本文關(guān)鍵詞：基于信息融合的多層復雜網(wǎng)絡(luò)節(jié)點重要性評估

  更多相關(guān)文章： 多層復雜網(wǎng)絡(luò) 節(jié)點重要性評估 證據(jù)理論 關(guān)聯(lián)矩陣

【摘要】：在過去的幾十年中,復雜網(wǎng)絡(luò)的研究取得了飛躍性的成績,大量的學者投入的心血和精力使得我們能夠比較清楚的認識和了解復雜網(wǎng)絡(luò)的構(gòu)成原理、演化機制等其他特性。在現(xiàn)實世界中,大部分的復雜系統(tǒng)都可以使用復雜網(wǎng)絡(luò)來建模,但研究人員對于復雜網(wǎng)絡(luò)的研究基本都專注于對于單層復雜網(wǎng)絡(luò)的特性研究,然而許多復雜系統(tǒng)之間并非獨立的,他們之間往往存在某種關(guān)聯(lián)關(guān)系,這種情況下傳統(tǒng)單層網(wǎng)絡(luò)模型并不能對其進行準確描述,因此一種新的網(wǎng)絡(luò)類型成為了當下復雜網(wǎng)絡(luò)領(lǐng)域的新興話題,即多層復雜網(wǎng)絡(luò)。多層復雜網(wǎng)絡(luò)不僅僅是現(xiàn)有網(wǎng)絡(luò)模型的擴展,更是整個網(wǎng)絡(luò)理論界的突破性進展。在以往針對單層復雜網(wǎng)絡(luò)的研究中,經(jīng)過大量的研究與探索,研究者們發(fā)現(xiàn)很多網(wǎng)絡(luò)的全局以及局部信息往往都蘊含在復雜網(wǎng)絡(luò)的節(jié)點之中。為了更為有效的研究和分析復雜網(wǎng)絡(luò)系統(tǒng),復雜網(wǎng)絡(luò)中的節(jié)點重要性評估成為了該領(lǐng)域一個極為重要且具有重大意義的工作。在已有的復雜網(wǎng)絡(luò)節(jié)點重要度評估方法中,評估的依據(jù)是節(jié)點的結(jié)構(gòu)特性,即從節(jié)點本身的結(jié)構(gòu)參數(shù)出發(fā)對節(jié)點在網(wǎng)絡(luò)中的重要程度進行評估。然而在多層復雜網(wǎng)絡(luò)當中,網(wǎng)絡(luò)的結(jié)構(gòu)不再是單一的平面結(jié)構(gòu),而是增加了多層間的相互影響,結(jié)構(gòu)更為復雜,因此許多應用與傳統(tǒng)單層網(wǎng)絡(luò)中的評估方法并不適用于多層網(wǎng)絡(luò)的評估當中。目前的研究結(jié)果表明,多層復雜網(wǎng)絡(luò)所產(chǎn)生的災難性危害的風險遠高于獨立系統(tǒng)。在多層復雜網(wǎng)絡(luò)中,一個看起來微不足道的干擾可能就如同水中漣漪一樣帶來擴散性的負面影響。有些時候這種效應可能會帶來數(shù)千萬乃至數(shù)億美元的巨大損失,比如股票市場的崩潰,航線因火山噴發(fā)而導致關(guān)閉等。因此無論從理論分析的角度還是實際應用的角度,多層復雜網(wǎng)絡(luò)的節(jié)點重要性評估研究都是具有極為重要的意義的。但由于多層復雜網(wǎng)絡(luò)結(jié)構(gòu)的特殊性,多層復雜網(wǎng)絡(luò)的節(jié)點重要性評估要比傳統(tǒng)單層網(wǎng)絡(luò)中更為復雜,許多適用于單層復雜網(wǎng)絡(luò)中的節(jié)點重要性評估方法并不能適用于多層網(wǎng)絡(luò)當中,為了解決這一問題,本文提出了一種基于信息融合的多層復雜網(wǎng)絡(luò)節(jié)點重要性評估模型。本文的工作主要包括以下幾個方面：(1)針對多層復雜網(wǎng)絡(luò)的結(jié)構(gòu)特點進行研究,將網(wǎng)絡(luò)結(jié)構(gòu)轉(zhuǎn)化為有效的計算機語言,然后將多源信息融合技術(shù)應用到多層復雜網(wǎng)絡(luò)節(jié)點重要性評估當中。將多層復雜網(wǎng)絡(luò)根據(jù)某一特定的含義拆解為多個單層網(wǎng)絡(luò),將這些單層網(wǎng)絡(luò)看作不同來源的信息,進而利用D-S證據(jù)理論當中的Dempster組合規(guī)則,將這些網(wǎng)絡(luò)中的信息綜合起來,從而得到多層網(wǎng)絡(luò)的全局信息。本文所提出的方法可以有效的綜合各層網(wǎng)絡(luò)的信息,使得評估結(jié)果更加準確有效。(2)本文所提出的多層網(wǎng)絡(luò)節(jié)點重要性評估模型是以信息融合技術(shù)作為指導,證據(jù)理論作為工具的,因此在構(gòu)建模型的過程中首要問題就是如何構(gòu)建一個在此問題背景下的有效基本概率分配,這也是證據(jù)理論當中最為關(guān)鍵的步驟。為了解決這一問題,結(jié)合本文的研究背景以及多層復雜網(wǎng)絡(luò)的結(jié)構(gòu)特性,本文提出了一種基于關(guān)聯(lián)矩陣的基本概率分配構(gòu)建方法。該關(guān)聯(lián)矩陣可通過距離矩陣轉(zhuǎn)換所得,而距離矩陣則可通過對網(wǎng)絡(luò)中的信息數(shù)據(jù)按照一定的方法進行處理得到,在基本概率分配的構(gòu)建過程中可充分體現(xiàn)網(wǎng)絡(luò)中節(jié)點之問的相關(guān)性,無論在多層復雜網(wǎng)絡(luò)領(lǐng)域還是在證據(jù)理論領(lǐng)域內(nèi)都具有參考價值。(3)根據(jù)現(xiàn)實生活中的真實數(shù)據(jù)對該模型進行了實驗驗證,并與現(xiàn)有的其他兩種多層網(wǎng)絡(luò)節(jié)點重要性評估方法,即多層網(wǎng)絡(luò)的隨機游走介數(shù)中心性和多層網(wǎng)絡(luò)的臨近中心性與本文所提出的模型進行了對比驗證。結(jié)果表明,本文所建立的節(jié)點重要性評估模型是合理有效的,為多層復雜網(wǎng)絡(luò)的節(jié)點重要性評估問題提供了新的思路和方法。當網(wǎng)絡(luò)層數(shù)較多的情況下,本文方法所產(chǎn)生的信息丟失遠遠小于兩種現(xiàn)存的方法。
【關(guān)鍵詞】：多層復雜網(wǎng)絡(luò) 節(jié)點重要性評估 證據(jù)理論 關(guān)聯(lián)矩陣
【學位授予單位】：西南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP202;O157.5
【目錄】：

