关于时序网络鲁棒性与修复性的研究

发布时间：2020-04-01 03:39

【摘要】：近年来,复杂网络理论在信息网络、社会、经济管理、物理等领域中的应用已经取得了很多重要成果:尽管如此,以前的研究往往忽略了复杂系统中时间的特性,而时间在许多实际网络中扮演着关键的角色。与此同时,网络的鲁棒性和修复性也受到了广泛的关注,它们对复杂网络能否经受住结构上的破坏、保护网络免受故障、快速恢复功能以及应用程序的设计都是至关重要的。本文的研究主要基于时序网络的SIR模型,通过从现实数据中构造的时序网络中选取节点作为感染源,同时对网络进行破坏(包括随机删除和蓄意攻击);通过该模拟方式,我们主要用节点传播能力和时序鲁棒性的评价方法对时序网络进行了评价和讨论;结果表明,相比节点的传播能力,时序鲁棒性更好的表现出了时序网络在遭受随机删除与蓄意攻击后结果的差异,而且我们发现并不是所有网络对于蓄意攻击都会表现出脆弱性;更有趣的是,通过分析网络的静态度分布和时序度分布,我们发现与静态度分布相比,时序度分布才更好的体现了含时网络的拓扑结构;我们还分析了在零模型下的新时序网络的模拟结果,该研究不仅突出了时间属性在评估鲁棒性中的重要性,也显示出了时间特性对网络的时序效率也具有重要影响。相比复杂网络的鲁棒性研究,网络的抗毁性修复问题还没有得到更多的关注,尤其是在时序网络方面;而我们在文中的第五部分,给出了时序网络在遭受到攻击传播能力最强节点后的一种修复机制,通过分析和讨论不同修复概率下时序网络的修复效果;我们发现,除了不同修复概率对修复效果具有很大的影响(尤其是时序效率)外,在时序网络的修复过程中会很快出现一个最大值,不同修复概率下,这个最大值出现的时间差不大。
【图文】：

时序网络快照法逡逑如图２．６所示，，将每一时刻的网络通过静态聚合图的形式一一列举出来，也就逡逑是将时序网络表示为若干个快照（Ｓｎａｐｓｈｏｔ），从而得到一系列的静态网络，像这逡逑样的时序网络的表示方式就是快照法。逡逑／邋＝邋１逦ｆ邋＝邋２逦ｆｓ邋３逦ｌ0４逦ｆ＊邋５逦ｆ邋＝邋６逦ｌ？邋７逡逑图２．６：时序网络的快照图逡逑２．３时序网络的拓扑量逡逑人们在研究复杂网络的过程中，只关注节点或节点与节点之间的相互联系，对逡逑

？逦ＩＩＩ逡逑⑧邋Ｔ邋１逦“１逦１邋｜邋＂逡逑？邋Ｔ邋Ｔ邋｜邋＊逦＂逡逑⑥邋ｉ邋ｉ邋１丨邋１逦＾逡逑￣ｌ￣￣＇￣￣＇￣＂５＂＂＂＂￣邋１０邋＂＂＂＇＼逡逑图２．５：时序网络的时线图逡逑时序网络快照法逡逑如图２．６所示，将每一时刻的网络通过静态聚合图的形式一一列举出来，也就逡逑是将时序网络表示为若干个快照（Ｓｎａｐｓｈｏｔ），从而得到一系列的静态网络，像这逡逑样的时序网络的表示方式就是快照法。逡逑
【学位授予单位】：华中师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：O157.5

