一种信任关系网络中的社团结构检测算法

针对群智计算和感知服务中不可信服务节点可能引入的安全威胁问题,提出了一种基于节点间信任关系网络的社团结构检测算法。该算法通过分析信任关系网络的功能和结构特点,引入连接的方向和权值因素,建立有向加权网络模型,定义最优路径相似度作为节点聚合标准,提出社团离散指数作为评价函数控制检测过程,从而准确识别信任关系网络中的可信节点集合,为服务节点选择提供参考。算法引入节点相似度阈值和归属判定指数控制社团聚合,与误分类节点再筛选环节配合,有效降低了检测过程中的节点误判概率,有针对性地设计社团离散指数作为评价函数,动态评估检测结果并调节聚合参数,保证了社团结构检测结果的准确率及合理性。实验结果表明:该算法能够有效实现信任关系网络中社团结构的检测与识别,与已有算法相比,检测准确率提高了5.88%。

基于最大流传输贡献度的电力网关键线路和节点辨识

从结构性视角提出一种准确辨识电力网关键线路和节点的方法。该方法基于网络最大流和复杂网络理论,定义传输贡献度作为电力网关键线路和节点辨识依据,表征它们对实现电力网电能传输功能体现出的承载和贡献能力。该方法克服了现有研究中假设潮流沿着母线间最短路径传输的缺陷,依据网络整体结构考虑不同电源—负荷节点对间所有参与功率传输的路径;同时将电力网作为有向加权网络考虑,计及了线路最大有功传输容量约束,物理背景更符合电力工程实际。对IEEE 39节点系统进行仿真计算并将结果与现有方法对比,验证了所述方法的合理性和有效性。