期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
关注社交异配性的社交机器人检测框架
1
作者 余尚戎 肖景博 +1 位作者 殷琪林 卢伟 《信息网络安全》 CSCD 北大核心 2024年第2期319-327,共9页
随着社交机器人的迭代,其倾向于与正常用户进行更多交互,对其检测变得更具挑战性。现有检测方法大多基于同配性假设,由于忽视了不同类用户间存在的联系,难以保持良好的检测性能。针对这一问题文章提出一种关注社交异配性的社交机器人检... 随着社交机器人的迭代,其倾向于与正常用户进行更多交互,对其检测变得更具挑战性。现有检测方法大多基于同配性假设,由于忽视了不同类用户间存在的联系,难以保持良好的检测性能。针对这一问题文章提出一种关注社交异配性的社交机器人检测框架,以社交网络用户间的联系为依据,通过充分挖掘用户社交信息来应对异配影响,并实现更精准的检测。文章分别在同配视角和异配视角下看待用户之间的联系,将社交网络构建为图,通过消息传递机制实现同配边和异配边聚合,以提取节点的频率特征,同时利用图中各节点特征聚合得到社交环境特征,将以上特征混合后用于检测。实验结果表明,文章所提方法在开源数据集上的检测效果优于基线方法,证明了该方法的有效性。 展开更多
关键词 社交机器人检测 异配性 图神经网络
下载PDF
子网络的连接模式对关联网络可靠性影响研究 被引量:4
2
作者 赵娟 郭平 +3 位作者 邓宏钟 吴俊 张敏 蒋银华 《计算机应用与软件》 CSCD 北大核心 2012年第2期240-242,共3页
为了分析关联网络中子网络之间连接方式对网络可靠性的影响,根据不同子网络之间连接的度相关性,建立关联网络中子网络之间的连接模型,以节点之间非交叉路径的最大条数为可靠性测度,对由4个子网络组成的网络系统进行了分析。结果表明,当... 为了分析关联网络中子网络之间连接方式对网络可靠性的影响,根据不同子网络之间连接的度相关性,建立关联网络中子网络之间的连接模型,以节点之间非交叉路径的最大条数为可靠性测度,对由4个子网络组成的网络系统进行了分析。结果表明,当子网络之间的连接具有异配性时,网络具有较高的可靠性,但过大的异配性反而会降低网络的可靠性。 展开更多
关键词 网络可靠 超网络 度相关 异配性 非交叉路径
下载PDF
增长网络结点度相关性的混合系数 被引量:2
3
作者 毛小燕 《宁波大学学报(理工版)》 CAS 2011年第4期92-96,共5页
鉴于增长网络的一个显著特征是相邻结点之间的关系自发地形成,与被广泛研究的结点度分布相比,此种相邻结点关系的研究能更清楚地揭示更多内在的增长网络的结构特征.为此提出了一种称为混合系数M(g)的网络结点度相关性测度用来判别增长... 鉴于增长网络的一个显著特征是相邻结点之间的关系自发地形成,与被广泛研究的结点度分布相比,此种相邻结点关系的研究能更清楚地揭示更多内在的增长网络的结构特征.为此提出了一种称为混合系数M(g)的网络结点度相关性测度用来判别增长网络的同配和异配性.通过大量的计算机模拟和数值统计,分析了该测度关于网络规模N和稠密度ρ的稳定性,结果显示该测度比判别网络同配和异配性的Newman相关系数r(g)更具有稳定性.因此,混合系数M(g)具有优越性,可更好地被应用到实际网络的同配和异配性分析中. 展开更多
关键词 度相关 混合系数 异配性 稳定 网络规模 稠密度
下载PDF
集群知识网络结构特征对集群弹性的影响研究——基于双元性创新的视角 被引量:1
4
作者 曹休宁 《商学研究》 2021年第1期23-32,共10页
本文从双元性创新的视角研究了集群知识网络的结构特征对集群弹性的影响。在网络视角下,集群是由本地化知识网络构成的关系结构。这一关系结构的结构特征可以通过度分布和度相关性统计指标来衡量。根据集群知识网络的层级与匹配性,集群... 本文从双元性创新的视角研究了集群知识网络的结构特征对集群弹性的影响。在网络视角下,集群是由本地化知识网络构成的关系结构。这一关系结构的结构特征可以通过度分布和度相关性统计指标来衡量。根据集群知识网络的层级与匹配性,集群知识网络呈现出三种典型的结构,它们分别是随机网络、同配性核心/外围网络、异配性核心/外围网络。研究表明,集群中知识网络的同配性特征会弱化集群对新观念吸收与应用的整合能力,这可能是区域负向锁定的根源。而具备异配性特征的网络能够对挖掘性创新的知识和探索性创新的知识进行整合,有利于双元性创新,因而能够加强集群的弹性能力。 展开更多
关键词 集群弹 知识网络 异配性 双元创新
下载PDF
复杂网络理论在Internet拓扑特性分析中的应用
5
作者 刘孙东 《福建电脑》 2009年第6期21-23,共3页
