应用于带符号网络的合理性。实验结果表明,这种方法在节约时间和成本的基础上大大提高了预测的准确度。
  (2)为了能够在预测出链接符号的同时,预测出链接为该符号的概率大小,提出了基于隐空间映射的带符号网络的链接预测方法。考虑到社会平衡理论和社会结构理论,我们先定义了一个平衡/地位的权重矩阵来反映未知链接上的平衡/地位约束。并提出了一种结合隐空间和平衡/地位约束的算法模型,通过迭代来优化这个模型。在此模型的基础上对带符号网络中的链接的符号以及该链接存在的概率做出预测。我们论证了该迭代方法的收敛性和正确性。在实际的带符号网络的实验结果表明,该算法比其他算法具有更高质量的预测效果。
  (3)提出了基于精确度优化的链接预测算法。该方法以精确度为目标函数,将链接预测问题转化为最优化问题。我们对网络中每个有序的节点对都定义一组拓扑特征,并把这些特征当作节点对的属性,从而将符号网络链接预测问题转化为二分类问题,然后通过对精确度的优化来解决这个二分类问题。该算法的实验结果表明,该方法具有较好的鲁棒性,且预测结果准确性高。
[博士论文] 何川
信号与信息处理 合肥工业大学 2018(学位年度)
摘要:随着互联网的兴起和发展,复杂网络被广泛应用于各类网络系统的研究。作为现实网络系统的抽象表示,复杂网络因其逻辑关系合理、结构变化灵活等特点而成为研究网络系统的重要对象。在当今的发展趋势下,针对网络个体单元的排序问题进行研究对系统管理者具有重要的意义。例如,利用网络中节点的异常度排序可以有效的发现错误,帮助管理者进行故障检测和排查;社交网络中用户影响力排序,可以帮助管理者了解网络的信息传播规律,促进传播范围最大化。在这些方面复杂网络节点排序算法都起着至关重要的作用。
  本文结合实际调研工作,针对以下两类具有代表性的复杂网络系统中的节点排序问题进行了研究。
  第一类研究对象是分布式网络系统。在该系统中,信息的表现形式是由硬件产生的数据流。本研究通过对数据流进行建模形成复杂网络,并在此基础上对节点的异常度排序相关问题进行了研究。具体内容为:在ARX模型的基础上,利用分割回归模型的方法[1],首先利用分割后的回归矩阵计算出标准适应度评分,然后通过标准适应度评分不断减少每一个分割部分的候选不变边,从而在不丢失不变边的情况下达到提升时间性能的效果。在分割回归矩阵的算法基础上提出了一种聚类算法来进一步提升时间性能,该算法利用皮尔森系数定义了节点的关联性,并使用最小割算法对网络中的节点进行聚类,形成了一种近似搜索方法来更有效地搜索所有节点之间的不变边。在利用不变边搜索对原始数据进行建模之后,在论文[1]的基础上,根据不变边变化规律,利用置信传播算法,对网络中所有节点进行异常度排序。这一方法对于系统管理者检测网络系统中的错误从而进行故障诊断具有重要的意义。
  第二类研究对象是社交网络。在该类系统中,信息是由用户生成的,本论文针对该类网络中用户的活跃程度相关问题进行了研究。具体内容如下:在包含大量数据的社交网络系统中,首先利用无向图对社交网络数据进行了建模。其次,根据节点的空间和时间相关性,设计出用户初始活力评分算法,并通过迭代算法对原始的活力评分进行处理,提升用户的活力评分的稳定性,利用用户活力评分对社交网络中的节点进行排序。根据排序结果,以实际应用需求为出发点,采用了指数平滑预测算法,并在此基础上根据本文提出的排序算法特点对该算法进行了改进,形成了简单有效的用户活力预测算法。
  通过研究,本文希望为互联网领域的工作者提供一些优化策略,并在生产中能够得以应用,为我国互联网事业的进一步开发和发展创造理论条件。
[硕士论文] 闫洁
信息与通信工程;信号与信息处理 安徽大学 2018(学位年度)
摘要:复杂网络是复杂性科学中的新兴学科,它可以很好地描述社会科学、自然科学以及工程技术等领域的复杂模型。它以物理学、数学和计算机等学科为研究工具,以复杂系统为研究目标。分数阶微分方程在描述非线性系统的动力学特性比整数阶更有优势,一方面分数阶复杂网络可以更好地刻画模型所具有的记忆和遗传性质,另一方面分数阶复杂网络通过分数阶导数的阶数增加了一个自由度,极大地丰富了动力学行为。最近几年,人们将复杂网络推广到了复数领域。复变量动态网络可以看作是实变量动态网络的一个扩展,它将变量数目增加一倍,从而提高了信息传输的安全性。因此,分数阶复变量复杂网络的同步控制有着更广阔的应用空间。
