摘要：作为复杂网络研究的重要组成部分,社团结构分析对于理解和分析现实世界中各种社会、工程和生物等系统具有非常重要的意义.该文利用动态迭代技术,提出了一种新型的社团探测技术,能够准确而快速地识别网络中的社团结构.首先引入一种动态系统,可以使社团归属从随机状态逐步收敛到最优划分,进一步利用严格的数学分析给出了社团归属在离散时间内收敛到最优的条件.该文创新性地提出了划分指标函数的一般化形式,通过选择不同的参数,可以引申到几乎所有著名的指标函数.为了使动态系统不需要任何参数选择即可完成向最优社团的收敛,文中设计了一种新颖的图生成模型,使得算法能在无参数的情况下方便高效的运行.该算法具有较高的效率,计算复杂性分析显示算法需要的时间与稀疏网络节点的数量呈线性关系.最后,文中将算法应用到人工网络和实际网络中,结果显示算法不仅具有极高的准确性,还能够高效地应用于大规模现实网络的分析和计算中.

摘要：由于传统的力导引布局方法大都无法展示复杂网络的社团结构,提出一种可有效展示复杂网络社团结构的布局算法——社团引力导引的布局算法.该算法在力导引布局算法的基础上对每个节点加入社团引力,并引入k-means算法,使同一社团的节点能够向社团的中心位置聚拢.不同于先网络聚类再可视化布局的传统做法,该算法不需要预先对节点分类,可以在布局的同时完成节点聚类.实验中使用模块度指标评估社团结构的强弱程度,结果表明,文中算法可以呈现明显的聚类效果,简单、易于实现,且收敛速度快.

摘要：高层建筑拔地而起,客观的恐高检测手段是高空作业行业规范化的关键一步.本文结合虚拟现实技术设计高空暴露实验,深入研究了恐高反应的大脑神经机制,提出使用脑功能网络检测恐高程度.通过对比不同恐高程度脑功能网络的基本拓扑特征,使用阈值化处理找出与恐高程度关系密切的脑区.根据脑区划分社团结构,构建恐高程度识别模型.结果表明:恐高程度越严重,脑功能网络越复杂.发现参与恐高反应的主要脑区包括额叶、中央区和枕叶.使用这些脑区划分社团结构,计算连接强度对恐高程度识别的准确率可达到(97.37±0.58)%.

摘要：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%。

摘要：着眼卫星业务一体化发展,基于分簇的思想和复杂网络理论与方法,提出一种基于社团结构的天基信息网络结构设计构想,并基于STK软件进行仿真,建模生成6社团237个节点的虚拟网络。针对网络中的度分布、介数、聚类系数等静态参量进行分析,揭示天基信息网络节点连接规律与网络结构特性,为天基信息网络结构设计提供新的思路和方法参考。

摘要：以公共互联网安全需求为背景,研究基于社团结构的网络协同防御问题。首先,根据网络逻辑结构及节点功能,将目标网络划分为多个网络社团,按照分布式协同控制模式设计了协同防御架构基础通信模型,在此基础上,融合信息蜜罐和蜜网、协同防御策略库、基于节点信任值管理的防火墙等功能模块,提出了基于社团结构的网络协同防御架构。其次,借鉴网络生态系统运维理念,设计了网络协同防御机制,通过态势感知协同、态势分析协同、行动决策协同和调节反馈协同等集体行动,提升网络的病毒检测能力、快速响应能力和应急恢复能力。最后,以潜伏型病毒防御为例,给出了网络协同防御流程,仿真分析了协同防御性能。相比无协同防御网络,基于社团结构的网络协同防御能以较小的通信损失,抑制潜伏型病毒传播和维护网络安全。

摘要：社团结构对复杂系统的结构特性和动力学特性有重要影响.提出了一个度量社团相似度的模型,称为簇相似度.该模型能够度量两个社团的相似度大小,为研究社团间的作用机制提供帮助.而且基于该模型,设计了一个社团划分算法.算法采用层次聚类的思想,每次合并两个相似度最大的社团,并通过一个评价函数选择最优社团划分.数值实验以及与CNM,GN,EigenMod等主流算法做比较,表明本算法的精度和效率都比较高,尤其对于边密度较高的网络,性能非常理想.

摘要：为了对可以反映网络结构局部重要性质的加权网络进行社团结构划分,延续广泛应用的社团结构分级聚类方法,改进Newman贪婪算法(CNM算法)。算法设计中引入点权和边权,并重新定义新的Q函数计算社团模块度,通过寻找Q函数峰值确定社团划分的最终结果。另外以股票价格波动相关性为加权边建立的加权网络为例进行算法检验,社团划分的结果验证了改进的CNM算法的有效性。与改进的GN算法、极值优化算法等划分效果进行比较分析后发现,改进算法在划分准确性及算法复杂度等方面都有明显的优势。

摘要：为获取飞机驾驶舱各显示与操纵装置的内在关联性,运用专家主观评价法寻找各装置之间的基本关系,并通过层次分析法得到各连接权重,进而构建飞机驾驶舱显示与操纵装置复杂网络;采用复杂网络理论中的GN(GirvanNewman)算法,通过求解网络中各边的介数,对边进行删减,以模块度进行衡量,获得网络的社团结构;最后以波音737飞机驾驶舱部分现实与操纵装置为例构建了复杂网络,并采用UCINET软件进行社团结构分析,结果显示社团结构比较明显且符合实际情况。

摘要：为更精确地探测社团结构,通过选择优化函数,分析社团结构特性,设计适合社团检测的选择、交叉、变异等遗传算子,提出了基于遗传算法和模块密度的社团结构探测算法。该算法未采用传统的分裂或聚合方法用减边或加边的策略,没有引入其他中间变量,直接通过优化模块密度函数发现网络社团结构。分析和仿真结果表明,该算法探测的社团结构与模块度探测算法相比,能检测到更小规模的社团结构,参照强弱社团结构定义,比较各节点的内部度,其不满足强社团定义的节点明显小于其他划分结果,在性能上有了显著提高,能更准确地测度社团结构。