基于邻域K-shell分布的关键节点识别方法

复杂网络中关键节点的精准识别对于网络结构稳定和信息传播起着至关重要的作用。传统K-shell方法仅通过节点在网络中所处位置对节点的重要性进行评估,导致区分度不高。基于此,综合考虑了节点的全局信息和局部信息对节点重要性的影响,提出一种基于邻域K-shell分布的关键节点识别方法。该方法通过节点邻域Ks值定义节点的熵,从而反映邻居节点的K-shell分布特征。通过11个网络数据集上的仿真实验,验证了所提方法能够更准确地识别并区分复杂网络中的关键节点。

复杂网络下船舶碰撞风险传播演化分析

为提高海运业的安全水平,针对船舶碰撞风险事件链中的风险传播演化过程,利用事件树分析法(ETA),构造有向赋权复杂网络(CN),分析网络的拓扑结构;改进传统K-壳分解算法的适应性,提出网络节点绝对重要度计算方法;利用易感-感染-恢复(SIR)模型动态模拟风险在CN中的传播演化过程,研究在不同感染率与恢复率组合的情况下,复杂网络中目标节点的动态敏感性。结果表明:大约25%的风险事件在CN中相对不活跃,绝对重要度排前10%的风险事件均与事故直接原因无关;风险事件的敏感度与重要度并不完全保持一致,部分风险事件,即使不采用针对性措施,也难以触发严重后果或碰撞事故;船舶碰撞风险管控工作应认可直接致因的客观存在,重点关注碰撞风险的传播演化过程,在碰撞风险实施管控的过程中应采用差异化管控策略。

平衡大气边界层理论在复杂地形风场模拟中的应用

针对大气边界层数值模拟时入口湍动能及耗散率在下游持续衰减的问题,基于标准k-ε模型及其改进模型研究不同湍流黏性更新方法对平衡大气边界层自保持性的影响,然后采用平衡大气边界层自保持性方法结合建筑绕流影响区(BIA)问题解决方法对Askervein山绕流问题进行模拟研究,最后基于数值模拟结果,分析复杂地形绕流对风力机选址的影响。结果表明,选择合适的湍流黏性更新方法、粗糙度处理方法、湍动能和耗散率方程源项可使出口处的流动参数与入口处给定初值保持较高的一致性;BIA问题解决方法的引入可进一步提高复杂地形绕流模拟精度;风力机宜安装在山顶,避开湍流度较大的山体背风区,山后风力机的排布应结合山顶风力机尾流和山体影响区域综合考量。

给定k-错非线性复杂度的有限长二元序列的分布

当n<2c且具有相同k-错非线性复杂度时,本文证明了长度为n非线性复杂度为c的二元序列与长度为n+t非线性复杂度为c+t的二元序列有相同的数目(t为任意非负整数);对于长度为n非线性复杂度为c的二元序列,确定了k-错非线性复杂度分别为1和2的序列数目.

枢纽互通立交图形化指路标志视认复杂度研究

为研究高速公路枢纽互通立交图形化指路标志复杂度,选取常见的17种高速公路枢纽互通立交图形标志开展视认实验,从整体与细节、主观与客观两个维度进行评价,以整体视认时间平均值,细节视认的初、总反应时间平均值为评估指标,提出基于K-Means算法的枢纽互通立交图形化指路标志视认复杂度分类方法。结果表明:17种图形指路标志在整体与细节认知方面既存在一致性,又具有个体差异性;枢纽互通立交图形化指路标志视认复杂度分为3类,聚类中心分别为(0.86,1.94,1.12)、(0.98,3.22,1.46)和(1.21,4.30,1.83),与实验人员主观调查评分分布一致;枢纽互通立交图形化指路标志复杂度与图形内容、匝道形式、信息承载量密切相关。

融合SOM神经网络与K-means聚类算法的用户信用画像研究

为提高现阶段基于K-Means聚类算法的用户信用画像模型的准确性和实时性,提出一种融合自组织映射(SOM,Self-Organizing Map)神经网络与K-Means聚类算法的改进方法。通过SOM对用户数据进行降维和特征提取,直接获得最优聚类数目后再用K-Means算法进行聚类分析。通过真实在线借贷平台数据对所提方法进行验证,结果表明,该方法可提升用户信用画像分析的质量,更好地满足金融数据分析中对实时管理和风险控制的要求,为金融机构提供精准的决策支持。