  本文基于Lyapunov稳定性定理、线性矩阵不等式(LMI)、非线性分数阶稳定性理论以及LaSalle不变性原理,对分数阶复变量复杂网络的同步控制进行相关讨论分析。通过控制网络中的节点,使得复杂网络达到同步状态。同时,得到了网络实现同步的判断标准。最后,通过实验模拟,验证了理论的准确性,证明了设计的控制器是合理的。全文的主要内容和创新点如下:
  (1)在以前的讨论过程中,研究者们往往只考虑对实数域动力学网络的分析。本文根据分数阶微积分理论,考虑了复数域中复杂网络的同步结果,并通过仿真模拟验证了理论结果的合理性。
  (2)由于网络包含许多节点,对所有网络节点都添加控制器驱使它同步是不实际的。因此,研究者提出了牵制控制方法。本文利用基于紧密中心度的牵制模式来选择相应的牵制节点。将网络的节点考虑为复Lorenz混沌系统和复Chen混沌系统,并对其数值模拟,实验结果证明所提出的控制机制是有效的,可以保证整个网络达到同步状态。
  (3)由于自适应反馈控制本身可以相应地改变控制系数,因而被广泛地应用在控制领域中。本文结合自适应控制方法的特点以及牵制模式的优势,对分数阶复数变量复杂网络进行了有效的同步控制。同时,给出了基于时变耦合的分数阶复变量网络构型,并对其牵制同步进行了分析。
[硕士论文] 慕静文
数学 内蒙古大学 2018(学位年度)
摘要:近年来,由于复杂网络的协同和群体行为在物理、生物、工程等方面都有着广泛的应用,因此得到越来越多的关注.复杂网络的同步,是指随着时间的推移,所有节点的状态与目标节点的状态达到一致.同步现象普遍存在于复杂网络中,是复杂网络上一种最常见的动力学行为.对复杂网络同步的研究,可以为现实中很多复杂系统的研究提供新的思路和方法,因此对复杂网络同步问题的研究具有重要的理论意义和实际意义.
  在实际网络中,由于信号传输的有限性,使得系统中不可避免的存在时滞现象.在解决实际问题时,为了使建立的模型更加符合实际,必须考虑到时滞对系统的影响.因此,对具有时滞的复杂网络进行研究有着十分重要的意义.本文主要研究了两类具有常数时滞的复杂网络的局部同步问题.基于Lyapunov稳定性理论、非线性理论等方法和工具得到了这两类复杂网络的局部同步与局部指数同步的结果.
  在给定的误差系统和同步流形的意义下,文章的三、四章分别对具有节点时滞的复杂网络、具有双时滞的复杂网络的局部同步和局部指数同步进行了研究.基于Lyapunov稳定性理论给出了这两类系统的局部同步和局部指数同步的充分性条件,并且采用Lyapunov直接法对其进行了证明.并利用仿真算例验证了所得结论的有效性.
[硕士论文] 王琦
数学 哈尔滨理工大学 2018(学位年度)
摘要:复杂系统广泛存在于农业,工业,医疗器械以及军事装备等领域。对其可靠度的估计是一项重要的工作,可靠度的估计值反映了系统的可靠性。但系统的可靠性不能完全依赖于可靠度的估计,可靠度的置信下限对系统可靠性也有重要的影响。
  目前,已经有很多求系统可靠度置信下限的研究结果。渐近正态方法常常被用来求系统可靠度置信下限,其好处在于计算简单且过程便于理解,但是也存在一些不足,只能用估计来表示正态分布中的方差,由于估计的渐进有偏性,因此会给最终结果带来误差。尤其是在子系统样本容量较小时,可靠度置信下限的估计结果精度都不高。然而,运用WCF方法求解置信下限在精度方面有了显著提高,此方法也被得到广泛应用。故本文利用WCF方法研究了复杂系统的可靠度置信下限。
  在日常生活中,某一工作系统都有重要的工作元件,通常会为其增加一个备用元件来提高系统的可靠性,人们把这类系统称作含备用元件的复杂系统。生活中的许多产品寿命服从指数分布。所以,本文给出了子系统寿命服从指数分布的含备用元件的复杂系统可靠度置信下限,其中复杂系统由最小路径描述,选取的寿命样本为定数截尾及定时截尾。
  除指数分布外,常见的元件寿命有很多服从对数正态分布。故本文给出了子系统寿命服从对数正态分布条件下的一般复杂系统可靠度置信下限。通过对桥式系统进行算例模拟验证,对所得结果进行简化得出近似结果,此近似结果既保证了精确度又方便今后使用。
  本文的结果不仅在理论研究上有很大的意义,而且具有广泛的适用性。不仅适用于复杂系统,还可以应用到许多常见的简单系统中,比如串联系统,并联系统,串并联系统等等。
