基于网络模体的轻量级物联网拓扑优化策略研究

物联网的快速发展带来了对拓扑结构优化的需求,以提高系统性能、降低能耗并增强网络的稳定性。本文提出了一种基于网络模型的轻量级物联网拓扑优化策略。利用模体概念,来减轻网络负担,提高数据传输效率。该策略使用了一种轻量级的拓扑结构,同时考虑了网络连接性和传输效率的权衡。通过提高网络效能、优化性能以及提升安全性和抗攻击性,基于网络模体的轻量级物联网拓扑能够更好地适应现代的网络环境。

基于网络模体的轻量级物联网拓扑优化策略研究

随着第五代通信网络技术(5G)的发展,智慧城市中物联网(Internet of Things,IoT)的应用规模和多样性呈现出爆炸式增长.海量的智能传感设备组网给高动态的物联网通信服务质量带来了巨大的威胁.部分关键设备节点的失效以及网络攻击易引发物联网的链锁崩塌效应,影响网络应用的服务质量.因此,如何优化大规模物联网拓扑的鲁棒能力成为当下的研究挑战.目前,针对物联网拓扑结构的优化问题,研究者们提出了启发式算法、智能学习机制和多目标优化策略等创新方法提高物联网拓扑结构的鲁棒能力.但是,这些方法需牺牲巨大的计算资源来获得不成比例的鲁棒性能增益,网络规模越大,该现象越明显.为了解决这个问题并平衡计算开销和提升鲁棒性能,本文提出了一种基于网络模体(Motif)的轻量级物联网拓扑优化策略LITOS.首先利用物联网拓扑结构的社区属性,设计一种基于网络模体的异步社区发现算法,将大规模复杂拓扑结构分解为轻量级局部网络拓扑.然后,基于CPU多核心的计算资源,设计深度强化学习机制,异步优化轻量级物联网局部拓扑结构,从而降低网络整体优化运行时间,提高拓扑结构鲁棒能力.在实验方面,与其他先进的优化算法相比,该策略在运行时间方面降低了1~2个数量级,在鲁棒性提升方面,与最优算法相差大约10%.

基于网络模体的移动社会网络信息可控传播方法

移动社会网络中的信息传播具有突发性、多元性、偏差性等特点,使得相关话题和事件能够在短时间内形成强大的网络和社会舆论场,这有可能被恶意用户利用来散布谣言,给网络环境带来了恶劣的影响。针对这一问题,该文提出一种基于网络模体的信息可控传播方法。首先,提出多实体的竞争性独立级联模型(MCIC),该模型在信息竞争扩散理论的基础上,首次结合社会网络层用户的社会属性,来感知恶意信息并控制信息传播。其次,该文定义了控制信息流模体(CIFM),并选择出具有可控传播功能的关键网络模体,设计其在通信层的高效可控传播算法。最后,通过理论推导证明了该文方法具有收敛性。仿真实验表明,与其他方法相比,所提方法不仅在信息传播中最大感染时间和平均感染时间上更有优势,而且在控制信息传播方面的效果也是最好的。

生物网络模体发现算法研究综述

网络模体发现是生物网络数据分析中的一个核心问题.首先分析了网络模体发现中相关的基本计算问题:随机网络建模,子图搜索和模体统计意义评价等.其次对生物网络模体发现算法进行了综述和评价,从研究方法上将模体分为精确模体,概率模体和其它模体三类,并对识别每类模体的典型算法进行研究和分析.为了对网络模体进行深入分析与研究,引入了与模体发现密切相关的生物网络模块发现问题.最后讨论了网络模体发现算法的最新进展和下一步的研究方向.

非树型网络模体发现算法

现有的大多数网络模体发现算法发现网络中的确切模体,但是由于生物数据是不完整的,有噪声的,而且生命过程具有动态性,概率网络模体具有更实际的意义.本文提出了非树型网络模体发现算法,寻找由一组相似子图组成的概率网络模体.在该算法中,首先提出子图挖掘算法ESN挖掘网络中所有给定规模的非树型子图,然后进行多图比对,最后基于统计模型和对应的得分函数,用模拟退火算法求得网络模体.对E.coli和Yeast的基因调控网络的仿真实验表明,该算法能够高效地发现生物网络中的概率模体.

基于环型网络模体应用马尔科夫聚类的图挖掘模型

针对图数据挖掘效率低、精度低等问题,提出基于环型网络模体应用马尔科夫聚类的图挖掘模型.首先,依据输入图的点集,采用Erd o″s-Rényi模型生成随机图,在输入图和随机图的子图挖掘过程中利用向量的加法性质判定环型子图,计算网络模体的统计特征,判断子图是否为网络模体.然后,求解图中边的绝对贡献值关联矩阵,通过动态阈值法求得阈值,二值化处理该矩阵.最后,对已稀疏化的图进行扩张和膨胀操作,使其达到收敛状态.实验表明,文中模型有效减少运行时间,在保证聚类质量同时提高图挖掘效率.

