聚类系数

摘要： 目的探索功能脑网络拓扑属性在轻度认知障碍(mild cognitive impairment,MCI)患者中的改变及其应用价值。材料与方法共纳入28例MCI患者和15例正常对照(normal control,NC),采集所有受试者静息态功能磁共振成像(resting-state functional magnetic resonance imaging,rs-fMRI)的图像后,利用GRETNA(Graph Theoretical Network Analysis)软件对数据进行预处理及功能网络构建,然后利用图论分析方法计算网络拓扑属性,通过两独立样本t检验比较组间差异,并采用Boferroni多重比较校正方法对结果进行校正。结果与NC组相比,MCI组聚类系数(clustering coefficient,Cp)及局部效率(local efficiency,Eloc)均下降,下降最明显的脑区主要位于视觉及听觉功能相关脑区,差异具有统计学意义(P0.05),全局效率(global efficiency,Eglob)升高(P>0.05),差异不具有统计学意义。结论MCI患者的Cp及Eloc较NC组明显下降,且以视觉及听觉功能相关的脑区下降最明显,其有可能成为MCI准确诊断的潜在生物标志物。

摘要： 基于局部随机游走的链路预测算法忽略网络结构对转移概率的影响,不适用于具有局部高聚集程度的网络,因此提出叠加随机游走重力模型的链路预测算法。结合局部信息重定义随机游走的转移概率矩阵,将其应用到叠加随机游走中,量化局部网络结构对游走转移的影响,利用叠加随机游走得到的转移概率重定义重力模型参数,计算节点之间的相似性。与基于局部信息、路径、随机游走和节点聚类系数的算法相比,在局部无高聚集程度的网络中,新算法的AUC指标平均为0.951,提高了1.3%,Precision指标提高了0.9%;在具有局部高聚集程度的网络中,新算法的AUC指标平均为0.978,提高了5.5%,Precision指标提高了1.4%。

摘要： 宏观上网络的结构属性与微观上设备的电气特性塑造电网灾难性事件的风险。电网灾难性事件作为具有动态时序的事件,需同时评估发生的直接风险和隐含的潜在风险。潜在风险会随着故障的发展,在电网结构中的薄弱环节传播潜藏。当初始故障在电网中开始传播时,直接风险和潜在风险也根据电网固有属性的节点度和节点聚类影响着灾难性事件风险的扩散机制。文中基于不确定风险分析理论和联系数理论,综合考虑故障传播的直接风险和潜在风险,通过节点度和节点聚类系数定量评估故障引发的直接风险与潜在风险之间不确定的关联系数;最终得出故障的综合风险,改进了传统的电网灾难性事件动态风险评估方法。同时兼顾电网具有小世界效应和无标度拓扑的属性,建立兼具两者属性的阿波罗尼电网,通过对人工阿波罗尼电网进行灾难性事件风险评估,验证了所提方法的有效性和可行性,并用西部某地区实际电网验证其合理性。结果证明,所得结果符合工程实际,更完整地刻画了电网灾难性事件的综合风险。

摘要： 经颅磁声电刺激(TMAES)是一种非侵入式的无创神经调控技术,该技术利用脉冲超声和静磁场共同作用于神经组织,通过磁声电效应产生感应电流,进而调节神经组织的活动节律;与其他非侵入式神经调节技术相比,TMAES具有更高的空间分辨率和良好的聚焦深度。gamma节律是刺激诱发局部场电位的典型节律,该节律在大脑皮层信息处理和认知功能中发挥重要作用。应用时频分析和互信息分析对照组和TMAES组大鼠前额叶皮层局部场电位gamma节律平均功率、互信息值、聚类系数、平均路径长度。结果表明,在一定静磁场强度下,gamma节律的平均功率随着超声功率的增加而增加;在特定时间段内,gamma节律的平均互信息值随着超声功率增加而增大;gamma节律聚类系数随着超声功率增加而增大;gamma节律平均路径长度随着超声功率增加而减小;经颅磁声电刺激可以增强局部场电位gamma节律,调节脑组织的振荡活动。

摘要： 提出派系作为构建复杂网络的基本模体,在随机选择规则下,采用自然增长方式构建随机派系网络的方法,并比较分析在此方式下网络的度分布、平均路径长度和聚类系数.研究发现随机派系网络的度分布服从多重泊松分布,且派系大小n越大,分层越多;随机派系网络相比于ER随机网络具有更高的聚类系数,且派系大小n越大,聚类系数越大;随机派系网络相比于ER随机网络具有更短的平均路径长度,且派系大小n越大,平均路径长度越短.随机派系网络模型是一个具有高的聚类系数和短的平均路径长度的网络模型,可以较好地描述现实中的复杂网络的高聚类小世界的性质,它为小世界网络模型的构建提供一种新的思路.

