基于电力系统复杂网络特征的线路脆弱性风险分析

提出了一种从电力系统复杂网络特征角度分析线路脆弱性风险的方法。该方法首先采用自下而上的层次聚类法挖掘线路脆弱性的层次风险,并以电力系统的复杂网络特征为条件属性,以电力系统线路脆弱性为决策属性,建立系统样本决策表;然后采用基于贪婪启发式算法的ID3决策树数据挖掘法,建立线路脆弱性的精细化决策表;最后根据决策树建立电力系统线路脆弱性的层次风险模型,各层次所含线路的脆弱性风险与层次聚类法所得层次风险水平一致。IEEE 39节点算例结果表明电力系统复杂网络特征的分布情况决定了系统脆弱性线路风险大小。

一种应用复杂网络特征的K-means初始化方法

K-means算法是一种基于划分的聚类算法,具有算法简单且收敛速度快的特点。但该算法的性能依赖于聚类中心的初始位置的选择。拓展了复杂网络的重要特征,针对带有属性的数据对象所构成的数据集,定义了多维属性对象的度、聚集度和聚集系数,选取度和聚集系数高的K个点作为K-means聚类的初始中心点。实验数据表明,改进后的K-means算法较传统的算法具有更高的效率和准确度。

基于复杂网络特征的大脑功能网络分析

为了从大脑不同区域的连接关系去区分耳鸣患者与正常人的脑功能网络,通过每两路导联脑电信号的锁相值建立高密度(128通道)大脑功能网络,计算该网络的度、聚类系数、特征路径长度、小世界指标、网络密度、介数中心性、同配系数和网络结构熵8种复杂网络特征指标,验证了所建立的大脑功能网络具有小世界特性,而且这些特征指标能有效描述大脑功能网络的信息传输能力与节点重要性。根据这些复杂网络特征指标作为4种分类器的输入特征向量进行分类检验,其中支持向量机算法取得最好的分类效果,准确率达到94%,验证了复杂网络指标可以作为脑电信号分类的有效特征参数。

主城区公路网的复杂网络特征分析

将复杂网络理论应用到主城区公路网分析上,拓展了城市交通网络基础理论的研究思路和研究范围.首先介绍主城区公路网的重要作用和特点,接着阐述复杂网络的基础理论,在此基础上,重点研究了主城区公路网映射后的复杂网络特征,并以重庆市主城区公路网为例分析,将其与其他城市主城区公路网做了比较.

复杂网络特征量度及典型网络模型分析

复杂系统科学的发展目前仍处于萌芽阶段,但专家学者们广泛看好它的发展前景。近年来随着对复杂系统研究的不断深入,人们开始在不同领域进行从整体出发的复杂网络研究,从而形成了自成体系的复杂网络理论。首先介绍了复杂网络的概念,然后介绍了几种常用的复杂网络特征量度,之后总结了从复杂网络科学始创到今天,几种典型的网络模型,如随机网络模型、小世界网络模型、无标度网络模型等,并对这些模型进行了简单的分析。

基于复杂网络的轨道交通路网可靠性仿真分析

首先通过引入复杂网络的相关特征指标,介绍了城市轨道交通路网的复杂网络特征;然后,设计了轨道交通网络仿真分析模型和路网连通可靠性评价指标,并以此为基础研究了轨道交通路网的失效仿真分析理论和方法;最后,以上海市2020年远景规划路网为例,标定了其网络类型,并对该路网的连通可靠性进行了仿真分析研究。将复杂网络理论应用到城市轨道交通领域中,可为轨道交通基础理论的研究开辟新的思路。

基于复杂网络特性的带钢表面缺陷识别

针对带钢表面缺陷识别问题,提出一种基于动态演化复杂网络特性的特征描述方法,这些特征同时具有位移、旋转不变性、大小不变性、较强的抗干扰能力和鲁棒性,为缺陷识别提供良好的分类特征;为了提高分类器的效率,应用主成分分析法(Principal component analysis,PCA)对复杂网络特征向量进行特征降维处理;采用最优有向无环图支持向量机(Directed acyclic graph support vector machine,DAG-SVM)算法进行缺陷分类.结果表明该方法识别率高而且识别速度快.

