个体行为的异质性和自适应对传播过程影响的研究

发布时间：2023-04-25 02:02

　　现实的传播现象,如计算机病毒的传播、流行病的传播、模因的传播等,受到微观层面上人类个体行为的影响。因此,理解个体行为对传播过程的影响是预测和控制现实传播现象的基础。人类个体行为具有异质性和自适应性的特征。在传播过程中引入并分析这两类特性有助于理解现实群体中的传播过程和潜在的传播风险。为了清晰地研究两类个体行为的影响,本论文根据个体是否能够识别传播的状态,把个体行为对传播过程的影响分成两种情况进行讨论。当个体无法识别传播的状态时,传播过程主要受到个体活跃的异质性和个体交互结构的影响。当个体能够识别传播的状态时,传播过程同时影响了人类自适应行为并被人类自适应行为影响。由于人类行为在时间上的活跃模式取决于所考虑的人类行为的具体数据,因此,本论文首先从实际数据出发,分析了人类行为活跃模式的分布特征。接着,本论文研究了实际的个体活跃模式以及个体自适应的行为对传播过程的影响。根据本论文的研究内容,将分成两部分进行论述。本文第一部分分析了实际通信数据中个体通信事件的发生规律并建立了刻画人类通信行为的模型。目前有许多刻画人类活动过程的动力学模型,但是其中大部分的模型来自研究者的经验,提出的相关模型或者...

【文章页数】：123 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景
    1.2 研究动机
    1.3 本文研究内容和章节安排
第二章 人类行为动力学及复杂网络传播动力学简述
    2.1 时间序列的基本分析方法
        2.1.1 序列时间异质性的表示方法
        2.1.2 间隔时间序列的高阶统计特性
    2.2 人类行为动力学模型
        2.2.1 点过程模型
        2.2.2 记忆驱动模型
        2.2.3 队列模型
        2.2.4 强化点过程模型
    2.3 复杂网络的生成模型
    2.4 复杂网络上简单传播的模型
    2.5 人类交流间隔时间异质性对传播的影响
        2.5.1 广播式的传播过程
    2.6 数据介绍
        2.6.1 数据描述
        2.6.2 数据内容
    2.7 本章小结
第三章 事件序列的统计分析
    3.1 事件序列中连续事件间隔时间的研究
        3.1.1 平均剩余等待时间统计
        3.1.2 爆发片段的统计
    3.2 事件序列的高阶统计特征
        3.2.1 自相关函数和Hurst指数
        3.2.2 时间序列映射复杂网络
        3.2.3 可视画图中节点度分布
        3.2.4 可视化图中节点权值和节点度的关系
        3.2.5 移除权值大节点后剩余网络子团规模分布
    3.3 基于MARKOV链的通信动力学模型
        3.3.1 实证数据的分布
        3.3.2 模型描述
        3.3.3 混合分布模型对数据集的拟合结果
        3.3.4 个体活跃率
        3.3.5 个体累积活跃率
    3.4 本章小节
第四章 个体行为对传播动力学影响
    4.1 均匀混合下个体的活跃率驱动SIR传播过程的研究
        4.1.1 个体活跃率驱动的SIR动力学方程
        4.1.2 个体活跃率驱动的SIR传播过程的计算模拟
        4.1.3 结果
        4.1.4 结论和讨论
    4.2 一般度分布网络上活跃率驱动的SIR传播过程的研究
        4.2.1 一般网络上个体活跃驱动的SIR传播模型
        4.2.3 实验结果
        4.2.4 结论和讨论
    4.3 复杂网络上节点自适应传播概率的研究
        4.3.1 自适应传播概率的SIS传播模型
        4.3.2 模型在ER网络下的结果
        4.3.3 结论和讨论
    4.4 个体自适应接触强度对传播过程的影响
        4.4.1 模型
        4.4.2 理论分析
        4.4.3 结果
        4.4.4 结论以及讨论
    4.5 本章小结
第五章 全文总结和展望
    5.1 全文总结
    5.2 全文展望
参考文献
致谢
作者在读期间发表的学术论文



本文编号：3800480