简介：

简介：关系数据的聚类算法对于传播研究意义重大,首先运用迭代系统隐喻个体结构的变化,用输出与状态的包含距离表示关系的非对称同时也确定拥有最高结构等级序列的节点来代表簇;再将Hausdorff距离引入DBSCAN算法,使得同结构节点进行合并的加和算子和层次上卷的并算子变得可压缩。运用复杂网络研究人员的数据对算法的有效性进行了评估,分层后的人员合作网具有不同的网络结构特征;关键词在层次2网络中的传播效率高;互惠关系在知识传播中的作用最大。新的发现证明算法通过引入Hutchinson算子的可压缩测度Hausdorff距离使得网络结构对传播效果的影响得以体现,该算法的设计思路是正确的。

简介：基于Brandes算法给出了复杂网络中介数中心性和平均最短路径长度的整合近似算法,通过理论分析和Rocketfuel项目实测数据的实验分析,验证了该整合算法能够快速有效地估计出复杂网络的介数中心性和平均最短路径长度,为进一步的研究工作奠定了基础。

简介：对于长距离参考站网模糊度固定而言,Ratio检验和三角形模糊度闭合差（TriangleAmbiguitiesClosureError,TACE）检验是最常用的两种模糊度检验手段,一般认为通过这两种检验后即可将模糊度固定。但事实上,在此情况下,模糊度被错误固定的情况经常出现。为此,本文提出了一种网解失败率（NetworkFailureProbability,NFP）检验方法,使用该方法可以计算出通过Ratio检验和TACE检验前提下参考站网模糊度固定的失败率。实验表明,当参考站数量小于等于8时,附加NFP检验后模糊度固定的正确率最高提高了25.4%,平均提高了8.1%,初始化成功率平均提高了4.3%。