摘要： 为了解决现有的脑功能超网络缺乏分组效应解释能力导致分类准确率低的问题,提出基于树结构组套索(tree structured group lasso, tsgLasso)方法进一步改善超网络的构建。首先使用树结构组套索方法进行超网络构建,并在组级以及组间均采用预设组进行划分;其次,通过计算超网络定义的三个局部聚类系数对构建好的超网络进行特征提取;然后利用Kolmogorov&Smimov(KS)非参数检验方法从超网络提取的特征中选取最具判别性的特征;最后,使用支持向量机(support vector machine, SVM)对选择出来的差异特征进行分类。结果表明,树结构组套索方法分类性能显著高于其他已有方法,其分类准确率达87.25%,有助于患者和对照的分类,为生物标志物检测提供更准确和相关的成像标记。

摘要： 由于网络验证测试构建真实环境的代价较大、性价比低、全虚拟化环境所得结果不够真实,存在一定的局限性,为此提出基于轻量级虚拟化的多尺度网络复现研究方法.利用轻量级虚拟化技术构建开放源代码虚拟机监视器体系,将物理硬件和操作系统分离,统一物理资源,令资源不受物理限制约束,在一个物理机器上同时运转多个不一样的操作系统,并且各个操作系统能够执行多个应用程序,使硬件与操作系统虚拟化.再通过聚类系数、度的分布、平均路径长度、网络时效以及网络质量等网络复现指标,实现多尺度网络复现.实验通过连通性、透明性、并发性指标验证构建的网络,得出所提方法的仿真规模较大,性价比较高、适用性较强,充分验证了上述方法的有效性.

摘要： 动态网络中的社区演化分析是目前的研究热点之一,其在舆论控制、网络营销和个性化推荐服务等方面有着重要作用.提出一种基于节点重要性评价指标的差值吸收核心节点检测算法,首先计算各节点的相对权重值,进而划分核心节点,并以此为基础优化差异性公式,提出一种异同性社区演化分类模型,从相似性和差异性两方面对演化类型进行划分.将提出的分类模型与GED及SGCI在HEP-TH和波兰政治博客圈数据集上进行比较,实验结果表明,提出的分类模型在整体上优于GED及SGCI,尤其在Forming和Dissolving事件的检测时,可以做到对小社区敏感,能检测到小社区的多种演化类型.

摘要： 针对工业互联网大环境下的跨单元调度存在协作效率差、生产成本过高等问题,在机器设备归置存在重叠的情况下,首先使用分层网络设计思想构造以机器和制造单元为节点的双层有向加工网络,通过分析网络中全局协作效率、单元间冗余加工路径与一阶度值的相关性,构建最小化平均度值、完工时间和加工成本的多目标调度模型.其次根据麻雀搜索算法局部搜索能力强的特点,提出了一种非支配排序遗传算法和麻雀搜索算法融合策略以及基于聚类系数的初始解生成机制.最后通过实例计算说明网络特征与跨单元调度目标呈相关性,所提模型和算法求解质量更高.

摘要： 随着经济的发展,县城的公共交通路线也越来越多,交通问题也越来越严重,对县城的公交网络特征的研究也越来越重要。文章基于复杂网络基本理论,运用度与度分布、平均路径长度以及平均聚类系数指标,结合贵州省贵阳市开阳县公共交通站点网络数据,确定了网络中重要节点,并运用Gephi软件做出节点图,由此分析得出贵阳市开阳县公交站点网络的一般特征。

摘要： P2P网络是一种采用对等机制的网络，有其独特的特点，其中动态性是其一个显著特点。根据P2P网的这个特点，本文提出一种基于聚类系数的信息分发策略,包括在线节点的信息分发和离线节点的信息分发。本文建立BA和WS两种复杂网络模型，通过在这两种模型中的仿真结果表明，此策略可以有效地降低信息冗余和信息传输开销。

摘要： 以网络聚类系数为指标,分析了互联网拓扑结构的健壮性.研究表明,就本文采用的互联网拓扑数据而言,在全球范围内,互联网拓扑的健壮性逐步增强;在美国地域内,互联网拓扑的健壮性也在逐步增强,且其增强幅度明显大于全球互联网;在中国地域内,互联网拓扑的健壮性一直维持较低水平,且没有任何增强迹象.