[博士论文] 丁转莲
计算机应用技术 安徽大学 2018(学位年度)
摘要:复杂网络广泛存在于现实世界当中,如社交网络、生物网络、脑网络、信息网络等。在复杂网络中,社团结构是一种非常重要的组织结构,它既表现为内部连接紧密,与外部连接相对稀疏的局部拓扑特征,又体现出网络中个体属性的一致性。社团结构与复杂网络的功能、属性、组织结构、动力学行为等方面密切相关。因此,从错综复杂的网络中检测社团结构,对于网络的拓扑结构分析、功能分析和行为预测具有至关重要的意义。
  近年来,伴随着复杂网络研究的兴起,社团检测已成为多学科交叉的热点研究领域,涌现了一大批社团检测方法。然而,受制于复杂网络本身的复杂性,当前的社团检测仍然存在许多公认的难题。首先,在真实的复杂网络中,各种缺失、冗余、甚至错误的连接几乎无处不在,这些扰动使得真实世界网络的社团结构变得非常模糊,因而难以被准确发现。其次,现实环境中的复杂网络可能同时拥有拓扑结构与节点属性信息,但二者可能并不一致。如何将这两种信息有机、互补地结合来提高社团检测的性能也是一项亟需解决的难题。最后,现实中复杂网络的连接往往十分稀疏,且含有较多扰动和噪声,添加先验信息是一种有效的解决思路。然而,现有的半监督方法大都需要大量的先验信息,代价高昂却并不能被充分有效地利用。因此,如何发掘并高效利用先验信息是另一项重要的技术难题。
  从上述分析可见,网络的扰动、拓扑结构与节点属性的融合、先验信息的有效利用是当前社团检测中存在三个主要问题。而解决这三个问题的关键就在于如何挖掘额外信息(对网络扰动的鲁棒结构)或利用现有信息(节点属性、先验成对约束),并将其融合到复杂网络的社团检测问题中。图的正则化恰好提供了一种有效的信息融合工具。将图的正则化与基于几何空间的社团检测方法相结合,可以依据不同的额外信息,从不同角度约束网络节点在潜在空间的分布,从而获取鲁棒的社团检测结果。
  基于上述分析,本文专注于复杂网络的社团检测研究,通过图正则化的学习框架分别提出相关方法以解决上述问题,具体包括以下几个方面内容。
  (1)针对复杂网络中广泛存在扰动、社团结构模糊不清晰的难题,本文首次尝试将低秩学习方法应用于社团检测问题,提出了一种基于低秩子空间学习的社团检测方法。该方法利用低秩分解获取几何空间中的节点低秩系数矩阵,以精确、鲁棒地描述节点的子空间分布,再将低秩系数矩阵转化为子空间关联图并将其作为图正则化项融入非负矩阵分解框架中,从而同时考虑了原始的邻接矩阵信息和节点的子空间分布信息。实验结果表明,基于低秩子空间学习的社团检测方法优于其他代表性的社团检测方法,其结果更加接近真实的网络划分。
  (2)针对属性网络中的网络拓扑信息与节点属性信息不一致,多信息有效融合的问题,本文提出了一种基于双图正则化的鲁棒属性网络社团检测方法。该方法充分利用了节点属性和网络拓扑互为补充的优势,将节点属性、拓扑结构、属性相关性三方面的因素同时融入非负矩阵分解的框架之中,并采用L2,1范数抑制网络连接中的噪声与节点属性中的异常值,从而形成新型的双图正则化的鲁棒非负矩阵三分解模型。该模型在非负矩阵分解领域尚属首创。论文推导出了一整套求解方法与迭代更新规则。实验证明,该方法成功融合了网络的拓扑信息与节点属性信息,获取了一致性的社团结构,具有较高的社团检测质量。
  (3)针对现实中的复杂网络连接往往较为稀疏,且含有较多扰动和噪声,而先验信息的利用却又不充分的问题,本文提出了一种基于链接约束置信度学习的半监督社团检测算法。在半监督社团检测问题中,本文首次结合给定的约束信息和网络拓扑结构信息,通过流形排序的方法对网络中所有链接的置信度水平进行评估,从而派生出更多潜在有用的成对约束信息,来指导社团结构的检测。具体指导过程如下:将获得的Must-Link正先验约束和Cannot-Link负先验约束同时作为图的正则化项融入非负矩阵分解的框架之中。实验结果表明,利用少量先验种子派生出的先验约束在检测社团时表现出明显的优势,使得有限的先验约束在社团检测过程中发挥了巨大的作用。
[硕士论文] 方莲娣
计算机技术 安徽大学 2018(学位年度)
