简介:首先,研究了Erdos1合著网络的特征属性,一方面使用节点的度、介数、接近中心性来描述Erdos1合著网络节点重要性,另一方面使用特征向量中心性和本文提出的高阶度参数来描述Erdos1合著网络节点影响力;然后,分别用逼近理想解的排序(TOPSIS算法)算法和主成份分析(PCA)对节点重要性和影响力排序;最后,利用修改的网页排名(PageRank)算法讨论了网络科学原创性论文中最具影响力的论文。
简介:目的:目前基于知识工程的设计过程自动化领域有一个缺陷,即缺乏一个语法、语义、公理完善的过程模型表示技术以便在不同平台之间共享,从而实现互操作。研究期望通过两个关键步骤来实现设计过程自动化。方法:1.对非规范化建模方法进行分析对比(表1);2.分析过程建模技术应该满足的功能,细化成不同的要点对不规范的建模方法进行分析对比,同时分析可以表示不同设计分解特征的规范建模技术。结论:1.明确了设计过程自动化的两个关键步骤:(1)非规范化地获取设计过程中的关键点,(2)将非规范化模型映射为规范化表示;2.分析得出表示不同设计分解特征的规范化表示方法和技术(表2);3.根据分析结果,可以选择最优的非规范化和规范化建模方法,从而支持设计过程自动化。
简介:链路预测是网络信息挖掘的主要研究内容,通过对网络结构和其他信息的分析,挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标.并在此基础上提出了一种基于这8种指标线性组合的度量指标,并经过实验找出了较好的优化参数。然后,提出了基于这8种指标的神经网络模型.并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明.基于FANN库的神经网络模型的预测结果最好,在4个数据集上最高的AUC值分别达到了0。95l8、0.9289、0.7480和0.8677,与单一指标最好的AUC值相比分别提高了3.92%、1.45%、7.06%和24.35%。
简介:证明了在场强为零势不为零的复连通区域,规范势沿粒子运动闭合路径的不可积积分是Berry几何相位。说明了由规范势构成的不可积相位因子中一部分是几何Berry相因子,并以电磁场为例说明规范场和相位因子的关系。因此不可积Berry相因子最完整地描述了与规范场有关的物理现象