基于信息融合的多层复杂网络节点重要性评估

发布时间：2017-10-24 13:18

  本文关键词：基于信息融合的多层复杂网络节点重要性评估

  更多相关文章： 多层复杂网络 节点重要性评估 证据理论 关联矩阵

【摘要】：在过去的几十年中,复杂网络的研究取得了飞跃性的成绩,大量的学者投入的心血和精力使得我们能够比较清楚的认识和了解复杂网络的构成原理、演化机制等其他特性。在现实世界中,大部分的复杂系统都可以使用复杂网络来建模,但研究人员对于复杂网络的研究基本都专注于对于单层复杂网络的特性研究,然而许多复杂系统之间并非独立的,他们之间往往存在某种关联关系,这种情况下传统单层网络模型并不能对其进行准确描述,因此一种新的网络类型成为了当下复杂网络领域的新兴话题,即多层复杂网络。多层复杂网络不仅仅是现有网络模型的扩展,更是整个网络理论界的突破性进展。在以往针对单层复杂网络的研究中,经过大量的研究与探索,研究者们发现很多网络的全局以及局部信息往往都蕴含在复杂网络的节点之中。为了更为有效的研究和分析复杂网络系统,复杂网络中的节点重要性评估成为了该领域一个极为重要且具有重大意义的工作。在已有的复杂网络节点重要度评估方法中,评估的依据是节点的结构特性,即从节点本身的结构参数出发对节点在网络中的重要程度进行评估。然而在多层复杂网络当中,网络的结构不再是单一的平面结构,而是增加了多层间的相互影响,结构更为复杂,因此许多应用与传统单层网络中的评估方法并不适用于多层网络的评估当中。目前的研究结果表明,多层复杂网络所产生的灾难性危害的风险远高于独立系统。在多层复杂网络中,一个看起来微不足道的干扰可能就如同水中涟漪一样带来扩散性的负面影响。有些时候这种效应可能会带来数千万乃至数亿美元的巨大损失,比如股票市场的崩溃,航线因火山喷发而导致关闭等。因此无论从理论分析的角度还是实际应用的角度,多层复杂网络的节点重要性评估研究都是具有极为重要的意义的。但由于多层复杂网络结构的特殊性,多层复杂网络的节点重要性评估要比传统单层网络中更为复杂,许多适用于单层复杂网络中的节点重要性评估方法并不能适用于多层网络当中,为了解决这一问题,本文提出了一种基于信息融合的多层复杂网络节点重要性评估模型。本文的工作主要包括以下几个方面：(1)针对多层复杂网络的结构特点进行研究,将网络结构转化为有效的计算机语言,然后将多源信息融合技术应用到多层复杂网络节点重要性评估当中。将多层复杂网络根据某一特定的含义拆解为多个单层网络,将这些单层网络看作不同来源的信息,进而利用D-S证据理论当中的Dempster组合规则,将这些网络中的信息综合起来,从而得到多层网络的全局信息。本文所提出的方法可以有效的综合各层网络的信息,使得评估结果更加准确有效。(2)本文所提出的多层网络节点重要性评估模型是以信息融合技术作为指导,证据理论作为工具的,因此在构建模型的过程中首要问题就是如何构建一个在此问题背景下的有效基本概率分配,这也是证据理论当中最为关键的步骤。为了解决这一问题,结合本文的研究背景以及多层复杂网络的结构特性,本文提出了一种基于关联矩阵的基本概率分配构建方法。该关联矩阵可通过距离矩阵转换所得,而距离矩阵则可通过对网络中的信息数据按照一定的方法进行处理得到,在基本概率分配的构建过程中可充分体现网络中节点之问的相关性,无论在多层复杂网络领域还是在证据理论领域内都具有参考价值。(3)根据现实生活中的真实数据对该模型进行了实验验证,并与现有的其他两种多层网络节点重要性评估方法,即多层网络的随机游走介数中心性和多层网络的临近中心性与本文所提出的模型进行了对比验证。结果表明,本文所建立的节点重要性评估模型是合理有效的,为多层复杂网络的节点重要性评估问题提供了新的思路和方法。当网络层数较多的情况下,本文方法所产生的信息丢失远远小于两种现存的方法。
【关键词】：多层复杂网络 节点重要性评估 证据理论 关联矩阵
【学位授予单位】：西南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP202;O157.5
【目录】：

