简介：引入m阶邻居节点的概念,提出了一种基于m阶邻居节点重要度贡献的复杂网络节点重要度方法,并引入α和γ两个参数,用于调节节点重要度评估对节点自身特性及m阶邻居节点的依赖程度。综合考虑了节点自身及1到m阶邻居节点的重要度贡献。为检验算法的有效性,采用ARPA网络拓扑并针对算法在不同m取值条件下的节点重要度情况进行了评估。评估结果显示,与度值法、介数法、节点删除法等评估方法相比,具有更高的评估精度,能显著地区分复杂网络中节点之间的重要性差异,能准确地确定网络中关键节点,保证节点重要度评估的准确性；此外,实验结果还揭示了一个重要动力学现象,即当邻居节点所考察的深度m值大于网络的平均路径长度L时,该方法可得到可靠且精度较高的评估结果。

简介：由于随机图模型、小世界模型和无标度模型的结构上存在交叉性,有必要对复杂网络进行新的分类.本文将复杂网络分成两类:节点数固定的复杂网络和节点数变化的复杂网络,且重点研究了前一类网络.首先对节点数固定的网络进行了细分,然后分析了在边的不同连接方式下节点数固定的网络的度分布、平均最短路长度和聚类系数等特征,最后讨论了小世界特性与无标度特性产生的原因.研究表明,节点数固定的网络大多具有小世界特性,小世界特性与无标度特性是从不同的侧面来研究复杂网络的,从而很好地解释了在许多复杂网络这两种特性能够共存的原因.

简介：基于标签传播动力学提出了一种识别网络关键节点的算法,主要思想是把每个节点接收到不同标签的数量作为判断节点重要性的指标。应用两种不同的传播模型,在不同网络上与其它中心性指标作比较。结果表明：基于标签传播的中心性指标比其它的中心性方法可以更好地识别网络中的关键节点。基于标签传播的中心性指标还具有以下优势：不需要利用网络的结构信息,因此可以推广到大规模网络上;揭示了一种现象——好的接收者往往也是好的传播者。

简介：传统的局部适应度社团发现算法（LFM）在社团结构模糊的网络中精度下降严重。针对此问题,提出LFMJ算法。利用邻居节点信息和改进的杰卡德系数重构网络,使网络结构更为清楚,社团划分结果更为准确。为验证算法,选择了5种算法在LFR网络和真实网络中进行测试,包括LFMJ、LFM和传统的LPA算法以及性能较好的WT和FUA算法。结果表明：在标准LFR网络中,LFMJ精度高于LFM和LPA,与FUA和WT相当;在真实网络和具有重叠结构的LFR网络中,LFMJ精度优于其他4种算法。

简介：

简介：针对正多边形Koch分形岛所映射成的Koch网络,根据节点接入网络的时间和位置信息给节点标号。在节点标号的基础上,研究网络的最短路由及计算最短路径长度;并分析网络的主要结构性质,如节点的度、度分布和累积度分布函数,以及网络的聚类系数、平均最短路径长度、度关联函数和介数中心性,得出结构性质的解析解。结果表明,所构建的Koch网络是无标度和小世界的;其聚类系数趋向于比较大的常数值;平均路径长度与网络节点数的对数呈正比关系,度相关函数、点介数和边介数都随节点度的变化而指数变化。

简介：当前的国产汽轮机运行慢,能耗大,效率低,还存在许多不安全因素,其中一个主要的影响因素就是汽封结构与间隙的变化。节点侧齿型汽封是在原有汽封结构的基础上进行设计，有一定的推广价值。

简介：基于加权网络特性，以Internet网络为例，提出了一种基于节点度和边权值比率（DegreeandWeightedRatio，DWR）的搜索算法。通过理论分析与仿真实验得出：DWR搜索算法在搜索时间和搜索代价上均优于最大度搜索算法和最大局部介数搜索算法。通过数值仿真分析发现，DWR搜索算法的搜索时间随着设置参数的增大而逐渐增大。因此，在Internet网络中，DWR搜索算法既可以提高网络信息传输的速度，又可以增强网络的传输能力。