双相障碍和精神分裂症患者脑白质网络聚类系数差异研究

目的:探讨双相障碍与精神分裂症患者脑白质结构网络聚类系数的差异性,并评价聚类属性指标在识别两种疾病中的预测能力。方法:对2012年12月至2014年12月南京脑科医院精神科入组的37例住院患者(患者组)进行≥9年的随访。复核诊断无变化的双相障碍患者18例、精神分裂患者19例及30名健康对照纳入统计分析,在SPSS 26.0中,对一般临床资料、脑结构网络聚类属性值进行3组间方差分析及受试者工作曲线(receiver operation characteristic,ROC)绘制。结果:与健康组相比,患者组在左侧额下回眶部、右侧颞上回的聚类系数升高;患者组间比较,精神分裂症患者在右侧颞中回的聚类系数高于双相障碍组,差异有统计学意义(P<0.05,多重比较校正)。以右侧颞中回网络聚类系数作为描绘ROC曲线,两组疾病的识别率达95%。结论:脑网络聚类系数可以作为一个潜在的影像学生物标志物识别双相障碍与精神分裂症。

不同聚类系数无标度脉冲神经网络动态特性对比分析

拓扑结构可以影响脉冲神经网络的功能。聚类系数是反映网络连通性的重要拓扑性质之一,基于不同聚类系数拓扑进行脉冲神经网络的研究对于进一步理解网络拓扑性质对网络功能影响具有重要意义。以Izhikevich神经元模型为节点,突触可塑性为边,分别构建高、低聚类系数无标度拓扑的脉冲神经网络,评估并对比两种网络的动态特性。实验结果表明,两种网络动态特性随时间均先剧烈变化而后逐渐趋于稳定;在网络连接强度、局部和全局信息传输效率、小世界属性方面,高聚类均比低聚类无标度脉冲神经网络更具优势。

一种集成局部加权聚类系数的链接预测算法

针对基于局部结构的加权链接预测算法仅仅利用了一级共邻节点的拓扑属性,无法反映共邻节点的邻居对潜在节点对的贡献以及度量共邻节点互连密集程度对预测结果的影响这一问题,从局部结构的密集层面来分析共邻节点对潜在节点对的影响,提出了一种集成加权聚类系数的相似度指标(WCCLP)。该指标能够有效地扩大局部共邻节点结构对预测性能的影响,同时也能轻易地拓展到加权局部朴素贝叶斯链接预测模型(WLNB)中。采用无监督学习的实验表明,WCCLP在多个真实数据集比现有的基准指标取得了更好的预测效果,拓展到WLNB的实验效果证明加权聚类系数的定义能够有效推广到其他模型当中。同时在有监督学习的链接预测场景中,由WCCLP构建的特征比现有的局部相似度算法构成的特征更具判别性。

基于边聚类系数的谱聚类社区划分方法研究

针对图谱划分方法在划分社区结构不是很明显的网络时,不能得到好的划分效果,该文提出了基于边聚类系数的谱聚类社区划分方法.由于社区内部节点之间的连接比各个社区间节点的连接稠密,边聚类系数的大小反映了节点的聚集程度,因而通过网络中的边所构三角形的数量定义了聚类系数矩阵,矩阵中的元素即处于网络中的边实际构成三角形的数量.在增益函数最大化的过程中,使用了矩阵的特征值和特征向量,以此来进行社区划分.通过在真实网络数据中进行实验,结果表明该算法可行.

可变聚类系数无标度网络上的谣言传播仿真研究

在经典谣言传播模型的基础上,研究了具有幂律度分布和可变聚类系数的无标度网络上的谣言传播行为。目标是研究聚类系数对谣言传播的影响,通过改变特殊的参数调节网络的聚类系数来观察谣言传播的变化情况。仿真结果表明,聚类系数越高的网络,越能抑制谣言的传播,而聚类系数越低的网络,谣言传播将更加猖獗。

