Beyond the average: detecting global singular nodes from local features in complex networks
偏离平均值可以提供有关自然系统组织的有价值的见解。本文将这一重要原则扩展到更系统地识别和分析复杂网络中的奇异局部连通模式。四个测量量化不同的和互补的功能，每个节点周围的连接计算和多元统计方法，然后应用，以确定离群值。所提出的概念和方法的潜力示出相对于一个词的关联网络。
2006-07-29 cond-mat.dis-nn physics.data-an physics.soc-ph
New nodes attack strategies for real complex weighted networks
在这项工作中，我们介绍了一种新的节点攻击策略，删除节点的最高条件加权介数中心（CondWBet）。我们比较了它的功效与著名的攻击策略，从文献中超过五个现实世界的复杂加权网络。我们使用网络加权效率（WEFF）作为衡量网络加权结构的一个指标，除了常用的二进制拓扑度量，最大连通簇（LCC）。我们发现，最近提出的条件介数策略（CondBet）（Nguyen et al. 2019）在所有情况下都是分割LCC的最佳方法。此外，我们发现，在5种情况下的3种情况下，引入的CondWBet策略是降低网络效率（WEFF）的最佳策略。最后，CondWBet是在移除过程开始时减少WEFF的最有效策略，而首先移除具有最高链接权重的节点的强度在移除过程的最后阶段当网络在许多小集群中被破坏时显示出最高的功效。这些最后的结果表明，一个更好的攻击策略可能是CondWBet和强度策略的组合
2020-08-05 physics.comp-ph physics.soc-ph
Trend-driven information cascades on random networks
全球级联的阈值模型已被广泛用于模拟现实世界的集体行为，如时尚的传染性传播和新技术的采用。这些级联模型的一个共同特性是，一个极小的种子部分可以通过局部感染传播到无限大网络的有限部分。然而，在社会和经济网络中，个人的行为往往不仅受到其直接邻居的影响，而且还受到大多数人作为一种趋势的影响。趋势影响个人的行为，而个人的行为创造了趋势。为了分析这种局部和全局尺度现象之间的复杂相互作用，我通过引入一种新类型的节点，称为\textit{global nodes}（或\textit{trend followers}），其激活概率取决于全局尺度趋势，特别是激活节点在种群中的百分比，来推广标准阈值模型。该模型表明，一旦出现趋势，全球节点就起到了加速级联的作用，同时降低了趋势出现的概率。因此，全球节点要么促进级联，要么抑制级联，这表明，适度份额的趋势追随者可以最大限度地提高级联的平均规模。
2015-12-02 cs.SI physics.soc-ph
Local structure entropy of complex networks
识别复杂网络中的影响节点具有重要的理论和实际意义。在复杂网络中，有很多方法可以用来识别影响节点。本文提出了一种基于度中心性和统计力学的局部结构熵来识别复杂网络中的影响节点。在局部结构熵的定义中，每个节点都有一个局部网络，每个节点的局部结构熵等于局部网络的结构熵。局部结构熵的主要思想是试图用局部网络的影响来代替节点对整个网络的影响。由局部结构熵识别出的有影响力的节点是网络中的中间结点。中间结点是连接那些度值较大的结点的结点。我们使用$Susceptible-Infective$（SI）模型来评估由局部结构熵识别的有影响力的节点的性能。在SI模型中，节点用作感染源。根据SI模型，网络中感染节点的比例越大，该节点对整个网络的重要性越大。对四个实际网络的仿真结果表明，该方法对复杂网络中影响节点的识别是有效的、合理的。
2014-12-12 cs.SI physics.soc-ph
On the pinning strategy of complex networks
在复杂网络的牵制控制中，人们普遍认为牵制度大的节点比牵制度小的节点能更好地控制系统的动态特性。在这里，通过改变钉扎节点的数量，我们发现，当网络节点的很大一部分被钉扎时，钉扎小度节点通常比钉扎大度节点具有更高的性能。我们在各种复杂网络上证明了这一有趣的现象，并通过星型网络模型分析了其内在机制。通过改变网络的性质，我们还发现，与密集连接的同构网络相比，小度钉扎策略在稀疏连接的异构网络中的优势更加明显。
2010-01-09 cond-mat.dis-nn cs.NI physics.soc-ph