摘要:现实世界中的各种关系均可以抽象成不同的网络形式,如社交网、合作网、生物网等。而社团结构是复杂网络具有的重要结构特性之一。社团将网络中具有相似功能或属性的节点划分在一起,每个社团内部的节点之间连接相对紧密而社团间的连接比较稀疏。根据网络中节点间的相互关系将具有紧密联系的节点划分在一起的过程称之社团划分。社团划分后根据是否含有重叠节点可以将其分为重叠社团和非重叠社团。面对特定应用场景,非重叠社团结构更有助于发现社团内存在的规律,并预测网络的行为和功能,如:电子商务中的商品推荐、广告精准投放等。然而在社团划分过程中,往往会形成重叠的社团结构,因此,如何将社团重叠部分划分到单个社团,从而获取非重叠社团结构具有重要的应用价值和广泛的应用前景。
  三支决策(3WD)将传统的二支语义决策拓展为三支决策,增加了一个不承诺决策,也就是说,在信息不充分的情况下人们能够采取不承诺决策的方式进行决策,即延迟决策。三支决策理论中的正域中的对象代表对事物做出接受决策;负域中的对象代表对事物做出拒绝决策;而边界域中的对象代表对事物做出延迟决策。延迟决策将通过引入更多信息,对边界域中的对象进行二次划分,进一步做出接受决策或拒绝决策,从而实现最终的二支决策。这种三支决策的方式与人类的认知方式相似,是现实生活中解决实际决策问题常用的策略之一。三支决策模型在各个学科领域中都有广泛应用,尤其适用于处理不确定、不完整信息的分析判别,通过延迟决策,能够更好地分析和解决这类问题。
  目前诸多的社团划分算法从不同角度和应用层面实现了非重叠社团划分,并取得了一定的研究成果。本文采用层次粒化社团划分方法获取非重叠社团。但是层次粒化划分社团过程中会出现重叠部分社团,重叠部分社团的出现往往因为当前重叠节点信息量不足无法决定其归属。因此本文将三支决策思想应用于重叠节点划分的研究中,针对层次粒化过程中出现的重叠部分社团进行三支划分,最终获得非重叠社团结构。本文的主要工作如下:
  1、本文首先对非重叠社团划分算法的研究意义和国内外研究现状进行了阐述,重点分析了基于层次粒化获取社团结构的优势以及存在的问题。然后对三支决策理论的提出、发展、应用进行了简要概述,并给出了将三支决策思想引入层次粒化社团划分获取非重叠社团结构的意义。
  2、针对层次粒化后出现的重叠节点的处理,本文提出基于归属度的三支决策社团划分算法(DB-TWD)获取非重叠社团结构。该算法将三支决策思想引入到社团划分处理问题的研究中,针对层次聚类形成的有重叠的社团结构,将两个存在重叠的社团的左边社团中非重叠部分定义为正域,右边社团中非重叠部分定义为负域,而两个社团的重叠部分定义为边界域。然后,针对边界域中的节点,分别计算边界域中节点与正域和负域的社团归属度BP,BN进行三支划分。对于三支划分后仍然留在边界域中的节点将利用投票的方法决定其最终归属,最终获得非重叠的社团结构。实验结果表明该算法可以合理地划分非重叠社团结构,相较于其他对比算法能获得较高的模块度值。
  3、针对DB-TWD算法形成的初始粒子结构松散问题,本文提出了基于局部子图信息的三支决策社团划分算法(LSI-TWD)。该算法通过节点的局部信息构建初始粒子。在初始粒化阶段,以一个节点为中心,找出该中心点的邻居集合,将邻居集合中有可到达边的节点划分在一起从而形成子社团。经过局部信息初始化后出现的子社团充分考虑了初始粒子的结构信息,获得的子社团内部节点联系更为紧密,更符合实际情况。然后在层次粒化社团划分算法的基础上,结合三支决策思想对重叠部分节点进行划分获得的非重叠社团的结构更为合理,模块度值更高。
[硕士论文] 吴华
机械工程 苏州大学 2017(学位年度)
摘要:近十几年来,国内外生产模式和市场类型的转变导致企业之间的竞争越来越激烈,企业之间的竞争不再限于交货期和价格,而是转变成企业与客户需求之间的配合程度,全球不断市场化,中小型企业的发展进入一个飞速发展的阶段,客户对产品从交货期到成本的期望越来越高,客户要求交货期越来越短,同时紧急订单迅速增多,在这样的需求下,公司潜在的内部冲突开始显现出来,逐渐成为公司发展的障碍,因此,发现冲突原因,解决问题,优化流程来满足交期,特别是系统科学地找出改进点成为近些年很多研究人员面临的新课题。
  本文对苏州工业园区依维特公司(EVT)进行实际调研后现状分析,研究现有的技术和经验背景,参考国内外研究人员对流程改善和Petri网应用的实例,发现Petri网具有的形式化语义、直观的图形化表示、较强的表达能力,尤其是对流程的状态有清晰的表达,因此引用Petri网数学模型进行生产流程的改善。