聚类系数无显著性差异下的灰色综合聚类方法研究

在灰色聚类评估分析中,当灰色聚类系数无显著性差异时,按照已有的灰色聚类方法无法对聚类对象进行准确的聚类,而在实际研究中经常会遇到聚类系数无显著性差异这类问题。因此本文提出了一种新的灰色综合聚类方法。具体步骤是:首先计算各聚类对象的聚类系数,并对其进行归一化处理;再根据对象中每一灰类的灰色聚类系数在聚类过程中的作用,计算聚类对象的综合聚类系数;最后根据综合聚类系数对聚类对象进行聚类,确定聚类对象应属的灰类。并且证明了当聚类对象的聚类系数差异大于1-2/S时,一般灰色聚类方法与灰色综合聚类方法所得聚类结果完全相同。最后,以江苏省第二产业内部主导产业选择为例进行了实证分析。

基于度和聚类系数的中国航空网络重要性节点分析

运用度中心性、接近中心性、介数中心性、特征向量中心性和半局部中心性5种方法,对中国航空网络进行节点重要性排序;对重要节点分别进行蓄意攻击和随机攻击,采用脆弱性指标验证排序方法的有效性,仿真结果表明介数中心性能够更准确地刻画中国航空网络中节点的重要性;在航空网络的背景下,将节点的直接影响力和节点邻居之间连接的紧密程度结合起来,提出了一种基于度和聚类系数的新指标,经中国航空网络实例验证,该指标的评价准确性仅次于介数中心性,但是其时间复杂度比介数中心性低很多。

结合节点度和节点聚类系数的链路预测算法

链路预测作为复杂网络的一个重要研究方向,基于节点相似性指标进行预测是最为常用的一种方法.传统的链路预测方法通常使用共同邻居数目或节点的度来衡量节点之间的相似性.节点对之间的关系不仅与邻居节点数目和度有关,节点的聚类系数体现了节点的聚集能力,对产生链接会起到一定的作用.基于这个观点,提出一种结合节点度和聚类系数的链路预测算法.利用共同邻居节点的度和聚类系数计算被预测节点对之间的相似性.不仅充分利用网络局部结构信息,还能够体现出共同邻居节点之间的差异性.在十组实际数据集上的实验结果表明,提出的链路预测算法与传统的五个算法(CN,AA,RA,PA,Jaccard)和基于聚类系数的CCLP算法相比具有很好的预测效果.

采用PageRank和节点聚类系数的标签传播重叠社区发现算法

基于标签传播的社区发现算法可以检测出复杂网络的重叠社区结构,因此提出了一种基于PageRank和节点聚类系数的重叠社区发现算法。该算法使用PageRank算法对节点的影响力进行排序,可以稳定社区发现结果,节点的聚类系数是一个与节点相关的值,使用节点聚类系数修改算法的参数并限制每个节点拥有最多标签的数量值,可以提高社区挖掘的质量。在人工网络和真实世界的网络上测试,实验验证了该算法能够有效地检测出重叠社区,并具有可接受的时间效率和算法复杂度。

变聚类系数加权网络的建模及其级联抗毁性分析

针对BBV等传统加权网络模型生成的网络聚类系数较小、簇度幂律特征偏弱等不足,提出了一个变聚类系数加权网络模型,其中新节点的加入根据节点强度和初始吸引度共同驱动的优先连接机制或三角连接机制与网络中的旧节点建立连接。仿真表明,当初始吸引度和三角连接概率取不同值时,生成网络的度、强度和边权都服从幂律分布,并且聚类系数可调,特别是随着三角连接概率的变大,簇度之间的幂律特征更加明显。最后构建了基于加权网络的级联故障模型,分析了权重因素、聚类系数等对网络级联抗毁性的影响。

基于聚类系数的推荐算法

针对于标准二分图网络推荐算法(NBI)的物质扩散机制过于简单的问题,提出了基于聚类系数的改进NBI算法(简称NBICC)。推荐系统可以被抽象为一个有向加权二分图网络,在物质扩散的过程中,考虑到聚类系数因素的影响,重新定义了商品之间的相似度的计算公式,进而获得了更加精确的推荐结果。Ranking score、precison、recall评价指标被应用在提出的新算法中,实验结果表明,在这三样重要指标上,NBICC算法都强于标准NBI算法。

聚类系数指标对复杂网络鲁棒性的影响分析

分析了采用度分布相同且聚类系数不同的三种类型网络(中性网络、同配网络和异配网络)在遇到随机故障或者蓄意攻击时,网络的初始聚类系数变化对网络鲁棒性的影响.实验分析表明,网络的初始聚类系数越大,网络在受到随机故障或蓄意攻击时网络中最大连通子图的直径和网络中最大连通子图的平均路径长度的起伏也就越大.初始聚类系数的变化在异配网中对网络鲁棒性的作用最明显,中性网次之,对同配网的鲁棒性不明显.