• 摘要6-8
• ABSTRACT8-10
• 第一章 绪论10-20
• 1.1 引言10
• 1.2 研究背景和意义10-13
• 1.3 国内外研究现状13-17
• 1.3.1 传统复杂网络研究现状13-15
• 1.3.2 多层复杂网络研究现状15-16
• 1.3.3 信息融合研究现状16-17
• 1.4 本文的研究方法和内容17-18
• 1.5 论文结构18-20
• 第二章 复杂网络相关基础理论20-32
• 2.1 复杂网络的表示方法20-24
• 2.1.1 图的由来20-21
• 2.1.2 网络的图表示21-22
• 2.1.3 网络的计算机表示22-24
• 2.2 复杂网络的统计特征24-25
• 2.2.1 网络直径与平均距离24
• 2.2.2 度与度分布24
• 2.2.3 聚类系数24-25
• 2.2.4 介数25
• 2.3 复杂网络节点重要性指标25-27
• 2.3.1 度中心性26
• 2.3.2 介数中心性26-27
• 2.3.3 邻近中心性27
• 2.4 多层复杂网络相关理论及方法27-32
• 2.4.1 多层网络的随机游走介数28-29
• 2.4.2 多层网络的临近中心性29-32
• 第三章 信息融合技术32-42
• 3.1 信息融合概述32-33
• 3.2 信息融合的级别33-35
• 3.3 信息融合算法35
• 3.4 证据理论35-41
• 3.4.1 基本概念36-38
• 3.4.2 组合规则38-39
• 3.4.3 证据冲突39-40
• 3.4.4 概率转换决策算法40-41
• 3.5 本章小结41-42
• 第四章 基于信息融合的多层复杂网络节点重要性评估42-56
• 4.1 模型概述42-43
• 4.2 模型构建过程43-51
• 4.2.1 多层网络的拆解43-44
• 4.2.2 距离矩阵的构建44-45
• 4.2.3 关联矩阵的构建45-46
• 4.2.4 基本概率分配的构建46-48
• 4.2.5 基于BPA矩阵的信息融合48-50
• 4.2.6 概率转换与决策50-51
• 4.3 模型示例51-54
• 4.4 本章小结54-56
• 第五章 实验与对比分析56-74
• 5.1 实验背景介绍56-58
• 5.2 实验描述及结果58-65
• 5.2.1 中国骨干航空网络节点重要性评估58-61
• 5.2.2 中国骨干高速公路网络节点重要性评估61-63
• 5.2.3 中国骨干高速铁路网络节点重要性评估63-64
• 5.2.4 中国骨干交通网络节点重要性评估64-65
• 5.3 实验结果对比分析65-73
• 5.3.1 单层网络层面对比65-67
• 5.3.2 多层网络层面对比67-70
• 5.3.3 本文方法的优势70-73
• 5.4 本章小结73-74
• 第六章 总结与展望74-76
• 6.1 本文工作总结74-75
• 6.2 未来工作展望75-76
• 参考文献76-86
• 发表文章目录86-88
• 简历88-90
• 致谢90