基于改进节点收缩法的复杂网络节点重要性评估

识别网络中的重要节点对研究网络的拓扑结构及功能特性具有重要的实际应用价值。为了更好地挖掘复杂网络中的重要节点,考虑到节点核心位置和网络拓扑结构变化对节点重要性评估的影响,基于节点收缩法提出两类改进的复杂网络重要节点评估方法,并进行仿真实验与比较分析。一方面,k-shell值对节点位置可进行粗粒化评估,将节点的k-shell值与网络中所有k-shell值之和的比作为节点收缩法得到的节点重要度(IMC)系数,提出基于新的节点重要度K-IMC的改进算法;另一方面,利用网络结构熵刻画网络拓扑结构的变化,结合收缩前后网络标准结构熵的变化,提出基于又一新的节点重要度E-IMC的改进算法。在此基础上,对两类改进的重要节点评估算法进行仿真实验,运用SIR模型和鲁棒性测试对算法性能进行评价与分析。实验结果表明,相较于原始节点收缩法,K-IMC算法和E-IMC算法的重要节点排序结果均表现出更高的准确性。其中,E-IMC算法相较K-IMC算法的准确性更高,KIMC算法相较E-IMC算法的运算效率更高。

融合N-K模型的复杂网络架桥机施工安全风险因素分析

为识别导致架桥机施工时发生安全事故的关键致因和链路,提出一种融合N-K模型的复杂网络架桥机施工安全事故风险因素分析法。首先,建立2000-2022年期间的架桥机事故案例库,分析事故致因,将架桥机施工安全事故风险因素归纳为4个一级风险因素和24个二级风险因素;然后,以事故类型和二级风险因素为节点,以致因关联为边,建立架桥机施工安全事故致因复杂网络模型,计算风险因素节点的亲近中心度和中介中心度;最后,建立N-K模型耦合分析一级风险因素,利用耦合交互信息值优化复杂网络风险因素节点的中心度,通过风险因素可达性分析和全局主路径分析,分别得到导致架桥机事故的7个关键致因和7条关键链路。结果表明:施工单位管理不到位、安全生产检查不充分2项管理因素的亲近中心度和中介中心度值较高。监理单位失职→施工单位管理不到位→安全生产检查不充分关键链路风险最大,针对这些关键风险因素和链路在架桥机施工过程中应重点管控。采用融合N-K模型的复杂网络分析得到的架桥机施工安全关键致因和链路与事故调查结论一致,准确实现了架桥机施工安全事故风险辨识。

基于K-shell位置和两阶邻居的复杂网络节点重要性评估方法

K-shell分解法能快速识别复杂网络中的关键节点,但是无法辨别同壳层内节点重要性的差异,并且低估了处于网络边缘位置的高度值节点的重要性。针对这两个问题,提出一种基于K-shell位置和两阶邻居的节点重要性评估方法。该方法根据K-shell分解过程中节点移除的顺序细化节点的全局位置信息,然后综合考虑节点的局部拓扑结构信息和全局位置信息,利用两步长内邻居节点的K-shell位置信息度量节点的重要性。在八个真实网络上用传染病模型进行仿真实验,结果表明,所提方法与其他五种相关方法相比能更准确有效地评估并区分节点的重要性。

基于多层复杂网络的地铁系统脆弱性因素耦合分析

为揭示地铁安全事故发生的内在机理,将多层复杂网络理论、N-K模型和事故致因统计方法相结合,构建地铁系统脆弱性因素耦合分析模型,并在此基础上,运用多层网络中边和节点影响力的度量指标,识别出地铁系统脆弱性的关键因素及其耦合作用方式。基于国内外199起地铁安全事故案例的致因分析结果表明:暴露性与敏感性耦合更易导致地铁系统脆弱性凸显,暴露性为其中的关键特征要素;人员不安全行为与人员安全意识低两因素耦合是引发地铁安全事故的关键作用方式;人员安全意识低、车辆故障、人员不安全行为是地铁系统最为关键的3个脆弱性因素。对关键因素和耦合作用的监测与控制至关重要,能够有效提高地铁系统的本质安全水平。