Random walks on complex networks under node-dependent stochastic resetting
本文研究了重置概率依赖于节点的随机重置复杂网络上的随机游动。使用更新的方法，我们得到的精确表达式的固定占用概率的步行者在每个节点和任意两个节点之间的平均首次通过时间。最后，我们展示了我们的理论结果在三个网络上有两个不同的重置协议，通过数值模拟验证。我们发现，在一个微妙的设置下，这是有利的，以优化效率的全局搜索这样的网络节点相关的重置概率。
2022-05-04 cond-mat.stat-mech physics.soc-ph
Identification of hybrid node and link communities in complex networks
复杂网络中社团的识别已经成为分析复杂系统的有效手段。它在社会科学、工程学、生物学和医学等不同领域有着广泛的应用。节点社区和链路社区是网络结构分析的两种常用方法。然而，这些计划有固有的缺点，往往不足以正确地捕捉在真实的网络复杂的组织结构。我们介绍了一种新的方案和有效的方法来识别复杂的网络结构，使用混合的节点和链接社区，称为混合节点链接社区。我们的方法的一个核心部分是一个概率模型，可容纳节点，链接和混合节点链接社区。我们在各种真实世界的网络上进行了大量的实验，包括一个大型的蛋白质-蛋白质相互作用网络和一个大型的常用词语义关联网络，表明混合社区的方案在揭示网络特征方面具有优越性。此外，新的方法优于现有的方法分别找到节点或链接社区。
2013-09-18 cs.SI physics.soc-ph
Optimizing target nodes selection for the control energy of directed complex networks
控制复杂网络所需的能量是一个具有实际意义的问题。最近的工作集中在减少控制能量，无论是通过战略布局的驱动程序节点，或通过减少要控制的节点的基数。然而，优化控制能量相对于目标节点的选择尚未被考虑。在这项工作中，我们提出了一种基于Stiefel流形优化的可选目标节点矩阵的迭代方法，以减少控制能量。我们推导出搜索算法所需的矩阵导数梯度，并搜索目标节点，从而减少控制能量，假设驱动节点的位置是固定的。我们的研究结果表明，控制能量是最佳的路径距离从驱动节点到目标节点被最小化。我们证实了我们的算法与广泛的模拟基本网络拓扑结构，随机和无标度网络，以及各种真实的网络。仿真结果表明，使用我们的算法找到的控制能量优于启发式选择策略选择目标节点的几个数量级。我们的工作可能适用于意见网络，其中一个感兴趣的是确定最佳的一组个人的驱动程序节点可以影响。
2021-01-11 physics.soc-ph
Revising the simple measures of assortativity in complex networks
我们发现，传统的统计测量度混合的超富节点的强烈影响。为了抵消和测量超富节点的影响，我们提出了一个范例来量化一个真实网络的混合模式，其中不同的混合模式可能会出现在低度节点和高度节点之间。新的范式和简单的修正测度揭示了具有超富节点的复杂网络的真实复杂度混合模式。新的方法表明，一些网络显示出由超富节点引起的虚假的dispertative混合，并且没有真正dispertative的趋势。我们的研究结果还表明，以前观察到的无标度网络的脆弱性实际上是大大加剧了即使是非常少量的超富节点的存在。
2009-10-18 physics.soc-ph
A Vibrational Approach to Node Centrality and Vulnerability in Complex Networks
我们提出了一个新的措施，在复杂网络中的节点的脆弱性。该措施是基于类比，其中网络的节点表示球和链接识别弹簧。我们定义的措施作为节点位移，或振动的幅度，每个节点，波动下，由于热浴中，网络应该是淹没。我们证明了这样定义的节点位移，信息中心性和基尔霍夫指数之间的确切关系。前两者之间的关系表明，节点位移比信息中心度具有更好的脆弱性分辨率，因为后者是局部节点位移和整个网络上平均的节点位移的总和。
2009-12-22 cond-mat.stat-mech math-ph math.MP
The spreading ability of nodes towards localized targets in complex networks