摘要： 在小世界、无标度网络模型的基础上构造出人际关系网络模型,并对人际关系网络模型进行了特性分析和仿真实验。结果表明，该网络模型具有平均路径长度与网络规模呈对数形式增长，度分布服从幂律增长，具有等级结构，聚类系数较大的特征，能很好地符合实际的人际关系网络。

摘要： 随着公共危机事件的频繁发生,各国政府越来越重视对危机事件的控制和管理。其中,人群疏导和信息传播是处理危机事件必须解决的两大问题,而对于危机事件虚假、错误的信息(危机伪信息)的传播直接影响到公共危机管理的效率。因此,本文将复杂网络理论应用于危机伪信息的传播研究中,用可变聚类系数的无标度网络来仿真人群流动情况下危机伪信息扩散的拓扑网络,然后通过构建这一网络上相应的危机伪信息扩散模型,研究了不同聚类系数下危机伪信息扩散的趋势。研究发现危机伪信息扩散的趋势和拓扑网络的聚类系数高度相关,因此可以通过改变这一聚类系数(如：增加危机信息的透明化、提高人群中有效信息的传播等)来控制伪信息的扩散。

摘要： 论文基于微观企业间关系层面，研究都市圈要素整合过程中核心企业如何判定及其在网络链接过程中所起到的作用。论文认为核心企业是处于都市圈要素流动网络关键位置的节点核，提出了运用节点的强度、强度分布以及相互关系、加权的聚类系数等参数体系来对节点核进行判别，这种判别方法考虑了节点绝对权重和相关权重。论文以徐州都市圈内典型产业的发展为例，总结了区域内节点核四种产生途径，分析了节点核促进产业衍生、控制价值链、产生知识溢出、提高产业竞争力和中介作用。

摘要： 本文以三角白化权函数的灰评估方法为研究对象,对笔者曾经提出的端点型三角白化权函数进行改进,构建了一类新的三角白化权函数,称之为中心点型三角白化权函数.进而对两类白化权函数的灰类交叉特性、聚类系数、端点选取等方面进行比较研究.结果表明,中心点型白化权函数全面优于端点型白化权函数;最后以高校学科建设综合实力评估为例对两类方法进一步对比分析,说明了新方法的有效性.

摘要： 在聚类系数无显著性差异的统计特征下一般的灰色聚类方法无法运用.本文提出的一种改进的灰色聚类评估方法以数学分析为理论基础,提出了灰度权重的定义,并给出统计学的合理解释,得到了新的灰色聚类系数矩阵.最后给出了改进方法的计算步骤,并通过实例分析比较了改进方法与传统方法、综合灰色聚类方法的结果,说明该方法具有科学性、合理性和应用性.

摘要： 层次型路由算法是无线传感器网络研究的热点领域.针对传感器节点能量受限问题,提出一种基于小世界模型的无线传感器网络层次型路由算法(HASWNM).通过添加高性能节点以及在簇头间添加捷径的方法,使得无线传感器网络(WSN)体现出小世界网络特性.由于能量消耗主要集中在数据发送阶段,因此该算法在簇间中继选择时考虑了簇头自身的能量问题.此外,根据簇头节点距离基站的位置远近,确定不同的自适应搜索区域.实验结果证明,当高性能节点个数为100时,网络中可以呈现出小世界特性.与CSWN、TSWN、DASM相比,该算法第一个节点的死亡轮数分别延迟了6％,6％,29％,每一轮网络中的平均能量消耗分别减少了5％,12％,17％.因此,该算法构造的无线传感器网络具有小世界特性,并且能量消耗较低.

摘要： 层次型路由算法是无线传感器网络研究的热点领域.针对传感器节点能量受限问题,提出一种基于小世界模型的无线传感器网络层次型路由算法(HASWNM).通过添加高性能节点以及在簇头间添加捷径的方法,使得无线传感器网络(WSN)体现出小世界网络特性.由于能量消耗主要集中在数据发送阶段,因此该算法在簇间中继选择时考虑了簇头自身的能量问题.此外,根据簇头节点距离基站的位置远近,确定不同的自适应搜索区域.实验结果证明,当高性能节点个数为100时,网络中可以呈现出小世界特性.与CSWN、TSWN、DASM相比,该算法第一个节点的死亡轮数分别延迟了6％,6％,29％,每一轮网络中的平均能量消耗分别减少了5％,12％,17％.因此,该算法构造的无线传感器网络具有小世界特性,并且能量消耗较低.

