基于重要值排序和自适应阈值的Douglas-Peucker算法

矢量数据压缩长久以来一直是地理信息系统(GIS)领域的关注焦点,旨在缩减数据规模以满足应用性能方面的需求,同时减少数据传输、系统处理时长以及储存成本,从而提高系统性能和运行开销。虽然在该问题上已取得了一些研究成果,但由于技术进步和新需求的涌现,对矢量数据压缩的压缩率和精度都提出了更高的要求,同时如何确定最优的阈值也成为了一个亟待解决的问题。因此,本文从矢量数据中不同节点对整个矢量图形产生变化的重要性以及如何确定最佳阈值出发,设计了结合重要值排序和自适应阈值的Douglas-Peucker算法。通过对上海市民政部门内部矢量数据集的实验表明,改进算法在压缩率相同情况下,数据压缩效果整体优于Douglas-Peucker算法及其改进算法。

识别高阶网络传播中最有影响力的节点

识别网络传播中最有影响力的节点是控制传播速度和范围的重要步骤,有助于加速有益信息扩散,抑制流行病、谣言和虚假信息的传播等.已有研究主要基于描述点对交互的低阶复杂网络.然而,现实中个体间的交互不仅发生在点对之间,也发生在3个及以上节点形成的群体中.群体交互可利用高阶网络来刻画,如单纯复形与超图.本文研究单纯复形上最有影响力的传播者识别方法.首先,提出单纯复形上易感-感染-恢复(SIR)微观马尔可夫链方程组,定量刻画单纯复形上的疾病传播动力学.接下来利用微观马尔可夫链方程组计算传播动力学中节点被感染的概率.基于网络结构与传播过程,定义节点的传播中心性,用于排序节点传播影响力.在两类合成单纯复形与4个真实单纯复形上的仿真结果表明,相比于现有高阶网络中心性和复杂网络中最优的中心性指标,本文提出的传播中心性能更准确地识别高阶网络中最有影响力的传播者.

基于网络熵变率的节点重要性排序方法

在通信网络中,节点的重要性不仅与网络的拓扑结构有关,而且与当前的网络负载状态相关。论文在分析网络负载和网络熵之间变化关系的基础上,首先定义了网络熵变率,然后设计了以网络熵变率为基础的节点重要性排序方法MixR(Mix Ranking)。论文以Abilene网和GEANT网的公开数据集作为分析对象,以SIR(Susceptible-Infected-Recovered)作为节点重要性评价的参考模型,通过与度中心性、接近中心性、特征向量中心性,以及半局部中心性方法对比,证实了MixR方法的有效性和准确性。

基于节点重要度的城市轨道交通线网换乘协调优化

随着城市轨道交通规模扩大,车站数量增加,线间关联愈加密切。在网络化运营条件下,网络结构的复杂性、客流需求分布的不均衡性及列车运行组织方式的多样性,均对城市轨道交通运输计划提出更高的要求,在此提出基于节点重要度的城市轨道交通线网换乘优化方法。基于乘客出行选择行为对路径广义出行费用进行计算,建立基于时空出行网络的客流分配模型;依据影响城市轨道交通节点重要度的因素,提出网络内各区间及线路重要度的计算方法,基于线网内各节点、区间及线路的差异,构建基于节点重要度的城市轨道交通换乘协调优化模型;以成都地铁局部网络为例,验证模型的有效性。结果表明:所提出的协调优化模型将网络内站点、区间及线路3个层面的匹配度总共提升了34.58%,有效地提高了线网运输计划的运营效率。

弱节点排序灵敏度法与奇异参与因子法的比较

针对电力系统静态电压稳定性的弱节点排序问题,对灵敏度法和奇异参与因子法进行了比较.对系统运行点离静态电压稳定域边界较近时,灵敏度法与基于潮流雅克比矩阵和降阶雅克比矩阵的奇异参与因子法所得到的弱节点排序相同的原因进行了分析,并用算例说明当系统运行点离静态电压稳定域边界较远时,灵敏度法与奇异参与因子法所得到的弱节点排序可能不同,但就改善电压稳定性而言,奇异参与因子法与灵敏度法的差别并不大.鉴于灵敏度法的计算量比奇异参与因子法小得多,因此在电力系统静态电压稳定性弱节点排序中应优先采用灵敏度法,并且只由负荷节点组成的降阶雅克比矩阵与潮流雅克比矩阵求取的负荷节点灵敏度相等.