【相似文献】

中国期刊全文数据库 前10条

1 ;“第三届中国信息融合学术年会”征文[J];科技导报;2010年23期

2 ;“第三届中国信息融合学术年会”征文[J];科技导报;2011年01期

3 ;第四届中国信息融合大会征文通知[J];控制理论与应用;2012年01期

4 郭惠勇;多传感器信息融合技术的研究与进展[J];中国科学基金;2005年01期

5 武冰;冯屹朝;林勇强;魏爱鹏;;信息融合标准的优化研究[J];大众科技;2010年06期

6 潘泉;王增福;梁彦;杨峰;刘准钆;;信息融合理论的基本方法与进展(Ⅱ)[J];控制理论与应用;2012年10期

7 张凌;汤积华;史开泉;;内P-信息融合与它的属性合取特征[J];山东大学学报(理学版);2014年02期

8 潘悦;;水下信息理解的概念和方法[J];舰船科学技术;2012年01期

9 郭华龙;;P-集合与信息融合应用分析[J];闽南师范大学学报(自然科学版);2014年02期

10 杨明;朱杰;高延铭;;基于信息融合的海洋溢油识别判据的研究[J];信息技术;2012年04期

中国重要会议论文全文数据库 前10条

1 朱茵;王军利;;交通管理综合信息融合模型研究[A];第二十七届中国控制会议论文集[C];2008年

2 顾星;;中医诊断与体表生物特征多信息融合的思考[A];中国中西医结合学会诊断专业委员会2009’年会论文集[C];2009年

3 王志胜;甄子洋;王道波;范大鹏;;随机大系统的信息融合最优联合控制[A];PCC2009—第20届中国过程控制会议论文集[C];2009年

4 杨为民;李龙澍;;基于GIT的信息融合在农业信息中的应用[A];2005年“数字安徽”博士科技论坛论文集[C];2005年

5 刘汝杰;袁保宗;;信息融合的认知学基础与D-S融合方法[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

6 杜奕;迟毅林;伍星;;概率盒和D-S结构体在机械故障信号信息融合中的应用展望[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

7 李树军;蒋晓瑜;纪红霞;;多传感器信息融合技术和典型算法的应用诠释[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年

8 孙来军;沈永良;;多SVM多级信息融合与诊断决策模型的研究[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

9 杜奕;迟毅林;伍星;;信息融合在设备监测和故障诊断中的应用[A];第二十七届中国控制会议论文集[C];2008年

10 李录平;邹新元;晋风华;黄树红;卢绪祥;;基于信息融合的旋转机械振动状态评价方法研究[A];第八届全国振动理论及应用学术会议论文集摘要[C];2003年

中国重要报纸全文数据库 前2条

1 周新红 田朝晖 段勇;信息融合：现代战争的重要支撑[N];解放军报;2005年

2 本报记者 别坤;信息融合让地铁更快捷[N];计算机世界;2012年

中国博士学位论文全文数据库 前10条

1 胡洲;信息融合欠驱动控制技术研究[D];南京航空航天大学;2014年

2 张云璐;基于用户信息融合的个性化推荐[D];武汉大学;2012年

3 王恩雁;基于本体的多源异构应急信息融合方法研究[D];哈尔滨工业大学;2014年

4 文妍;基于多源信息融合的数控机床进给系统机械故障诊断研究[D];青岛理工大学;2016年

5 吴荣春;军事信息系统中信息融合关键技术研究[D];电子科技大学;2016年

6 朱林;信息融合系统工程设计准则的研究[D];哈尔滨工程大学;2005年

7 朱方;多信息融合模式分类方法研究及在公交客流识别系统中的应用[D];河北工业大学;2010年

8 孔庆杰;信息融合理论及其在交通监控信息处理中的应用[D];上海交通大学;2010年

9 王晓帆;信息融合中的态势评估技术研究[D];西安电子科技大学;2012年

10 王志胜;信息融合估计理论及其在航天器控制中的应用研究[D];西北工业大学;2002年

中国硕士学位论文全文数据库 前10条

1 庄颖;信息融合的粗糙集方法研究[D];昆明理工大学;2015年

2 李晓;基于信息融合的高速列车转向架故障诊断[D];西南交通大学;2015年

3 陈昭;基于云计算的中药信息融合知识服务平台构建[D];福建中医药大学;2015年

4 陈亭亭;雷达与AIS信息融合技术的研究[D];大连海事大学;2015年

5 万守鹏;基于信息融合的舱音信号分析与安全诊断[D];上海应用技术学院;2015年

6 张宁波;基于信息融合的电子产品故障诊断[D];中北大学;2015年

7 刘萌萌;基于信息融合的改进极限学习机预测算法研究[D];辽宁大学;2015年

8 田静;基于声波特征的管道泄漏信息融合故障诊断方法研究[D];河北科技大学;2015年

9 彭毅;基于振动和油液信息融合的发动机故障诊断方法研究[D];广西大学;2014年

10 舒适;基于信息融合的公交车自燃检测预警系统[D];浙江工业大学;2015年

，

本文编号：1088919