传播作为复杂网络上的一种重要动力学类型，被广泛应用于传染病传播、信息传播等实际过程的建模。传播研究中最重要的问题之一是对网络中节点的传播能力进行排序。为此，已经做出了大量的努力，并提出了各种有效的方法。这些方法通常将节点的传播能力定义为最终感染节点的数量，假定传播是从节点开始的。然而，在许多实际情况下，如广告和医学科学，传播的目的只是覆盖一组特定的节点。因此，有必要研究复杂网络中节点对局部目标的传播能力。在本文中，我们提出了一个反向的局部路径算法对此问题。仿真结果表明，我们的方法优于现有的方法，在确定有影响力的节点相对于这些本地化的目标。此外，我们的方法确定的有影响力的传播者可以有效地避免在传播过程中感染的非目标节点。
2015-12-17 cs.SI physics.soc-ph
Beyond the clustering coefficient: A topological analysis of node neighbourhoods in complex networks
在网络科学中，节点邻域，也称为自我中心网络，引起了人们的广泛关注。特别是聚类系数已被广泛用于衡量他们的地方凝聚力。在本文中，我们展示了如何，给定两个节点具有相同的聚类系数，其邻域的拓扑结构可以显着不同，这表明需要超越这个简单的表征。我们进行了大规模的统计分析的拓扑结构的节点邻域的真实网络，首先构建他们的团复合体，然后计算他们的贝蒂数。我们能够显示真实网络的节点邻居的拓扑与随机单纯复形的零模型的随机拓扑之间的显着差异，揭示节点邻居的局部组织原则。此外，我们观察到，一个大规模的节点邻域的拓扑特性的统计分析是能够清楚地区分幂律网络，平面道路网络。
2019-01-30 cs.SI physics.soc-ph
Efficient target control of complex networks based on preferential matching
控制一个复杂的网络达到期望的状态在许多应用中是非常重要的。现有的工作提出了一种近似算法来找到驱动节点用于控制网络的部分节点。但该算法得到的驱动节点依赖于节点的匹配顺序，不能得到最优结果。在这里，我们提出了一种新的算法来找到驱动节点的目标控制的基础上优先匹配。该算法精心安排节点的匹配顺序，以最小化驱动节点集的规模。仿真和实际网络的实验结果表明，该算法的性能优于前一种算法。该算法在复杂网络控制中有着广泛的应用。
2016-06-27 cs.SI physics.soc-ph
Random walks on complex networks with multiple resetting nodes: a renewal approach
由于随机重置随机游动在许多领域的广泛应用，在过去的十年中引起了人们的广泛关注。本文研究了具有多重重置节点的复杂网络上的离散时间随机游动。使用更新的方法，我们推导出精确的表达式的占用概率的步行者在每个节点和任意两个节点之间的平均场首次通过时间。所有的结果都与没有重置时转移矩阵的谱性质有关。我们在循环网络、随机块模型和Barabási-Albert无标度网络上展示了我们的结果，并发现了多个重置节点的重置过程在此类网络上的全局搜索中的优势。
2021-05-18 cond-mat.stat-mech physics.soc-ph
Virus Propagation in Multiple Profile Networks
假设我们有一个病毒或一个竞争的想法/产品，它通过多个配置文件传播（例如，社交）网络。我们能预测网络中有多少比例会被“感染”吗（例如，传播想法或购买竞争产品），当网络的节点基于它们的简档而具有不同的敏感度时？例如，如果网络中有两个配置文件$\mathcal{A}$和$\mathcal{B}$，并且配置文件$\mathcal{A}$和配置文件$\mathcal{B}$的节点分别以概率$β_{\mathcal{A}}$和$β_{\mathcal{B}}$易受高度传播病毒的影响，那么最终两个配置文件中实际上被病毒感染的百分比是多少？反过来说，什么是必要的条件，使预定义的百分比的网络被感染？我们假设不同配置文件的节点可以相互感染，我们证明了在现实条件下，除了弱配置文件（高灵敏度），更强的配置文件（低灵敏度）也会被感染。首先，我们专注于集团，目标是提供精确的理论结果，并获得一些关于病毒如何影响这种多配置文件网络的直觉。然后，我们转向任意网络的理论分析。我们提供的网络的某些属性的基础上，每个节点的感染概率，当它达到稳定状态的界限。最后，我们提供了大量的实验结果，验证了我们的理论结果，并在同一时间提供更多的洞察力的问题。
2015-04-13 cs.SI physics.soc-ph