维生素K环氧化物还原酶复合物亚基1基因多态性与冠心病、脑卒中相关性进展

维生素K环氧化物还原酶复合物亚基1(VKORC1)通过影响维生素K依赖的凝血因子和非凝血因子的羧化,从而影响血栓的易感性以及大动脉壁的钙化。血栓和动脉硬化直接导致血管性疾病如冠心病、脑卒中。国内外关于VKORC1与冠心病、脑卒中关系的临床研究存在分歧。本文就VKORC1与冠心病、脑卒中关系的研究进展作一综述。

隐性权位比特函数的线性复杂度

布尔函数既是分组密码的关键部件,也是设计序列的重要方式,在对称密码的设计与分析中起着重要的作用,关于布尔函数的密码学性质研究一直是密码界研究的热点。隐性权位比特函数(HWBF)因具有平衡性、高非线性度等诸多“好”的密码学特性而备受关注,而它的线性复杂度指标在文献中尚无相关结论。因此,讨论了采用n-元HWBF函数构造周期为2n的二元伪随机序列,从数学理论的角度证明该序列是具有最大线性复杂度的平衡序列。同时,应用数论中的Hasse导数和Lucas同余式,计算出该序列的2-错线性复杂度的取值,其中当n(mod 4)∈{0,1,3}时,该序列的2-错线性复杂度达到最大值。结果表明,该序列是一类具备多种密码学指标的优质序列。

类康托序列的k-Abelian复杂度

本文研究类康托序列c的k-abelian复杂度问题,其中序列c为代换σ:1→10^(l)1,0→0^(l+2)的以1开始的不动点.对任意的k=l,…,l,我们证明若u,v是c的两个因子且它们的长为k的前后缀分别相同,则u,v是(k+1)-abelian等价当且仅当u,v是k-abelian等价的.进一步,我们证明类康托序列c的abelian复杂度和2-abelian复杂度均为(l+2)-正则的.

湖北庙垭杂岩体富硅碳酸岩成因及其对稀土成矿的指示意义

湖北庙垭正长岩-碳酸岩杂岩体赋存我国重要的碳酸岩型稀土矿床,查明不同于主体碳酸岩(w(SiO_(2))<10%),富硅碳酸岩(w(SiO_(2))>30%)的岩石学、矿物学特征和成因机制对认识碳酸岩型稀土成矿作用具有重要意义。选取庙垭富硅碳酸岩样品为研究对象,利用电子探针(EPMA)、X射线荧光光谱仪(XRF)、激光剥蚀-电感耦合等离子体质谱(LA-ICP-MS)等分析方法,获得其岩石学和矿物学信息,并与前人研究进行对比,以期查明庙垭杂岩体富硅碳酸岩的成因和稀土成矿差异性。结果表明:①富硅碳酸岩中主要硅酸盐矿物为钾长石、钠长石和石英,与围岩梅子垭群绢云母片岩中硅酸盐矿物不同,而与共生正长岩中矿物组成相似,指示这些硅酸盐矿物可能为正长岩捕掳晶;②钾长石不规则环带特征(成分差异)和全岩高^(87 )Sr/^(86 )Sr值的特征,可能指示了成岩后的流体作用;③热液独居石年龄((235.1±1.5)Ma)与华北古板块和扬子古地块沿勉略断裂碰撞引起的勉略洋闭合(246~221 Ma)相关的区域变质事件同步,进一步限定了热液作用年龄和地质事件。与勉略洋壳的俯冲闭合相关的富Sr,Ba构造-热液流体交代富硅碳酸岩,促使Si和REE分别从钾长石等硅酸盐捕掳晶和磷灰石等原生矿物中活化-迁移进入流体,Si的加入可能进一步加强了流体对REE的搬运能力,使得富硅碳酸岩全岩稀土含量低于主体碳酸岩。