• 摘要6-8
• ABSTRACT8-10
• 第一章 緒論10-20
• 1.1 引言10
• 1.2 研究背景和意義10-13
• 1.3 國內(nèi)外研究現(xiàn)狀13-17
• 1.3.1 傳統(tǒng)復雜網(wǎng)絡(luò)研究現(xiàn)狀13-15
• 1.3.2 多層復雜網(wǎng)絡(luò)研究現(xiàn)狀15-16
• 1.3.3 信息融合研究現(xiàn)狀16-17
• 1.4 本文的研究方法和內(nèi)容17-18
• 1.5 論文結(jié)構(gòu)18-20
• 第二章 復雜網(wǎng)絡(luò)相關(guān)基礎(chǔ)理論20-32
• 2.1 復雜網(wǎng)絡(luò)的表示方法20-24
• 2.1.1 圖的由來20-21
• 2.1.2 網(wǎng)絡(luò)的圖表示21-22
• 2.1.3 網(wǎng)絡(luò)的計算機表示22-24
• 2.2 復雜網(wǎng)絡(luò)的統(tǒng)計特征24-25
• 2.2.1 網(wǎng)絡(luò)直徑與平均距離24
• 2.2.2 度與度分布24
• 2.2.3 聚類系數(shù)24-25
• 2.2.4 介數(shù)25
• 2.3 復雜網(wǎng)絡(luò)節(jié)點重要性指標25-27
• 2.3.1 度中心性26
• 2.3.2 介數(shù)中心性26-27
• 2.3.3 鄰近中心性27
• 2.4 多層復雜網(wǎng)絡(luò)相關(guān)理論及方法27-32
• 2.4.1 多層網(wǎng)絡(luò)的隨機游走介數(shù)28-29
• 2.4.2 多層網(wǎng)絡(luò)的臨近中心性29-32
• 第三章 信息融合技術(shù)32-42
• 3.1 信息融合概述32-33
• 3.2 信息融合的級別33-35
• 3.3 信息融合算法35
• 3.4 證據(jù)理論35-41
• 3.4.1 基本概念36-38
• 3.4.2 組合規(guī)則38-39
• 3.4.3 證據(jù)沖突39-40
• 3.4.4 概率轉(zhuǎn)換決策算法40-41
• 3.5 本章小結(jié)41-42
• 第四章 基于信息融合的多層復雜網(wǎng)絡(luò)節(jié)點重要性評估42-56
• 4.1 模型概述42-43
• 4.2 模型構(gòu)建過程43-51
• 4.2.1 多層網(wǎng)絡(luò)的拆解43-44
• 4.2.2 距離矩陣的構(gòu)建44-45
• 4.2.3 關(guān)聯(lián)矩陣的構(gòu)建45-46
• 4.2.4 基本概率分配的構(gòu)建46-48
• 4.2.5 基于BPA矩陣的信息融合48-50
• 4.2.6 概率轉(zhuǎn)換與決策50-51
• 4.3 模型示例51-54
• 4.4 本章小結(jié)54-56
• 第五章 實驗與對比分析56-74
• 5.1 實驗背景介紹56-58
• 5.2 實驗描述及結(jié)果58-65
• 5.2.1 中國骨干航空網(wǎng)絡(luò)節(jié)點重要性評估58-61
• 5.2.2 中國骨干高速公路網(wǎng)絡(luò)節(jié)點重要性評估61-63
• 5.2.3 中國骨干高速鐵路網(wǎng)絡(luò)節(jié)點重要性評估63-64
• 5.2.4 中國骨干交通網(wǎng)絡(luò)節(jié)點重要性評估64-65
• 5.3 實驗結(jié)果對比分析65-73
• 5.3.1 單層網(wǎng)絡(luò)層面對比65-67
• 5.3.2 多層網(wǎng)絡(luò)層面對比67-70
• 5.3.3 本文方法的優(yōu)勢70-73
• 5.4 本章小結(jié)73-74
• 第六章 總結(jié)與展望74-76
• 6.1 本文工作總結(jié)74-75
• 6.2 未來工作展望75-76
• 參考文獻76-86
• 發(fā)表文章目錄86-88
• 簡歷88-90
• 致謝90