一种基于代数图论的有限元模型节点排序方法

提出了一种基于有限元模型中节点自由度构造赋权单元团图的方法,根据代数图论的理论,应用赋权单元团图的拉普拉斯矩阵的Fiedler向量,对有限元模型的节点进行排序,以达到减少结构刚度矩阵的半带宽和外形的目的.该方法不但能适用于一般有限元模型,而且适用于包含不同类型单元、具有不同自由度节点的混合节点模型.对于混合节点模型,该方法比基于单元团图的拉普拉斯矩阵的代数图论方法能够取得更加满意的结果.据此编制的前处理程序,可以对任意编号的模型进行优化处理.数值算例结果表明本方法是有效的.

基于节点雅可比矩阵确定弱节点排序的指标比较

针对只对系统中某些关键负荷节点进行弱节点排序的需要,提出了衡量节点雅可比矩阵奇异的若干指标,将这些指标应用于弱节点排序并对其有效性进行了评价.算例表明除行列式指标外其他各种指标均适合于弱节点排序,而节点灵敏度指标由于其鲜明的物理意义而被推荐用于弱节点排序.

基于多属性评估与删除的节点重要度排序方法

复杂网络节点重要度排序对网络抗毁性研究具有重要意义,但现有节点重要度排序方法多数没有兼顾网络结构变化和重要邻居节点的影响。为此,在结合多属性评估和节点删除的基础上,提出一种改进的复杂网络节点重要度排序方法。根据节点的网络局部属性、网络全局属性和网络位置属性选取评估指标,采用理想点法综合评估初始网络节点重要度,并依次删除最重要节点、评估剩余网络节点重要度,以此减小网络结构变化和重要邻居节点对节点重要度排序的影响,从而得到最终的网络节点重要度排序结果。实验结果表明,与理想点法、NICCM方法等相比,该方法能更准确地对网络重要节点进行识别和排序。

空中交通网络物理系统影响力节点排序与抗毁性研究

为了确保飞行安全,采用复杂网络方法研究了空中交通网络物理系统(Cyber physical system,CPS)节点的影响和抗毁性。根据空中交通管理规则,分析了航路与管制扇区之间的逻辑耦合关系,构建了空中交通CPS网络模型,并建立了节点影响力指标和抗毁性指标。改进了K-shel(l Improved K-shell,IKS)算法,对网络节点的影响力进行了计算和排序,并分析了随机和选择性攻击下的网络抗毁性。以华东地区空域为例,建立空中交通CPS模型,利用度、IKS和接近中心性对信息网和物理网的影响力节点进行了排序,分析了空中交通CPS在不同攻击方式下的抗毁性。实验结果表明,IKS算法能够有效识别空中交通CPS网络中的影响力节点,改进K-shell和接近中心性是影响空中交通CPS的抗毁性的两个关键指标。

负荷节点的等效灵敏度及弱节点排序

静态电压稳定性判据dVL/dPL和dVL/dQL分别计及了负荷节点的有功变化和无功变化与节点电压变化的关系,并没有考虑负荷节点的有功和无功功率共同变化时与节点电压变化的关系。为此,提出等效灵敏度的概念,不仅物理概念更明确,算例表明基于dVL/dQL的等效灵敏度数值能更准确进行弱负荷节点排序。

基于多层次灰色关联分析的复杂网络节点排序模型

复杂网络节点重要性是研究复杂网络特性的重要方面之一,被广泛应用于数据挖掘、Web搜索、社会网络分析等众多研究领域。在选取评估节点重要性指标时,考虑到普通聚类系数仅能衡量网络节点聚类的疏密度,不能衡量聚类的规模,提出了修正的聚类系数;同时,选取了Erdos数和介数两个指标来综合衡量网络节点重要性,建立多层次-灰色关联分析模型,确定出各个节点与理想节点的关联度,实现对复杂网络节点的排序。模型不仅考虑到度、路径距离对节点排序的影响,而且也考虑到每个节点聚类程度对节点排序的影响。通过与实际网络和其他方法的排序结果对比,模型能够准确找到复杂网络的核心节点,并且排序结果真实反映了节点依次的重要程度。