Evaluation of node importance in complex networks
节点重要性的评估一直是复杂网络研究中的一个基本问题。本文提出用Shannon-Parry测度（SPM）来定量评价节点的重要性，因为SPM是网络中最无偏随机游动的平稳分布。我们证明了SPM的准确性和鲁棒性相比，在扎卡里空手道俱乐部网络和三个玩具网络的几个流行的方法。应用SPM方法对中国高速铁路网的城市重要度进行了分析，得到了合理的结果。由于SPM可以有效地用于加权有向网络，我们认为它是一个相关的方法来识别网络中的关键节点。
2014-02-24 cs.SI physics.soc-ph
Kinetics of node splitting in evolving complex networks
我们介绍了一个复杂的网络的集合产生的优先连接和以前未检查的过程“分裂”节点度$k$到$k$节点度1的组合。四个网络被认为是，每一个在每个时间步的优先连接，概率$p$，或分裂概率$1-p$。两种方法的附件被认为是：第一，附件之间的一个新创建的节点和网络中的现有节点的边缘，其次通过附件之间的两个现有节点的边缘。分裂也被认为是在两个单独的方式;首先通过选择每个节点具有相等的概率，其次，选择节点的概率成正比的程度。精确的解决方案的度分布被发现和无标度结构表现在这些网络中的候选人的分裂被选择以均匀的概率，那些被优先选择的分布与幂律指数截止。
2013-09-24 cond-mat.stat-mech cs.SI physics.soc-ph
Macroscopic description of complex adaptive networks co-evolving with dynamic node states
在现实世界中的许多复杂系统中，网络结构的时间演化与节点的动态状态是紧密联系在一起的。在这里，我们研究意见的形成和模仿的自适应复杂网络，这是依赖于每个节点的个人动态状态，反之亦然，可再生资源的共同进化与社会网络上的收获代理的动态建模。自适应选民模型耦合到一组相同的逻辑增长模型，我们表明，在这样的系统中，节点之间的相互作用，以及自适应重新布线概率的速度发挥了至关重要的作用，系统的平衡态的可持续性。我们得到一个宏观的描述系统，提供了一个通用的框架来建模和量化的影响，单节点动态的宏观状态的网络，适用于许多领域的研究，如传染病传播或社会建模。
2016-04-08 physics.soc-ph
Node similarity distribution of complex networks and its application in link prediction
多年来，量化节点的相似性一直是复杂网络中的一个热门话题，但对节点相似性的分布却知之甚少。在本文中，我们认为一个典型的衡量节点的相似性称为共同的邻居相似性（CNS）。通过生成函数，我们提出了一个计算各种复杂网络中节点集CNS分布的一般框架。特别地，我们证明了对于Erdös-Rényi（ER）随机网络，任何特定大小的节点集的CNS分布服从泊松定律。我们还连接节点相似性分布的链接预测问题。我们发现，链接预测的性能完全取决于CNS分布的连接和未连接的节点对在网络中。此外，我们推导了链接预测中两个关键评估指标的理论解：i）精度和ii）接收器工作特征曲线（AUC）下的面积。我们表明，对于任何链接预测方法，如果连接和未连接的节点对的相似性分布是相同的，AUC将是$0.5$。理论解是传统实验评估方法的优雅替代方案，但计算成本要低得多。
2019-10-08 cs.SI physics.soc-ph
Ranking the spreading influence of nodes in complex networks based on mixing degree centrality and local structure
网络的安全性和健壮性已经引起了各界人士的关注，几个关键节点的损坏将导致极其严重的后果。提出了一种基于节点自身H指数和相邻节点相对距离的聚类H指数混合中心度算法。从节点本身出发，结合节点周围的拓扑结构，确定节点的重要性及其传播能力。为了评估该方法的性能，我们使用易感-感染-扩散（SIR）模型，单调性和分辨率作为实验的评价标准。在人工网络和真实网络中的实验结果表明，CHM中心性在识别节点重要性及其传播能力方面具有良好的性能。
2020-03-07 cs.SI physics.soc-ph
Lexical Sorting Centrality to Distinguish Spreading Abilities of Nodes in Complex Networks under the Susceptible-Infectious-Recovered (SIR) Model