摘要： 层次型路由算法是无线传感器网络研究的热点领域.针对传感器节点能量受限问题,提出一种基于小世界模型的无线传感器网络层次型路由算法(HASWNM).通过添加高性能节点以及在簇头间添加捷径的方法,使得无线传感器网络(WSN)体现出小世界网络特性.由于能量消耗主要集中在数据发送阶段,因此该算法在簇间中继选择时考虑了簇头自身的能量问题.此外,根据簇头节点距离基站的位置远近,确定不同的自适应搜索区域.实验结果证明,当高性能节点个数为100时,网络中可以呈现出小世界特性.与CSWN、TSWN、DASM相比,该算法第一个节点的死亡轮数分别延迟了6％,6％,29％,每一轮网络中的平均能量消耗分别减少了5％,12％,17％.因此,该算法构造的无线传感器网络具有小世界特性,并且能量消耗较低.

摘要： 本发明公开了一种基于最大信息系数的模糊聚类冗余接入点(Access Point,AP)约简方法。首先，对离线阶段采集的接收信号强度(Received Signal Strength,RSS)数据进行标准化预处理，其次，基于标准化预处理后的多维RSS特征矩阵结合直方图估计法计算了测试环境中AP间最大信息系数，最后，基于最大信息系数矩阵构建了模糊等价矩阵并通过模糊聚类建立了相关AP集合，并从中筛选出了非冗余AP用于定位。实验结果表明，本发明方法在保证系统定位精度的同时降低了定位系统的存储与计算开销。

摘要： 本发明公开了电力负荷聚类分析技术领域的一种基于相关性系数改进K‑means的电力负荷聚类分析方法，本发明针对电力负荷数据经常包含有异常值的情况，通过使用小波变换来预处理负荷数据，从而达到剔除负荷数据中的明显有误的值和平滑数据，同时，采用主成分分析法对数据进行降维，降低聚类时的计算复杂度，提高聚类的效率；有利于对电力负荷数据进行聚类分析，通过分析可准确得到用户的用电量、用电的规律等信息，方便电力分配部门以后对电能进行合理的分配，以达到提高企业的工作效率和节约能源的目的。

摘要： 本发明公开了一种基于K‑means三维聚类算法的风压系数快速分区方法及系统和存储介质，首先获取建筑表面点的风压系数数据；建立K‑means聚类算法模型，并将其划分为K个簇；分别计算各簇中心和簇中心之间的距离；簇的最小化误差平方和；然后在计算聚类数K值范围；最后计算统一指标参数数值并确定最优的K值；输出聚类结果。本发明提供的风压系数快速分区方法，即在对风压极值梯度信息的一维聚类基础上，提出对K‑means聚类算法中各参量赋予一定的权重，考虑空间位置信息的影响辅助风压分区，根据基于误差平方和和轮廓系数的方法缩小k值选择的范围，然后采用一系列聚类指标和工程指标确定最佳k值。该方法可很好的完成该风压系数分区工作。

摘要： 本发明公开了基于变异系数自动确认簇数量的聚类方法、系统及介质，计算数据集中每个数据点的密度值，根据密度值计算密度指数，选择密度指数最大的数据点作为第一个聚类中心；计算每个数据点与当前已有聚类中心之间的最短距离，然后根据最短距离计算每个数据点被选为聚类中心的概率，按照轮盘法预选聚类中心；直至选择出设定个聚类中心，根据选择出的初始聚类中心进行k‑means聚类从而产生相应个数的簇；计算平均簇内变异系数和最小簇间变异系数，然后，计算平均簇内变异系数和最小簇间变异系数的差值，将差值与设定值进行比较，如果差值小于设定值，则将两个簇间变异系数最小的两个簇进行合并；直至差值大于等于设定值，则输出聚类结果。

摘要： 本发明涉及一种基于聚类和全局空间距离分布系数的混合传感器配置方法，属于结构健康监测的传感器优化布局技术领域。包括以下步骤：步骤一：建立结构有限元模型，并计算候选传感器的信息矩阵；步骤二：针对信息冗余问题，采用K均值聚类对步骤一中传感器的应变信息矩阵进行聚类；步骤三：提出一个全局空间距离分布指标，建立空间冗余相关的目标函数；步骤四：确定形态估计相对误差的计算公式；步骤五：建立用于形态估计的传感器布局优化目标函数；步骤六：采用自适应搜索算法求解形态估计相对误差最小和空间距离分布指数最大的目标函数，输出传感器配置最终结果。本发明所述传感器配置算法具有快速收敛、实用性强、适用于大型复杂结构等特点。