基于改进K-shell算法的空中交通信息物理系统节点排序

为精确识别空中交通信息物理系统(cyber physical system,CPS)节点影响力,依据空中交通管理系统信息网络和物理网络的深度耦合关系,结合复杂网络理论,构建空中交通CPS,并对原有K-shell算法进行改进,重新定义了加权度指标。通过改进K-shell算法分别对华东空中交通CPS信息网的管制席位与物理网的航路点影响力进行排序,同时与度、度中心性、介数中心性、接近中心性、特征向量中心性、K-shell等排序方法进行对比,证明了改进K-shell算法能够有效识别网络中节点的影响力,特别是对航路网这种无标度航空网络的节点影响力识别,改进K-shell算法计算结果比其他方法更为精确。最后,对空中交通CPS信息网与物理网的影响力进行分析,证明了信息网中影响力大的管制席位管理的扇区,所辖航路点影响力也偏大,因此应保护影响力大的节点,尽可能避免节点失效引发空中交通CPS网络大面积瘫痪,减少航班延误的发生。

基于自规避随机游走的节点排序算法

评估复杂网络系统的节点重要性有助于提升其系统抗毁性和结构稳定性.目前,定量节点重要性的排序算法通常基于网络结构的中心性指标如度数、介数、紧密度、特征向量等.然而,这些算法需要以知晓网络结构的全局信息为前提,很难在大规模网络中实际应用.基于自规避随机游走的思想,提出一种结合网络结构局域信息和标签扩散的节点排序算法.该算法综合考虑了节点的直接邻居数量及与其他节点之间的拓扑关系,能够表征其在复杂网络系统中的结构影响力和重要性.基于三个典型的实际网络,通过对极大连通系数、网络谱距离数、节点连边数和脆弱系数等评估指标的实验对比,结果表明提出的算法显著优于现有的依据局域信息的节点排序算法.

基于GA的矿井通风网络图节点排序的优化

遗传算法(GA)作为一种全新的随机搜索与优化算法迅速地发展起来,并且在很多领域被广泛地应用。以遗传算法进行矿井通风网络图分支交叉数的优化,采用堆积木的组合思想进行交叉操作,来提高层次图的质量(分支交叉数少),并采用混合遗传算法增加了一个局部搜索过程,用于增强遗传算法的局部搜索能力。最后,根据研究的理论算法,优化网络图的节点排序,从而达到通风网络图的优化绘制。

SDN网络中面向服务的网络节点重要性排序方法

在SDN中,作为网络大脑的Controller,不仅为下层转发节点Switch提供数据转发流表,还为上层应用程序提供各类网络基本信息,负担繁重.特别是当网络规模较大时,Controller会成为网络性能的瓶颈.实验表明,当一个Controller管理300个Switch节点时,平均首ping时延超过300ms,而访问百度、新浪等网站仅需20ms左右,可见其对Controller负载造成相当大的影响,因此,有必要对其进行优化.已有工作表明,通过选取少量关键节点可实现对网络状态的可观性与网络行为的可控性.因此,减轻Controller负载的一个有效途径是对其所管辖的网络节点进行重要性排序,选取出重要节点,通过收集重要节点的网络服务信息去评估全网节点的网络状态,Controller再根据全网状态向这些重要节点下发相关控制策略,通过重要节点把控制策略扩散到全网节点从而实现全网控制.无论是信息采集还是下发控制流的过程,Controller仅仅操纵这些重要节点,既减少了信息采集工作又减少了控制流的下发工作,从而达到降低Controller负担的目的,因此,该文提出了一种面向服务的网络节点重要性排序方法.对于每一种网络服务,结合SDN集中控制以及获取全局参数的特性,不但考虑了Switch的网络信息,如通信量、网络拓扑等,而且结合了具体的网络服务选取对应的服务参数,对Switch进行重要性排序.Controller仅仅需要对排名靠前的Switch节点进行信息的收集与控制,从而达到降低自身负担的目的.该文以SDN网络中检测TCP洪泛攻击这一网络服务为例,进行了大量的实验,实验证实了参数选取的有效性,并且将该方案与已有方案进行了实验对比,该方案优于已有的排序方案.当选取排名在前40%的Switch节点进行信息收集时,不仅能够减少控制器60%的负担,还可以保证攻击检测程序成功率高达94%,同时,所提方案本身给Controller带来的负担仅占2%.