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 ;“第三屆中國信息融合學術(shù)年會”征文[J];科技導報;2010年23期

2 ;“第三屆中國信息融合學術(shù)年會”征文[J];科技導報;2011年01期

3 ;第四屆中國信息融合大會征文通知[J];控制理論與應用;2012年01期

4 郭惠勇;多傳感器信息融合技術(shù)的研究與進展[J];中國科學基金;2005年01期

5 武冰;馮屹朝;林勇強;魏愛鵬;;信息融合標準的優(yōu)化研究[J];大眾科技;2010年06期

6 潘泉;王增福;梁彥;楊峰;劉準釓;;信息融合理論的基本方法與進展(Ⅱ)[J];控制理論與應用;2012年10期

7 張凌;湯積華;史開泉;;內(nèi)P-信息融合與它的屬性合取特征[J];山東大學學報(理學版);2014年02期

8 潘悅;;水下信息理解的概念和方法[J];艦船科學技術(shù);2012年01期

9 郭華龍;;P-集合與信息融合應用分析[J];閩南師范大學學報(自然科學版);2014年02期

10 楊明;朱杰;高延銘;;基于信息融合的海洋溢油識別判據(jù)的研究[J];信息技術(shù);2012年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 朱茵;王軍利;;交通管理綜合信息融合模型研究[A];第二十七屆中國控制會議論文集[C];2008年

2 顧星;;中醫(yī)診斷與體表生物特征多信息融合的思考[A];中國中西醫(yī)結(jié)合學會診斷專業(yè)委員會2009’年會論文集[C];2009年