利用复杂网络理论对Internet进行研究,探索Internet复杂系统的现象,揭示这些现象背后的起源、不变特性以及动态规律,已成为计算机科学领域所关心的重要问题之一。介绍了复杂网络的研究简史,研究的主要内容、方法与工具,以及复杂网络的... 利用复杂网络理论对Internet进行研究,探索Internet复杂系统的现象,揭示这些现象背后的起源、不变特性以及动态规律,已成为计算机科学领域所关心的重要问题之一。介绍了复杂网络的研究简史,研究的主要内容、方法与工具,以及复杂网络的基本概念和特征量,并对目前在Internet拓扑特性分析研究方面的研究成果及经验结果进行了归纳总结,同时给出了复杂网络理论在Internet研究中的发展方向。 展开更多
关键词 复杂网络 幂律 小世界效应 异配性 富人俱乐部特
下载PDF
航空企业视角的中国航空客运网络组织模式 被引量:12
6
作者 陆璐 魏冶 +1 位作者 庞瑞秋 高鑫 《地理科学》 CSSCI CSCD 北大核心 2019年第4期550-559,共10页
基于37个中国航空企业的航班大数据,选取对外联系度、异(同)配性系数、层次分析、优势生态位分析等方法对中国航空客运网络组织模式进行分析。研究发现:①中国航空网络发育整体趋于成熟,已形成明显的层次性和核心-边缘结构,航空企业的... 基于37个中国航空企业的航班大数据,选取对外联系度、异(同)配性系数、层次分析、优势生态位分析等方法对中国航空客运网络组织模式进行分析。研究发现:①中国航空网络发育整体趋于成熟,已形成明显的层次性和核心-边缘结构,航空企业的航空网络均蕴藏位序-规模规律,依据其机场节点、航线和航班数量可划分为6个层级;②依据企业视角与网络规模、层次性与同配性/异配性等指标的综合度量,中国航空企业的网络组织模式可划分为核心培育阶段、核心竞争阶段、过渡阶段与稳定增长阶段4种类型;③航空企业的航空网络包括核心-边缘同配性网络和核心-边缘异配性网络,企业间竞争焦点主要表现为"核心"的竞争;④结合航空客运网络组织模式的判定,当前中国航空网络存在两条收敛规律:层次性收敛与同配性/异配性收敛;⑤实力强、规模大的航空企业在全国通航城市的比例分布均匀,具有较高生态位;实力弱、规模小的航空企业在全国通航城市的分布具有区域性且比例不均,生态位较低。为优化航空网络结构、避免企业恶性竞争,中国不同等级的航空企业一方面需结合自身发展阶段不断优化网络组织模式,寻求与企业等级相适应的生态优势位;另一方面要加强合作,避免航线饱和问题,提高整个航空网络的韧性和运营效率。 展开更多
关键词 航空网络 网络组织模式 航空企业竞争 异配性
下载PDF
城市群交通网络特性 被引量:13
7
作者 曾明华 李夏苗 刘大鹏 《系统工程》 CSCD 北大核心 2009年第3期10-15,共6页
城市群经济社会蓬勃发展要求有相适应的交通运输网络为其提供强有力的支持,因此,以长株潭城市群交通网络为背景,研究了交通网络特性。给出了道路的n阶平均度、网络平均n-聚集系数、网络失效弹性等概念,定义了度为k的道路的介数中心性和... 城市群经济社会蓬勃发展要求有相适应的交通运输网络为其提供强有力的支持,因此,以长株潭城市群交通网络为背景,研究了交通网络特性。给出了道路的n阶平均度、网络平均n-聚集系数、网络失效弹性等概念,定义了度为k的道路的介数中心性和基于节点介数中心性的结构熵,在数值计算的基础上分析了交通网络性质。研究分析发现:(1)五个交通网络中,整个长株潭交通网络是比较抗失效的,湘潭交通网络显示出对失效的脆弱性,而长沙市及长株潭整个交通网络是最为有序的;(2)长株潭城市群交通网络是小世界网络而不具有无标度性;(3)对网络匹配关系研究表明交通网络是异配的,利用网络异配性初步探讨了网络层阶性。 展开更多
关键词 交通网络 网络层阶 异配性 n-聚集系数
原文传递
基于谱分析的无线传感器网络模块度分簇算法 被引量:1
8
作者 刘逵 刘三阳 冯海林 《控制与决策》 EI CSCD 北大核心 2012年第9期1365-1369,1375,共6页
基于谱分析与模块度,提出一种无线传感器网络分簇算法(CHSM),首先利用非平凡特征向量获得传感器网络的原始簇结构;然后借助模块度的增量来评估、合并原始簇,从而形成一个与真实网络相匹配的簇结构;同时设计了一种能量异配度函数,并利用... 基于谱分析与模块度,提出一种无线传感器网络分簇算法(CHSM),首先利用非平凡特征向量获得传感器网络的原始簇结构;然后借助模块度的增量来评估、合并原始簇,从而形成一个与真实网络相匹配的簇结构;同时设计了一种能量异配度函数,并利用各节点的能量异配度及其剩余能量在各个簇内选取簇头节点,仿真结果表明,CHSM算法找到的簇结构具有更高的模块度,其选取的簇头节点具有更高的能量异配度,进而表明了所提出的算法能有效延长网络的寿命。 展开更多
关键词 谱分析 模块度 非平凡特征向量 能量分布异配性
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部