  首先从Petri网基本理论与概念出发,将实际流程中的简单模型与Petri网的相关概念关联在一起进行阐述;重点解析Petri在实际生产流程中的建模过程和分析方法,定义变迁和库所在对应过程中的内容和功能,针对EVT公司的CD盒模具制造流程建立Petri模型,建立关联矩阵并根据定义计算出S-不变量,分析该模型的基本性能:可达性、有界性和活性。
  其次,模型建立之后采用关联矩阵的分析方法,得出该矩阵中有4行含有两个数值“-1”,代表Petri网模型中在此处存在冲突点,即两个变迁的触发都需要同一个库所资源,得到资源的变迁能正常流经下一变迁,正常运转,未能得到资源的变迁就会等待或未完成任务便转到下一库所,造成下一变迁的资源缺失,在实际工作中会出现等待和抢占工位的现象。
  最后,对Petri网中产生冲突的地方并进行优化,建立新的Petri网模型。优化的方法是将发生冲突的地方加入新的库所,将冲突消除,转化成同步结构;实际生产过程中便是在发生冲突的几个节点加入任务分发的流程,将发生冲突的库所和变迁分解,避免之前的冲突造成工序等待和抢占工位的问题。
  对优化后的Petri网模型再次列出库所和变迁不变量矩阵,并计算出关联矩阵,以此来判断Petri网的性能,对各个改进流程处的输出变迁的同步现象进行分析,新模型子网所触发的库所变化引起的是并联事件,同一个变迁的触发会引起两个库所的变化,不会产生库所资源冲突。在实际的生产中,之前的工序等待和抢占工位的现象得到了彻底解决,并且减少了由于信息不一致引起的返工和错误,效率大大提高。
[博士论文] 杨雄
控制科学与工程 浙江工业大学 2017(学位年度)
摘要:复杂网络的影响力节点度量和影响力最大化技术已成为近年来网络科学领域的热点问题,该项工作对控制疾病爆发、提升广告效应、优化信息传播效果、挖掘社交网络影响力个体等均具有重要的实际意义。
  目前影响力节点的度量主要通过邻域、位置、路径等网络拓扑结构来定位对信息传播起重要作用的节点。例如度中心、介数中心、接近中心、Katz中心、K核中心等经典中心度量方法己被广泛应用于识别网络影响力节点,然而这些方法大多相互独立、并且忽视了信息传播规律对影响力节点度量的作用。针对上述讨论,本文融合了复杂网络拓扑结构和传播动力学机制,分别从网络传播和病毒控制两个角度提出了影响力节点的度量方法;同时进一步研究了影响力最大化算法,结合覆盖和折扣策略,高效地解决了分布式种子的选取问题。全文主要工作概括如下:
  (1)从网络传播角度提出了一种基于路径多样性的核度中心影响力度量方法。不同于K核分解粗略定位核层最大的个体作为影响力节点,该方法综合考虑节点位置和局部邻域信息、结合传播动力学机制、在K核分解基础上引入路径多样性信息熵进行影响力传播节点的探测和评估。在Jazz网络、C.elegans网络、Email网络的实验表明,相对于度中心、介数中心、接近中心、K核中心、核度中心,本文的路径多样性核度中心方法能够更精确地对影响力节点进行定位,并且更细粒度地对节点影响力进行有效排序。
  (2)从病毒控制角度提出了一种基于跳数的介数中心和接近中心影响力度量方法。该方法首先给出了一种不带免疫修复策略的病毒离散传播模型,该传播模型可以描述病毒传播的动态演化过程和节点微观状态。在1000个节点规模的人工无标度网络和人工小世界网络实验表明,相对于传统的度中心方法,介数中心和接近中心能够对病毒抑制和早期传播起到更加有效的控制作用,同时也验证了网络社区结构将对信息全局传播起到一定负面作用的观点。
  (3)提出了一种基于2阶邻域重叠效应的影响力最大化算法。在独立级联模型基础上引入有限传播距离概念,从传播动力学角度提出了一种传播距离有限的独立级联模型LDIC,该模型证明了采用2阶邻域定位种子节点的有效依据。由此提出了一种2阶邻域影响力折扣启发式算法NIDH。该方法每次选取种子后对2阶邻域内的节点影响力进行折扣计算,从而弱化种子周边节点的传播影响力,促使种子选取尽可能分散;并且NIDH算法引入每条边的激活概率来计算节点的传播影响力。两个有向网络NetComm和Celegan的实验表明,NIDH能够更精确地选取分布式种子节点。