3 王志勝;甄子洋;王道波;范大鵬;;隨機大系統(tǒng)的信息融合最優(yōu)聯(lián)合控制[A];PCC2009—第20屆中國過程控制會議論文集[C];2009年

4 楊為民;李龍澍;;基于GIT的信息融合在農(nóng)業(yè)信息中的應用[A];2005年“數(shù)字安徽”博士科技論壇論文集[C];2005年

5 劉汝杰;袁保宗;;信息融合的認知學基礎(chǔ)與D-S融合方法[A];第九屆全國信號處理學術(shù)年會（CCSP-99）論文集[C];1999年

6 杜奕;遲毅林;伍星;;概率盒和D-S結(jié)構(gòu)體在機械故障信號信息融合中的應用展望[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

7 李樹軍;蔣曉瑜;紀紅霞;;多傳感器信息融合技術(shù)和典型算法的應用詮釋[A];中國系統(tǒng)工程學會決策科學專業(yè)委員會第六屆學術(shù)年會論文集[C];2005年

8 孫來軍;沈永良;;多SVM多級信息融合與診斷決策模型的研究[A];2007'中國儀器儀表與測控技術(shù)交流大會論文集（二）[C];2007年

9 杜奕;遲毅林;伍星;;信息融合在設(shè)備監(jiān)測和故障診斷中的應用[A];第二十七屆中國控制會議論文集[C];2008年

10 李錄平;鄒新元;晉風華;黃樹紅;盧緒祥;;基于信息融合的旋轉(zhuǎn)機械振動狀態(tài)評價方法研究[A];第八屆全國振動理論及應用學術(shù)會議論文集摘要[C];2003年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 周新紅 田朝暉 段勇;信息融合：現(xiàn)代戰(zhàn)爭的重要支撐[N];解放軍報;2005年

2 本報記者 別坤;信息融合讓地鐵更快捷[N];計算機世界;2012年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 胡洲;信息融合欠驅(qū)動控制技術(shù)研究[D];南京航空航天大學;2014年

2 張云璐;基于用戶信息融合的個性化推薦[D];武漢大學;2012年

3 王恩雁;基于本體的多源異構(gòu)應急信息融合方法研究[D];哈爾濱工業(yè)大學;2014年

4 文妍;基于多源信息融合的數(shù)控機床進給系統(tǒng)機械故障診斷研究[D];青島理工大學;2016年

5 吳榮春;軍事信息系統(tǒng)中信息融合關(guān)鍵技術(shù)研究[D];電子科技大學;2016年

6 朱林;信息融合系統(tǒng)工程設(shè)計準則的研究[D];哈爾濱工程大學;2005年

7 朱方;多信息融合模式分類方法研究及在公交客流識別系統(tǒng)中的應用[D];河北工業(yè)大學;2010年

8 孔慶杰;信息融合理論及其在交通監(jiān)控信息處理中的應用[D];上海交通大學;2010年

9 王曉帆;信息融合中的態(tài)勢評估技術(shù)研究[D];西安電子科技大學;2012年

10 王志勝;信息融合估計理論及其在航天器控制中的應用研究[D];西北工業(yè)大學;2002年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 莊穎;信息融合的粗糙集方法研究[D];昆明理工大學;2015年

2 李曉;基于信息融合的高速列車轉(zhuǎn)向架故障診斷[D];西南交通大學;2015年

3 陳昭;基于云計算的中藥信息融合知識服務(wù)平臺構(gòu)建[D];福建中醫(yī)藥大學;2015年

4 陳亭亭;雷達與AIS信息融合技術(shù)的研究[D];大連海事大學;2015年

5 萬守鵬;基于信息融合的艙音信號分析與安全診斷[D];上海應用技術(shù)學院;2015年

6 張寧波;基于信息融合的電子產(chǎn)品故障診斷[D];中北大學;2015年

7 劉萌萌;基于信息融合的改進極限學習機預測算法研究[D];遼寧大學;2015年

8 田靜;基于聲波特征的管道泄漏信息融合故障診斷方法研究[D];河北科技大學;2015年

9 彭毅;基于振動和油液信息融合的發(fā)動機故障診斷方法研究[D];廣西大學;2014年

10 舒適;基于信息融合的公交車自燃檢測預警系統(tǒng)[D];浙江工業(yè)大學;2015年

，

本文編號：1088919