摘要： 本发明提供一种基于样本间离散系数改进的自适应谱聚类算法。谱聚类算法优劣取决于利用高斯核函数选取一个合适的尺度参数构造相似度矩阵。针对谱聚类算法尺度参数敏感且依赖性强、选取最佳尺度参数困难的问题，本发明提出的算法定义了能够反映每个样本数据分布信息的标准差和均值，避免了尺度参数易受噪声点的影响；并利用其标准差和均值计算离散系数，以离散系数的倒数作为局部尺度参数，实现了尺度参数的自适应选择。多组UCI数据集的对比实验表明，本发明算法能够自适应地选取尺度参数且避免了噪声点影响，同时具有良好的聚类性能和较好的鲁棒性。

摘要： 本发明提出了一种基于节点邻域的聚类系数的分层随机游走抽样方法，包括以下步骤：S1，采用k‑means聚类算法获取网络中节点的近似度分布，并根据不同聚类簇内轮廓系数与聚类结果获得k‑means算法中k的最优值，根据所得k值得到需要将原数据集划分为k层，根据精确度的幂律分布情况得到分层阈值，以及各层内的节点及边的个数；S2，根据所得k值及阈值，将网络实施分层，得到高度节点集NHigher‑degree，中度节点集Nmid‑degree，低度节点集NLower‑degree；S3，确定采样比；S4，执行游走进行抽样，最后将三个不同层的抽样结果进行合并，得到最终抽样结果。本发明解决了高度节点或低度节点过度入样的问题，也为非连通网络抽样提供了解决方案。

摘要： 本发明公开了一种复杂网络中基于聚类系数的并行图摘要算法，包括：将图的原始顶点集合划分为不同的分区；将分区子图的原始顶点集和边集作为图摘要的初始顶点集合和边集合，对各分区顶点，根据顶点选择策略确定初始点，计算该点聚类系数，并合并该顶点与所有一跳邻居顶点生成新摘要顶点；更新图摘要的顶点集，同时根据聚类系数生成修正边集合，并更新图摘要的边集合；继续选择下一个待合并顶点，重复执行上述合并过程，直至各分区摘要图中顶点总数小于阈值时停止，最终合并输出总的摘要图和修正边集合。本发明能够根据复杂网络中顶点的聚类系数进行并行摘要，避免了传统图摘要算法计算效率慢、压缩率低等缺陷，在图压缩、复杂网络顶点重要性排序等领域有较好的应用价值。

摘要： 本发明公开了基于高阶聚类系数的网络结构差异性评估方法。本发明方法包括数据采集和预处理、计算网络结构差异性两个部分。数据采集和预处理部分包括构建网络、构建邻接矩阵、构建节点的邻居集和构建网络节点高阶聚类系数分布矩阵四个子任务，为之后的计算网络之间的结构性差异提供数据基础。计算网络结构差异性部分包括计算网络节点之间的分散度和计算网络结构性差异值两个子任务，最终得到了网络之间的结构性差异。本发明方法考量整个网络上的节点基于高阶聚类系数的距离分布，在考虑节点全局重要性的同时考虑局部网络的拓扑结构，既为解决不同网络结构性差异问题提供了全新思路，同时也为发现和解释更多的深层网络结构特性提供了可能性。

摘要： 基于聚类系数的叠加随机游走重力模型链路预测方法，涉及复杂网络技术领域，解决具有很多度和聚类系数均高的节点的网络链路预测问题。首先，初始化网络，得到网络的邻接矩阵、最短路径矩阵、连通度矩阵和节点间的公共邻居节点度总数矩阵；其次，构建基于聚类系数的随机游走转移概率矩阵，计算节点之间的基于聚类系数的随机游走转移概率；再次，将基于聚类系数的随机游走转移概率应用到叠加随机游走中，计算节点之间的基于叠加的局部随机游走转移概率；然后，设计基于叠加随机游走重力模型，计算节点之间叠加随机游走重力模型相似性；最后，使用链路预测方法对网络进行链路预测，计算相应的AUC值，本发明方法的AUC值对比其他方法有较为明显的提升。