【相似文献】

相关期刊论文 前10条

1 王妙琼;魏凯;姜春宇;;工业互联网中时序数据处理面临的新挑战[J];信息通信技术与政策;2019年05期

2 黄雄波;;基于自相关函数的非平稳时序数据的辨识改进[J];微型机与应用;2016年13期

3 尚继霞;;基于时序数据的辽宁省环境库兹涅茨曲线实证分析[J];统计与咨询;2013年04期

4 钟清流;蔡自兴;;基于统计特征的时序数据符号化算法[J];计算机学报;2008年10期

5 王兴家;汪晓惠;赵超;;基于神经网络的混沌时序数据失真检测方法研究[J];重庆交通大学学报(自然科学版);2007年06期

6 郝善勇,刘玉树;基于样本数据重抽样的时序数据预报方法[J];北京理工大学学报;2000年05期

7 骆金维;曾德生;郭雅;黄富平;;时序数据并行压缩速率改进技术研究[J];电子设计工程;2018年20期

8 林芝,曹加恒,刘娟,韦丰;基于信息论网络的时序数据库挖掘[J];计算机工程与应用;2003年01期

9 郑斌祥,杜秀华,席裕庚;一种时序数据的离群数据挖掘新算法[J];控制与决策;2002年03期

10 朱明,蔡庆生;基于约束满足的相似时序数据的搜索算法[J];计算机工程;2000年01期

相关会议论文 前7条

1 张荣明;邹湘军;顾邦军;罗陆锋;周艳琼;;基于探索性分析的时序数据研究[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

2 鲍远松;董文生;;一种分布式时序数据库的存储架构设计及实现方法[A];中国计量协会冶金分会2018年会论文集[C];2018年

3 张明伟;周清波;宫攀;陈仲新;周勇;刘佳;;基于MODIS时序数据分析的作物识别方法[A];农业工程科技创新与建设现代农业——2005年中国农业工程学会学术年会论文集第六分册[C];2005年

4 刘帅;李琦;;基于重建NDVI时序数据的植被覆盖变化研究[A];遥感定量反演算法研讨会摘要集[C];2010年

5 许馨文;马卫国;张宝雷;;基于国家级开发区的聚类方法初探[A];京津走廊经济崛起与工业园区产业集群研究——纪念廊坊开发区建立十五周年暨工业园区产业集群专题征文研讨活动论文集[C];2007年

6 曹晖;司刚全;张彦斌;贾立新;;基于模糊时序数据挖掘的火电厂制粉系统优化算法[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年

7 孙启龙;吕颖;张利国;;基于深度学习的道路可靠性评估方法与实验[A];第37届中国控制会议论文集（E）[C];2018年

相关博士学位论文 前7条

1 吴吉庆;面向Internet的时序数据快速分发技术研究[D];国防科学技术大学;2011年

2 张贵生;数据驱动的金融时间序列预测模型研究[D];山西大学;2016年

3 何周舟;基于时序数据的结构学习与模式预测联合优化算法研究[D];浙江大学;2016年

4 白天;连分式方法在脉冲去噪、时序数据压缩及视频镜头检测中的应用研究[D];合肥工业大学;2014年

5 赵静;基于高斯过程的动态系统研究[D];华东师范大学;2016年

6 叶红梅;面向流域生态安全的景观格局演变研究[D];华中科技大学;2009年

7 钟清流;时序、图像特征检测的理论、方法及应用研究[D];中南大学;2008年

相关硕士学位论文 前10条

1 王超;云环境中时序数据的预测和异常检测算法的研究[D];南京大学;2019年

2 舒伟博;时序数据二分类问题的等距短shapelet转换算法[D];中国科学技术大学;2019年

3 韩日旺;关于时序网络鲁棒性与修复性的研究[D];华中师范大学;2018年

4 李凤;非平衡时序数据的动态时间规整过采样方法研究[D];暨南大学;2018年

5 吴俊锋;面向TLE数据的多变量时序数据分类算法研究[D];国防科学技术大学;2016年

6 杨云丽;大数据背景下的时序数据分析[D];中国科学技术大学;2018年

7 李亭亭;基于时序遥感数据的水环境时空采样布局优化方法研究[D];武汉大学;2018年

8 籍姣荣;基于仿射变换的时序数据信息处理方法研究[D];黑龙江大学;2018年

9 沈亮亮;面向金融领域的时序数据挖掘方法研究与应用[D];海南大学;2018年

10 冯康;时序数据在线分类与规则发现[D];华中科技大学;2016年

本文编号：2609954