复杂生产过程工况分类及预测模型研究——以青霉素生产过程为例

为实现青霉素生产过程的有效控制和管理,针对生产过程中青霉素浓度无法实时监测的问题,提出了基于机器学习算法的两种工况分类方法及其相应的预测模型。首先,以青霉素生产过程中影响青霉素浓度的因素作为参数指标,分别采用K-Means、ISODATA聚类算法实现青霉素生产工况的分类;然后,在两种分类结果的基础上采用支持向量机线性回归(SVR)建模,得到对应的SVR预测模型;最后,对青霉素发酵过程产生的数据进行仿真实验,仿真结果表明,基于两种聚类算法的SVR预测模型的预测准确性都较高,而基于K-Means聚类算法的SVR预测模型的可靠性更优。

深大基坑复杂系统风险特征及耦合效应研究

为解决深大基坑施工系统事故发生机理不清,风险因素多样且复杂的问题,从系统视角分析了深大基坑施工风险系统性特征,基于复杂系统概念,构建了“基坑子系统、水文地质子系统和周围环境子系统”为一体的深大基坑施工复杂系统的概念框架。运用N-K模型量化分析各子系统间的耦合效应及对深大基坑复杂系统整体风险的影响大小。研究结果表明:深大基坑事故的发生与参与耦合的子系统影响因素成正比,三子系统耦合风险值最大;基坑-水文地质环境耦合风险值最为显著,而基坑-周边环境耦合风险值相对较低。因此,在深大基坑施工过程中,须特别关注基坑自身与水文地质环境之间的相互作用,采取相应的预防措施和安全管理策略,保证系统整体的安全性。

基于K-shell的关键节点识别算法

在复杂网络中,对各节点的影响力进行识别并找出其中的关键节点,对于研究病毒的传播与控制、电网故障控制与预警等具有重要作用.在对现有关键节点算法分析研究的基础上,提出了一种基于K-shell的关键节点识别算法(KNIK),该算法综合考虑节点的全局与局部信息,同时引入节点与邻居节点之间的关联度,计算节点在网络中的最终影响力.为了对算法性能进行验证,以SIR模型为参照进行仿真实验,实验结果表明,KNIK能够有效地检测节点的影响力,识别网络中的关键节点.

复杂背景下人体步态分析方法

为了获得复杂背景下的人体步态信息,提出了基于超像素分割的步态提取方法,通过对关键帧步态能量图构造Gabor二维滤波器对步态能量图进行卷积提取特征,构造5个尺度,8个方向共40个Gabor滤波器组与步态能量图进行卷积操作特取特征,为了更有效地表征特征数据,使用主成分分析进行特征降维,最后选取无监督的分类方法-K均值聚类法进行分类识别,实验结果表明,该方法能够实现步态的有效识别。

基于分区建模的复杂山地风电功率预测

受地表粗糙度、复杂地形等因素的影响,对山地风电场整体风电功率进行预测存在较大困难。为解决此问题,提出利用K-means聚类算法对风电机组进行分区建模,根据风电机组的预测精度以及风电机组与子区域的相关系数,选择每个子区域内的参考风电机组。采用BP神经网络分位数回归模型对参考风电机组的风电功率进行预测。基于参考风电机组的预测结果,利用核密度估计(KDE)和稀疏贝叶斯学习(SBL)形成的组合预测模型对子区域的风电功率进行预测,将子区域的预测结果相加即可得到整体区域功率预测结果。实验结果表明采用分区建模的方法可有效提升复杂山地风电场功率预测的准确性。

基于机器视觉的复杂背景下车轮踏面损伤检测

复杂背景加大了车轮踏面损伤监测的难度,为了提升检测效果,降低检测误差,提出一种复杂背景下车轮踏面损伤机器视觉检测方法。估计车轮踏面图像的噪声方差,利用小波系数分别对图像不同区域展开去噪处理。根据灰度共生矩阵提取车轮踏面损伤区域的纹理特征;采用K-Means++聚类算法聚类处理踏面子区域的纹理特征,并通过损伤区域轮廓梯度信息检测损伤轮廓点,同时引入形态学方法,合并损伤区域,最终实现车轮踏面损伤机器视觉检测。结果表明,所提方法可以获取精准的车轮踏面损伤检测结果。