机械结构网络模体探究

为了从新的角度探究机械结构的特点,借鉴了网络模体的研究方法,对机械结构进行了网络构建和网络局部特性分析。阐述了该方法的概念和原理,然后以大量机械结构为实验对象,用FANMOD软件进行模体检测,分析实验数据,找出了机械结构网络中的3种典型网络模体,并与蛋白质交互网、软件网等其他领域网络进行对比,发现机械结构网络与蛋白质交互网络的局部特性有相似的显著性趋势。最后探究了网络模体方法对机械结构分析的作用,并给出了进一步的研究方向。

基于网络模体的空闲计算资源捕获算法

针对新兴应用的低时延需求以及移动边缘计算网络中移动设备趋于密集化,同时闲置计算资源丰富,使得系统计算资源利用率低下,考虑基于设备到设备通信的计算卸载有望满足新兴应用低延迟要求。另外,移动设备将计算密集型应用通过设备到设备通信卸载到空闲设备,能够提高计算资源利用率,缓解移动边缘计算网络计算压力。考虑移动边缘计算网络,利用网络模体对系统进行分析,捕获系统空闲计算资源,实现设备到设备卸载。具体来说,考虑基于网络基本组成结构、卸载数据流向的空闲计算资源发掘问题,结合链路传输质量及中断概率,利用KM(Kuhn-Munkras)算法,提出了一种基于网络模体的设备匹配资源搜索算法,以捕获终端邻近空闲计算资源,实现设备到设备卸载。仿真结果表明,该算法能有效捕获空闲计算资源,提高系统计算资源利用率。

基于CyClus3D聚类算法的PPI网络模体研究

为了研究蛋白质间的相互作用关系,基于CyClus3D聚类算法对人类蛋白质参考数据库(HPRD)、人类相互作用组资源(HIR)和生物相互作用数据集存储库所构成的整合型蛋白质-蛋白质相互作用网络(BioGRID)进行网络模体挖掘,然后对网络模体所构成的子网络进行基因本体生物过程(GO)和基因组京都百科全书信号通道(KEGG)富集分析。实验结果表明:网络模体挖掘简化了蛋白质-蛋白质相互作用网络分析,并且能够集中分析关键性的蛋白质。

保留模体信息的属性二分图神经网络表示学习

目前网络表示学习方法大多针对通过网络,忽略了属性二分网络的特殊性以及网络的模体信息等。为了解决以上问题,提出一种保留模体信息的属性二分图神经网络表示学习方法MABG。该方法首先通过网络中两节点共同参与形成的蝶形模体数量来调整边的权重,从而构建模体权重矩阵,获得包含模体信息的属性二分网络邻接矩阵。接着采取不同的策略捕捉网络中的显式和属性隐式消息,对于不同类型节点集合间的显式关系采用消息传递机制,对于同类型节点中的隐式关系采用消息对齐机制,同时使用对抗模型最小化输入特征和显式关系表示之间的差异,之后通过级联框架来捕捉高阶信息并得到最终的节点表示。将该模型在四个真实公开的数据集上执行推荐任务并与其他方法进行对比,验证了该模型的有效性。

关键基础设施工程网络模体与超家族

基于模体和超家族理念自下而上揭示网络结构特征是复杂网络微观研究中的前沿领域.辨析若干关键基础设施工程网络的子图(模体)特性和超家族特征,表明工程网络模体表现为经济、技术和地理等因素约束下,网络设计和建设预先明确的、非随机的特定结构形式,依据给定分类规则将工程网络子图分为必要、非必要和特征子图三种形式;基于已有子图比剖面,以及研究提出的子图浓度和子图组合机制超家族分类方法,辨析关键基础设施工程网络的家族特征和分类方法异同.提供了复杂工程网络结构规划设计的系统方法.

离散时间序列的网络模体分析

时间序列可以被转换成网络的形式,复杂网络理论也因此可以用于刻画时间序列的时域和相空间特性.本文针对可视图算法和相空间重构算法这两种时间序列的转换算法,研究了它们的伴生网络在倍周期分岔和混沌等各种类型时间序列的模体分布特征,分析了这两种算法各自的优点.

蛋白质作用网络中模体识别技术研究

生物网络是利用网络理论对生物系统进行建模,从而借助于网络的概念、属性和复杂网络研究的各种方法来理解生物系统的演化和行为。生物网络是生物信息学中一个崭新的研究领域,特别是蛋白质作用网络中网络模体具有很重要的生物意义。网络模体为在某个网络的多个不同部分出现的相互连接的子结构,其表达程度明显高于在随机网络中的表达。文中对模体识别技术进行了研究,系统阐述了模体识别技术的研究现状和各种技术方法,展望了模体识别技术的未来研究方向。识别大模体及将模体跟功能相结合将是该领域的发展方向。