  (4)提出了一种基于核度中心的影响力最大化算法。该算法每轮选取当前轮次核度最大且未被覆盖的节点作为种子,然后对相同核层内的邻居进行覆盖、对核外邻居的核度进行折扣计算;由此提出了一种基于核度覆盖和折扣的启发式算法NCCDH。该算法利用高核层节点间彼此紧密聚集的网络特征,有效阻止高核层内拥有较多共同邻居的节点被同时选为种子,并且对核外边缘位置的度大节点给予合理评估。在规模较大的Hamsterster网络、Ca-GrQc网络、COND-MAT网络实验显示,感染概率逐渐增大时,NCCDH相比于其他算法在SIR模型取得了更大的传播范围、在SI模型取得了更快的传播速度;更重要的是该算法具有较好的时间复杂度。
[博士论文] 陈乃月
通信与信息系统 北京交通大学 2017(学位年度)
摘要:网络是对现实系统中的主体及其关系的一种抽象表达,例如计算机形成的互联网络、人与人形成的社会网络等。由于网络在结构上继承了现实系统的复杂性属性,对网络进行研究,有助于人们理解现实系统的真实情况。在各种网络属性中,社区结构是一种能够反映网络特征的重要中观属性。如何高效地识别和划分网络中的社区结构,对分析复杂网络和预测网络发展趋势等具有重要的意义。此外,精确的社区划分还能够显著提高搜索引擎的结果相关度和推荐系统的精度,具有广泛的应用价值。
  目前,研究学者们已经提出了多种复杂网络中的社区发现算法,然而划分网络社区结构还存在多种问题,如社区划分结果随机性较大、算法复杂度较高、准确率较低等。本论文针对静态网络和动态网络分别进行研究,将节点的间接关系引入到标签传播、矩阵分解和增量计算中,并提出相应的社区发现算法,以解决网络社区结构划分的随机性、精准性等问题。
  论文的工作得到了国家自然科学基金课题“互联网用户偏好描述方法、形成机制与演化模式研究”(No.61271308)、“在线社交网络舆论传播演化模式及热点预测方法研究”(No.61172072),北京市自然科学基金资助项目“网络社区舆论趋势预测与观点演化机制研究”(No.4112045),和中央高校基本科研业务费专项资金研究生创新项目“在线大规模社交网络中社区发现算法研究”(No.2016YJS029)等项目的支持。
  论文的主要工作和创新点如下:
  1.研究了传统标签传播算法的中标签权重问题,提出了一种基于用户相似性的标签传播社区发现算法。传统的标签传播算法中节点只选取邻居用户中标签个数最多的标签,并且,认为用户标签的权重是相同的,缺乏对用户标签的个性化处理,影响了标签传播的全局性和准确性。本研究基于现实社会中用户间相似度不同的思想,引入了信息熵思想计算直接和间接邻居节点相似度,并将其作为标签传播过程中的重要因素,映射了真实的信息交互模式。研究发现在以信息熵度量影响力的情况下,标签传播算法能够有效地提高网络社区划分的精准度。
  2.二分网络存在稀疏性特征,这种稀疏性对社区发现算法存在不利的影响。针对这一问题,提出了一种基于矩阵分解方法的社区发现算法。传统的矩阵分解模型使用同一目标函数对矩阵进行分解,没有考虑分解后的矩阵对应的物理意义,影响了社区发现的准确性。本论文针对分解后的两个矩阵的不同特性分别提出了相应的优化策略,使基矩阵更加趋近于正交状态,隶属度矩阵趋近于稀疏状态,以便更好地识别网络结构。并且,通过对原始网络预处理补充了节点的间接关系,此外,根据隶属度矩阵优化网络社区个数。通过数据分析结果表明,本文提出的算法能够有效划分社区结构,同时可以识别网络重叠社区及重叠节点,更有效地发现网络的潜在信息。
  3.静态网络的社区结构划分往往忽略了网络的动态性,难以识别动态网络中的社区结构变化。为此,本文分析了动态网络中的变量对社区结构的影响,提出了一种基于增量的动态网络社区发现算法。该算法分别考虑了变化的节点对其所在社区的直接影响和间接影响,同时引入了间接节点间的相互关系,进一步扩展了变量节点的影响范围。实验结果表明,该算法较之传统动态网络社区发现算法具有更好的性能、更少的运行时间,相比传统的增量型算法,该算法可以得到准确度更高的社区结构。
  4.针对大规模网络的数据特点,建立了一种基于用户影响力的大数据网络社区发现模型,提出了一种结合同步异步更新的并行化标签传播方式,避免了高时耗和标签振荡现象的发生。利用改进的Jaccard算法,计算直接和间接节点的影响力,更准确地表示用户信息交互的真实情况,拓宽了标签的传播范围,有助于提升标签传播的全局性。分析结果表明,本文提出的算法在平均耗时与精确度的综合分析上具有明显的优势和更高的适应性。