基于MATLAB环境的聚类系数的计算

本文对复杂网络的一个重要测度聚类系数进行了深入研究,给出了通过点的邻居子图以及通过三角形途径计算网络聚类系数的方法,并结合MATLAB函数特点设计了这两种方法的M文件SUB-GC.m和TRIC.m.通过大量计算比较,调用SUBGC.m文件计算复杂网络系数的方法是一种比较高效的计算方法.

水文地质分区中的模糊聚类系数法

利用隶属函数构造模糊聚类系数，给出了一种新的分区方法。运用此方法对水文地质进行分区可大大降低计算量，并且避免一些主观因素。该方法的关键是确定隶属函数，可以通过计算机的模拟计算解决。

应用SQL求边的聚类系数

边的聚类系数是用来度量复杂网络中两个结点的紧密程度的,被广泛的应用于识别网络模块。本文介绍了如何利用SQL及相关函数来求解边的聚类系数。

聚类系数大小及分布可调的BBV网络演化模型

在传统BBV模型的基础上,提出了一种改进的BBV网络演化模型。基本思想是改变网络增长过程中新节点加入时,新旧节点的连接方式及优先选择概率。该模型不仅可以调节无标度加权网络度和强度的分布,还可以通过改变"三角形"连接概率公式中系数的大小,增大网络的聚类系数并调节网络聚类系数的分布。即根据实际需要,大范围调节网络度分布,精确调节聚类系数大小及分布,其生成机制更符合实际网络的演化过程。

应用SQL求边的聚类系数

边的聚类系数是用来度量复杂网络中两个结点的紧密程度的,被广泛的应用于识别网络模块。本文介绍了如何利用SQL及相关函数来求解边的聚类系数。

在线社交网络谣言传播的仿真研究——基于聚类系数可变的无标度网络环境

在经典SIR传染病模型的基础上,根据在线社交网络中谣言传播的特点,将网络谣言的受众用户扩展为无知者、知晓者、信任者、传播者、暂时免疫者和永久免疫者6类。同时考虑到用户会因为不断接触某一相同的谣言而导致对该谣言的信任水平增加的现实情况,引入社会加强正向效应,提出了一个改进的在线社交网络谣言传播模型,并结合复杂网络的相关理论建立了一个考虑聚类系数可变的无标度网络环境进行仿真研究。仿真发现,谣言的传播能力与影响范围会随着社会加强正向效应、用户首次接触并相信谣言的概率、孤立节点密度以及初始传播节点的度的增大而增大,但会随着网络聚类系数的增加而得到抑制。本文提出的谣言传播模型比较符合真实在线社交网络的谣言传播特性,可以为实践中网络谣言的管控提供一定理论参考。

结合二层节点度和聚类系数的链路预测算法

研究复杂网络的链路预测算法对分析舆论传播方向、预测舆论演进趋势和控制舆论发展进程具有重要意义。针对现有的基于节点度的链路预测算法存在预测质量偏低的问题,提出了一种结合二层节点度和聚类系数的链路预测算法。算法全面考虑网络局部结构信息以及共同邻居节点之间的差异性,在相似性评价指标的选择上将节点度和聚类系数结合,深度挖掘节点相似性性质并将节点度扩展到二层。最后在三个真实数据集中分别进行仿真实验,结果表明提出的算法相比于Common Neighbors、Adamic-Adar和Resource Allocation等经典算法具有更好的性能。

基于平均度与平均聚类系数的RWP模型的研究

RWP模型作为节点仿真移动模型被广泛应用在传统移动自组织网络研究中,而机会网络作为移动自组织网络的一个分支,具有不保证连通的网络拓扑特性,这种特殊性可能导致RWP模型不适合作为仿真机会网络的节点移动模型.结合复杂网络理论中平均度与平均聚类系数的概念,对RWP模型仿真数据与实验数据进行了对比分析.分析结论指出,在平均度相近的条件下RWP模型的平均聚类系数与实验数据有明显的差异,因此RWP模型不适合作为描述机会网络的移动模型.