语言网络研究的数学模型——从复杂网络、社会网络到语言网络

复杂网络技术的发展为大数据时代的语言研究提供了新的视角。网络方法应用到语言研究的重要目的是探索语言网络的结构特征规律和功能演化规律。该文综述了以图论为基础的复杂网络发展及社会网络、语言网络的主要数学模型,试图从复杂网络共性特征——小世界、无标度特征中进一步剥离出语言网络的个性特征,为语言符号多层级网络结构、功能研究提供参考。

基于加权复杂网络聚类的医学图像分类器研究

为了建立高效的肿瘤自动诊断系统,克服因医学MIR图像的复杂性带来的直接从图像中看出肿瘤及良、恶性质的困难,结合复杂网络社团划分的部分理论成果和K-mean聚类算法的思想,提出了基于加权复杂网络聚类的医学图像分类器。该分类器对医学图像进行预处理,建立图片特征库,构建图片加权复杂网络,在此基础上根据网络节点的加权网络特征值和连接度选取初始聚类中心进行聚类,有效地克服了传统K-mean聚类算法对初始化选值敏感性的问题,从而大大提高了分类精度。实验通过对某医院PACS系统中的部分MIR脑部图片进行分类,表明了该方法的分类精度比传统的K-mean聚类算法平均提高了8%左右。

基于网络化软件的复杂网络特性实证研究

近年来,我国科学技术飞速发展,尤其是网络技术在各个领域中得到了广泛的应用,互联网、万维网技术的普及引发了软件技术革命,也带来了诸多软件技术形态,其中网络化软件就是现代社会经济背景下全新的软件技术。随着网络化软件应用领域不断扩大,用户需求逐渐向多样化、个性化发展,这就使得软件技术面临着严峻的挑战。本文主要分析了网络化软件的概念,并对网络化软件技术的复杂性与网络进行研究,为我国网络技术的健康发展创造良好的条件。

基于复杂网络理论的高校内部理工医文合作研究分析

运用复杂网络理论的基本原理和有关方法,对理工医文等学科、专业之间的合作规律和人员合作方式进行探讨,以某高校2005—2010年医工合作情况作为实例展开研究,采用5年的合作数据作了计算分析,研究了高校内部理工医文开展学科交叉工作的特点及其运行情况、医工交叉合作中存在问题,客观分析其原因,提出了解决的办法,为今后开展高校系统的理工医文交叉合作,建设电子化交叉平台。

抑郁症EEG诊断的类脑学习模型

抑郁症是一种全球性精神疾病,传统诊断方法主要依靠量表与医生的主观评估,无法有效识别症状,甚至存在误诊的风险。基于生理信号的深度学习辅助诊断有望改善传统缺乏生理学依据的方法。然而,传统深度学习方法依赖巨大算力,且大多是端到端的网络学习。这些学习方法也缺乏生理可解释性,限制了辅助诊断临床应用。提出一种用于抑郁症脑电图(electroencephalogram,EEG)诊断的类脑学习模型,在功能层面,构建脉冲神经网络对抑郁症与健康个体进行分类,精度超过97.5%,相比深度卷积方法,脉冲方法降低了能耗;在结构层面,利用复杂网络建立脑连接的空间拓扑并分析其图特征,找出了抑郁症个体潜在的脑功能连接异常机制。

浅谈嵌入式软件功耗优化研究与分析

随着嵌入式设备、手机的广泛应用,嵌入式系统的应用不断升级,软件不断强大,性能不断提高,使得软件的功耗日益增加,为了实现环保、低碳的目标,降低功耗成为人们所关心的问题。嵌入式软件发展主要看功耗高低,但嵌入式软件功耗已陷入瓶颈。鉴于当前功耗优化若干问题,本文提出了嵌入式软件功耗优化的算法。

基于脑电图的大脑功能性网络分析

利用脑电图数据建立了大脑功能性网络.分析了该网络的复杂网络统计特征,发现它的聚类系数远大于相应随机网络,明显具有小世界网络的特征,其度分布也接近于无标度网络.进一步验证了大脑功能性网络的复杂网络特性,发现患者的各项复杂网络特征指数与正常人相比有明显不同.定义了大脑神经网络信息熵及神经网络标准信息熵的概念,发现脑病患者的大脑神经网络信息熵明显小于正常人.从一个全新的角度量度了大脑的复杂网络特征,并提示了临床脑病诊疗的判断依据.