[博士论文] 吴涛
计算机应用技术 电子科技大学 2017(学位年度)
摘要:大数据时代,数据通过“量化一切”形成数据世界。由于数据是世界的客观反映,所以数据的分析挖掘工作可以指导人们认识世界、改造世界。随着信息技术的发展普及,社会和企业都产生了海量的数据资源,需要被分析利用。同时,网络化是现实世界的普遍特征和内在规律,自然元素、物种人群等各种对象元素相互影响、相互依赖形成网络系统。由于数据产生的客观性和普遍性,数据世界中的数据资源基本上都是刻画网络化现实世界特征规律的网络化数据。另外,由于数据产生的弱约束性以及强覆盖性,收集的数据资源在客观、准确刻画现实世界的同时,具有多源多态、复杂异构特征。所以,当前数据处理的主要对象为海量的复杂异构网络数据。新型的复杂异构网络数据对传统数据处理技术产生了巨大的挑战。为了分析挖掘新型的复杂异构网络数据,本文探索研究基于数据特征的、面向现实需求的新型数据处理理论和模型。复杂异构网络数据主要包括网络结构数据、网络行为数据以及网络内容数据,本文从不用角度、不同需求、不同方法对复杂网络数据进行模式挖掘和演化分析研究,凝练复杂网络数据处理的研究范式和计算框架,探索复杂网络数据蕴含的科学问题、问题相关数据的特征规律以及问题的求解方案,构建复杂网络数据处理的技术体系。具体研究内容和创新点包括:
  1.基于标记传播的网络结构模式整体检测分析算法
  针对复杂异构的网络拓扑,以社团结构为主体、同时考虑网络节点的不同角色进行多尺度、多层次网络结构模式的挖掘研究,提出一个基于标记传播过程的网络结构模式发现算法LINSIA。LINSIA通过允许节点同时拥有不同的网络标记从而能够识别枢纽节点和重叠社团,通过构建多层次网络结构树并进行最优层次分割从而发现网络的多层次、多尺度结构模式,通过标记选择和标记更新策略的创新提出与网络异构程度相适应的标记传播过程,从而发现离群节点、避免极大社团。实验结果表明LINSIA算法性能良好,其关于网络结构模式挖掘的综合性解决方案对网络结构数据的分析研究工作具有重要的理论意义。
  2.面向最优网络分裂的节点中心性度量方法
  本文面向最优网络分裂问题,从微观角度探索网络的结构和功能特征,提出基于邻居节点度信息熵和本地结构聚类密度的ECI节点中心性。实验结果表明, ECI中心性在网络分裂过程中性能明显优于传统的CI中心性。同时,基于局部结构信息的ECI中心性取得了媲美全局性方法的分裂效果。本文通过分析ECI中心性的性能表现和网络结构特征之间的关联关系,对ECI中心性的适用范围进行讨论,为最优网络分裂问题中的节点中心性选择提供指导。另外,通过借鉴物质传播和热传导物理过程,本文在迭代更新框架中定义非线性混合更新机制,从而提出PIRank节点中心性。该中心性整合物质传播和热传导过程对网络重要节点的不同偏好,能够发现具有不同特征的网络重要节点。实验结果表明,PIRank节点中心性对最优网络分裂问题性能表现良好。
  3.基于节点位置漂移模型的动态网络演化预测算法
  针对动态演化网络,提出一种结合节点位置漂移模型和链路预测方法的网络演化预测算法。此工作首先提出以网络平均最短距离为指导的相似性度量WSD。然后,基于动态演化网络的聚集特性和时效特性定义邻居节点对中心节点的时空影响力,并以引力场的视角比较邻居节点的时空影响力强度和本地网络的固有结构强度,从而提出更新中心节点网络位置的时空漂移模型。算法基于此漂移模型推理动态网络未来的结构状态,并基于未来的网络结构状态预测未来的网络链路。实验结果表明,本文提出的相似性度量WSD与其它经典方法相比性能更优,结合位置漂移模型能够准确预测网络演化。
  4.基于个体转发行为建模的在线社交网络信息传播演化预测方法
  针对信息传播过程,提出基于微观个体转发行为估计的多尺度信息传播预测方法MScaleDP。MScaleDP适用于不同规模的信息传播过程、不依赖于任何全局信息。MScaleDP将信息传播过程分解为微观个体转发行为集合以及承载转发行为的网络拓扑结构。对于微观个体转发行为,MScaleDP从多个维度构建转发特征,并以二分类模型进行建模。MScaleDP考虑信息级联传播与标记传播方法LPA的内在一致性,以微观个体转发模型替代LPA的标记更新机制,并通过对LPA传播过程进行限制提出了AULPA级联传播预测算法。实验结果表明结合个体转发行为估计模型和AULPA级联传播预测算法,MScaleDP能够全面、准确的预测信息传播,性能优于传统方法。本文还对影响信息传播的主要驱动机制进行了挖掘分析,发现时效特征和内容特征是信息传播的主要影响因素。
