复杂网络多传播源节点检测研究

发布时间：2020-09-01 16:39

　　基于有限的网络结构知识与网络节点状态信息实现传播源节点的检测一直以来都是一个意义重大却又难以解决的问题。过去几年,研究人员提出的方法大多针对的是树形网络上的单源节点检测,而现实中的网络一般要比树形网络复杂的多,且由于传播所在时空的复杂性以及传播过程的不确定性,实际传播中往往会同时存在多个传播源,但目前存在的针对多源节点检测的方法却很少。针对以上问题,论文对一般网络上的多源节点检测问题展开研究,全文的主要工作如下:1.提出一种基于SI传播模型的多源节点检测算法。首先从传播时间的角度出发,将SI模型下的多源节点检测问题转化为寻找网络中可以最小化分区传播时间之和的k个节点问题,并抽象出该问题的目标函数,然后提出以迭代的方式最小化该目标函数的KST算法,从而实现多源节点的检测。实验结果表明KST算法可以得到相对较高的检测准确度。同时,还提出用有效传播时间来估计网络中任意两点间的传播时间,进一步优化了KST算法的检测准确度。最后,提出了一种可以估计传播源个数的启发式算法用以解决实际中传播源个数一般难以提前获知的问题。2.在前面提出的KST算法基础之上提出了SIR传播模型下的多源节点检测算法,WP-KST算法。首先针对SIR模型下不能正确区分恢复节点和易感染节点的问题,提出一种权值传播算法,实现恢复节点的检测。仿真实验证明权值传播算法可以很好的检测出网络中的恢复节点,完成缺失信息的填充。接着在得到由感染节点与恢复节点以及这些节点间的连边所组成的扩展感染网络上,运用提出的KST算法进行多源节点的检测。实验结果表明WP-KST算法可以很好的解决SIR模型下的多源节点检测问题,且具有较高的检测准确度。3.研究了传感器观察方式下的源节点检测问题。假设传播遵循SI模型,首先提出基于传感器观察的单源节点检测算法,RDPC算法。RDPC算法首先利用反向传播算法筛选出网络中的可能源节点,然后针对每个可能源节点,检测其到所有感染传感器的传播时间与感染传感器记录的相对感染时间之间的线性相关性,选择具有最大线性相关性的节点作为传播源节点。通过实验验证了RDPC算法具有较高的检测准确度。此外,通过一个简单的划分思路,将RDPC算法扩展到了多源节点检测问题上,实验结果表明扩展后的RDPC算法可以很好的解决传感器观察方式下的多源节点检测问题。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：O157.5

【参考文献】