基于四阶模体的有向网络链路预测方法

网络模体是出现频次较高的子图模式,代表了复杂系统中的重要功能单元或者某种特定的组织结构,揭示了复杂网络的内在机理。一些学者已经基于三阶模体进行了链接预测的相关研究,但是多数学者通常忽略四阶模体在相似性计算中的作用。为此,提出一种基于四阶模体的有向网络链路预测方法。面对众多的四阶子图,提出限定条件简化情况,使用Z-score方法进一步衡量四阶子图的重要程度。从199个子图中选出2个显著模体用于相似性计算。局部信息被用来进一步提高预测效果。在9个真实数据集上的实验表明,该方法与基准方法相比,预测效果更好。

投资者交互网络“模体”对股票资产价格影响研究

传统的资产定价模型从市场的角度对资产价格进行定价,但是市场背后的投资者交互行为与股票资产价格关系密切,仅从市场的角度无法完全解释资产价格。本文使用复杂网络分析方法对投资者线上交互关系进行建模,通过股票论坛投资者交互网络的网络模体结构特征刻画投资者线上交互模式,并在Fama-French三因子模型的基础上加入了投资者交互模式因子构建四因子定价模型,研究发现,投资者交互因子具有较强的定价能力,并且加入交互因子的四因子模型定价效果比传统三因子模型和动量因子四因子模型更好。本研究为大数据框架下非结构化文本信息的市场价值提供了实证依据。

基于模体压缩的生物学模型简化研究

通过网络模体压缩对生物网络模型进行简化处理,并对两个实际的调控网络和蛋白网络实例进行了分析。简化后调控网络的节点和连线分别是原始网络的36.2%和45.8%,蛋白网络则分别是53.0%和52.5%。同时,简化后的网络很大程度上维持了原始模型的结构特征,这表明通过网络模体压缩对生物网络模型进行简化处理是有效的。

基于模体中心结构的蛋白质复合物识别算法

基于蛋白质相互作用的网络有明显模块化特征,其对预测蛋白质功能、解释特定的生物进程具有重要作用,网络模体是复杂网络演化的重要拓扑结构,其代表了复杂系统中的重要功能单元,具有进化保守性的特性,提出一种新的基于网络模体为核心节点组的蛋白质复合物识别算法.该算法根据蛋白质相互作用网络的拓扑特性,将模体作为蛋白质复合物的中心结构体,并基于中心结构体进行二层节点扩充,能准确有效地识别蛋白质复合物.并且将复合物二维网络进行三维转化,从而更直观清晰地展示复合物的结构体特征.实验结果验证了该算法的有效性及可行性.

考虑变压变浆的三维精细裂隙网络灌浆数值模拟

针对目前常见的裂隙岩体灌浆数值模拟研究多采用固定灌浆压力和水灰比与现有的变压变浆施工工艺不符,且现有研究中裂隙网络建模精度较低,导致数值模拟与实际灌浆结果存在较大差异的问题,提出了考虑变压变浆的三维精细裂隙网络灌浆数值模拟方法。通过引入相关一致性准则对拉丁超立方抽样进行改进,降低裂隙参数模拟过程的随机性,以提高裂隙网络的精度;进一步地,提出一种考虑变压变浆多孔分序灌浆模拟方法,通过实时统计模拟过程中灌浆孔内流量和累计注浆量的变化,根据规范对灌浆压力和浆液水灰比进行动态调节,实现灌浆过程精细化模拟。以杨房沟水电站帷幕灌浆工程为例进行案例分析,结果表明:与传统灌浆数值模拟相比,本文提出的模拟方法得到的浆液扩散半径更大,最终形成的灌浆帷幕范围更大更完整,且注灰量预测精度更高。相较于传统多孔分序灌浆模拟,该方法精度提高一倍以上,表明所提方法更具优越性。

基于超网络理论的军事通信网络复杂性度量方法

针对军事通信网络的结构和功能特点,在建立军事通信超网络描述模型的基础上,定义了超网络邻接矩阵、节点分类连接矩阵、类型匹配指数、超网络模体、模体核和模体熵等概念;通过分析超网络模体的特点,提出使用超网络模体熵来度量网络复杂性,给出了具体的计算方法;最后以某舰艇编队通信网络为例,对比分析了已有网络结构复杂性指标和超网络模体熵所度量的网络特征,说明在网络结构确定的情况下,超网络模体熵可以度量网络的功能复杂性。

国家应急组织合作网络基元同构与异构比较研究

为比较研究不同制度环境中国家应急组织合作网络(NEOCN)的基本结构特征,以中国的和美国的国家应急组织合作网络(NEOCN)为原型分别构建应急组织合作网络,运用复杂网络模体方法,辨识中美应急组织合作网络的基元同构与异构特征。结果表明:由于同属于应急社会网络系综,中美应急组织合作网络的模体和反模体形式具有同构性;由于事件型和功能型构建机制不一致,中美应急组织合作网络的模体和反模体相对数量具有异构性。对应急组织合作系统的优化,需要兼顾应急网络模体内涵同一性和应急网络构建机制差异性,自下而上设置适应性的网络基元结构。