一种多指标融合的自适应重要节点识别方法

发布时间：2021-07-17 11:24

　　针对传统重要节点识别方法只考虑节点的某个单一性质,性质选择具有主观性,在不同结构网络中性能差异明显的问题,提出一种基于多指标融合（Multi-index Fusion MIF）的自适应重要节点识别方法。将不同的重要性指标作为节点的多维参数,利用主成分分析法降低不同指标间的相关性;基于熵权法确定各主成分指标的权重,最后使用灰色关联分析法对节点进行重要性排序。仿真实验表明,该方法能综合考虑节点多种重要性指标,与单指标方法相比具有更高的识别精度和准确度,并在传播能力上有更好的性能表现。 

【文章来源】：火力与指挥控制. 2020,45(12)北大核心CSCD

【文章页数】：9 页

【部分图文】：

图1两种不同的网络拓扑

?是主成分分析后，各成分总方差解释表。各成分以特征值从大到小进行排序，排序在前的成分能包含更多的原始信息，主成分共应包含80%以上信息。在两种网络中，前3个成分一共可以累积87.494%与85.830%的原始信息，说明前4个成分已经满足对总体解释率的需求。因此，分别取前3个成分作为各网络节点重要性的主成分指标。成分矩阵表如表5所示。表5是主成分矩阵表，表示原始指标与主成分的对应系数。通过对应的线性变换，可得两种网络对应主成分向量。进行灰色关联分析后，得到两个网络各节点的灰色关联度值如图3所示。此外，研究表明，如果一个网络中5%~10%的关键节点失效，则网络就会陷入瘫痪［14］。因此，以下对不同指标下前10%的重要节点进行排序，结果如表6、表7所示。（a）Zachary（b）Dolphin图3各网络节点灰色关联度值表5成分矩阵表表6Zachary网络指标位于前10%的节点排序·28·2120

网络

【参考文献】：
期刊论文
[1]基于PageRank算法的武器装备体系重要节点评估[J]. 李锴,吴纬,刘福胜,陈庚申,陈守华.  火力与指挥控制. 2017(11)
[2]基于介数中心性重要节点的能量均衡机制[J]. 耿鹏,柳艳.  火力与指挥控制. 2017(09)
[3]基于聚类主成分分析法的变压器参数关联度评估[J]. 王洪授,黄同愿,陈红光,杨弦,王炼红.  火力与指挥控制. 2017(04)
[4]基于多重影响力矩阵的有向加权网络节点重要性评估方法[J]. 王雨,郭进利.  物理学报. 2017(05)
[5]网络重要节点排序方法综述[J]. 任晓龙,吕琳媛.  科学通报. 2014(13)



本文编号：3288085