多层网络节点重要性排序研究

如何衡量节点的重要性是网络科学的基础问题之一。现有研究多集中于单层网络衡量指标的设计与改进,只能给出特定关系网络、特定测度下的结果。而节点往往存在于多种不同关系之中。如何综合衡量多层网络节点的重要性是一个更为现实而有意义的问题。提出了一个多层网络节点重要性排序框架,其核心是每层提取多个指标,对指标和层次赋权叠加构成一个综合评价矩阵,在这个矩阵基础上进行排序。实验证明,该框架可以灵活适应不同的应用场景、不同指标集合。框架给出的综合排序结果有效避免了单层网络排序的片面性。

复杂网络节点重要性排序算法及应用综述

复杂网络中节点的异质性导致各个节点的重要性是截然不同的,而关键节点往往对网络的结构和功能具有巨大的影响力,所以通过节点重要性排序算法对关键节点进行挖掘的研究一直受到各方面的关注。将复杂网络中关于节点重要性的排序算法进行研究,比较了各种方法的优势和缺陷,并对重要节点挖掘算法的应用方向和常用数据集进行介绍,最后对现有研究进行了总结,并对未来的研究方向进行展望。

基于排序学习的复杂网络节点接近中心性近似排序

随着网络规模的增大,节点接近中心性的精确算法效率越来越低.本文提出一种基于RankNet排序学习算法的模型以快速逼近复杂网络节点接近中心性排序.首先通过相关性分析得到与接近中心性呈正相关的节点重要度指标作为模型的输入特征,然后在给定网络中随机选取节点子集用于模型的训练样本数据.在一个真实航空网络数据集和典型的复杂网络模型上对提出的模型进行了验证,实验结果表明基于RankNet排序学习算法的模型能够在一定程度上降低计算时间复杂度,而且保持了较高的近似准确性,所提出的模型排序效果明显优于采用回归学习的基准模型.

基于节点连通性排序的虚拟网络映射算法

对当今云环境下的数据中心来说,以虚拟资源租赁的运营方式具有极大的灵活性,尤其是以虚拟网络为粒度的资源租赁能够为用户提供更好的个性化需求支持。虚拟网络映射问题是指依据用户资源需求,合理分配底层主机和网络资源。现有的虚拟网络映射算法大多是针对随机拓扑设计的通用算法,未针对数据中心拓扑结构进行优化,映射效率有很大提升空间。针对数据中心的结构特点,提出了一种基于节点连通性排序的虚拟网络映射算法BS-VNE算法。首先,设计了一种最大生成算法来对虚拟节点重要程度进行求解和排序。该算法不仅基于虚拟节点的带宽和连通度,还基于虚拟节点在整个虚拟网络中的连通性来进行节点连通性的计算,以获得更加合理的排序结果。然后,根据虚拟节点连通性排序结果利用离散粒子群优化算法求解虚拟网络的映射解。在求解过程中,引入了针对数据中心结构的物理网络拓扑启发式规则,并将其组合到粒子搜索过程中,以提高映射算法的收敛速度。仿真实验结果表明,与现有算法相比,本文提出的算法可以提高物理网络的收益/成本比和资源利用率。

弹性分组环中自动逻辑节点重新排序研究

弹性分组环(RPR)是一种新的城域网技术。在本文中通过假定一种RPR网络节点结构和对RPR公平性问题的分析,介绍了一种新的经济有效算法:逻辑节点重新排序法,并进行了实例分析。