  综上,本文围绕复杂网络数据的模式挖掘和演化分析展开了研究,针对四个方面的问题提出了解决方案,并进行了大量的实验验证。实验结果表明,本文发现的特征规律以及提出的模型算法准确有效、性能优良。本文工作成果不仅具有重要的理论意义,也具有广泛的实际应用价值。
[博士论文] 何嘉林
计算机软件与理论 电子科技大学 2017(学位年度)
摘要:在现实中,许多复杂系统可以表示成复杂网络。其中,节点表示系统的各种元素,连边表示元素之间的联系。通过应用复杂网络理论,人们能够更好地理解、预测和控制复杂系统的行为。随着对复杂网络的深入研究,人们发现许多实际网络都具有社团结构,即各个子图的内部连接比较紧密,而子图之间的连接比较稀疏。通过对社团结构的研究,人们能够更好地了解网络结构的特征和功能。目前社团结构的研究包括社团结构的定义、探测和应用。本文分别对社团结构的探测和应用进行了研究,主要贡献和创新点如下:
  (1)提出了一种快速的模拟退火优化算法,该算法通过优化模块度来探测静态网络中的社团结构。尽管许多基于模块度优化的社团探测算法被提出,但是它们本质上都是基于一种贪婪策略来优化模块度,因此获得的模块度通常都是一种局部最大值。基于此,本文利用模拟退火算法来优化模块度。同时,为了提升模拟退火算法的收敛速度,本文从两个方面对它进行优化:(i)利用层次聚类算法获取一个初始社团划分;(ii)在优化模块度的每一步,随机从一个社团中提取一个连通子图并转移到另外一个社团。实验结果表明该算法不仅能够获得很高的模块度,而且与传统模拟退火算法相比,极大地提升了计算效率。
  (2)提出了一种快速的动态社团探测算法,该算法首先利用上一时刻的社团结构和当前时刻的网络结构构造一个小网络,然后在小网络上探测当前时刻的社团结构。实验结果表明与传统算法相比,该算法极大地提升了社团探测的计算效率。另外,本文还提出了一种快速的社团映射算法,该算法首先将上一时刻的每个社团分裂成若干个小模块,然后使用这些小模块构建一个小网络并在小网络上探测当前时刻的社团。由于每个社团都可以看成是若个小模块的组合,因此在社团映射阶段可以通过统计两个社团的共同模块来计算它们的相似度。实验结果表明该算法不仅能够保证社团划分的质量,而且还能够极大地提升社团映射阶段的计算效率。
  (3)提出了一种基于社团结构的关键节点组挖掘算法。对于许多传统算法来说,它们通常都是选择前k个最重要的节点或者k个互不相连的重要节点作为关键节点。然而,这些关键节点可能通常只位于少数社团。由于一个关键节点的影响力很难从它所在的社团传播到其它社团,因此传统算法选择的一组关键节点的影响力有限。为了最大化一组关键节点的影响力,本文提出了选择关键节点的三个约束条件:(i)单个节点的影响力很强;(ii)它不能与已知的关键节点相连;(iii)它不能与包含关键节点的社团相连。实验结果表明该算法选择的一组关键节点更有影响力。
  (4)提出了一种基于社团结构的快速链路预测算法。在实际网络中,链接倾向于在局部聚集并形成社团结构,这种现象表明社团结构与链路形成之间存在相关性。因此,本文首先提出一种获取独立社团划分样本的算法,然后设计了两个基于社团划分样本的统计量,分别用来预测社团内部和社团之间的节点对产生连边的概率。实验结果表明与经典的SBM模型相比,该算法不仅能够准确地预测网络中的丢失连边,而且还能够极大地提升计算效率。另外,通过该算法计算的连边概率,本文揭示了社团结构中的三种链路形成机制。实验结果表明该算法在由三种链路形成机制选择的测试集上具有更高的准确率。
  上述前两个工作分别提升了静态社团探测算法和动态社团探测算法的计算效率,而后两个工作则分别研究了社团结构在关键节点识别和链路预测中的应用。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

万方选题

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部