复杂网络中的传染病建模是近年来研究的热点之一。易感-感染-传染（SIR）模型及其变体常用于流行病建模。传染病建模中的一个重要问题是确定网络中节点的传播能力。因此，例如，可以在早期阶段检测到。在这项研究中，我们开发了一个中心性措施，称为词汇排序中心性（LSC），区分节点的传播能力。使用为节点计算的其他中心性度量，LSC以类似于字母顺序的方式对节点进行排序。我们使用SIR对六个数据集进行了模拟，以评估LSC的性能，并将LSC与度中心性（DC），特征向量中心性（EC），接近中心性（CC），介数中心性（BC）和引力中心性（GC）进行了比较。实验结果表明，LSC能更准确、更果断、更快速地判别节点的传播能力。
2021-01-24 cs.SI physics.soc-ph
Subsuming Complex Networks by Node Walks
本文提出用节点游走动力学归并复杂网络，在三种网络和三种游走规则下发现归并过程强烈依赖网络拓扑与游走准则，并揭示了初始度与累积强度的相关性及不同组合下的强度特征。
2024-06-05 cs.SI physics.soc-ph
The Continuous Node Degree: a New Measure for Complex Networks
在分析复杂网络中广泛使用的一个关键度量是节点的度（节点邻居的数量）。由于其离散性，当度度量用于分析加权网络时，权重被忽略或阈值化以保留或忽略边缘。因此，尽管它很受欢迎，但度度量无法捕捉节点与其邻居之间交互的差异。在本文中，我们介绍了一个推广的程度测量，解决这个限制：连续节点度（C度）。节点的C度反映了有多少邻居被有效地使用，考虑到交互差异。更重要的是，如果一个节点均匀地与它的邻居相互作用（没有相互作用的差距），我们证明了节点的C度变得相同的节点的（离散）度。我们使用新的度量分析了四个真实世界的加权网络，并表明C度分布遵循幂律，类似于传统的度分布，但下降更陡。我们还表明，C度和（离散）度之间的比率遵循一种模式，这是常见的四个研究网络。
2009-04-15 physics.data-an physics.soc-ph
The Routing of Complex Contagion in Kleinberg's Small-World Networks
在Kleinberg的小世界网络模型中，强联系被建模为底层基础网格中的确定性边缘，弱联系被建模为连接远程节点的随机边缘。通过弱连接将节点$u$与节点$v$连接的概率与$1/|uv|^α$成比例，其中$|uv|$是$u$与$v$之间的网格距离，而$α\ge 0$是模型的参数。复杂传染是指网络中的传播机制，其中每个节点仅在节点的$k \ge 2$邻居被激活后才被激活。本文提出了复杂传染路由（或复杂路由）的概念，即在一个时间步内激活一个节点，最终激活目标节点。我们考虑分散式路由方案，只有弱关系，从激活的节点被发现。我们研究了复杂传染的路由时间，并将结果与简单路由和复杂扩散（复杂传染的扩散，所有可以激活的节点都在同一步中立即激活，目标是最终激活所有节点）进行比较。我们发现，对于分散的复杂路由，路由时间是一个多项式在$n$（网络中的节点数）的所有范围内的$α$的期望和高概率（特别是，$Ω(n^{\frac{1}{α+2}})$的$α\le 2$和$Ω(n^{\fracα{2(α+2)}})$的$α> 2$的期望），而简单的传染的路由时间有多对数上限时，$α= 2$。我们的研究结果表明，复杂的路由比复杂的扩散和路由时间的复杂传染相比，简单的传染在甜蜜点指数不同。
2016-05-11 cs.CC cs.SI physics.soc-ph
Altering nodes types in controlling complex networks
控制一个复杂的网络达到期望的状态在许多应用中是非常重要的。网络可以通过输入适当的外部信号到一些选定的节点来控制，这些节点被称为驱动器节点。以往的研究发现，在密集网络中存在两种控制模式：分布式和集中式。对于分布式模式的网络，大多数节点可以充当驱动节点;而对于集中式模式的网络，大多数节点永远不会成为驱动节点。在这里，我们提出了一个有效的算法来改变节点的控制类型，从输入节点到冗余节点，这是通过反转网络的边缘来完成的。我们总结了四种可能的情况下，反转的边缘，并显示控制模式可以通过反转非常少的驱动器节点的边缘。我们评估我们的算法在合成和真实网络上的性能。实验结果表明，通过反转几条精心选择的边，可以很容易地改变网络的控制模式，并大大减少了可能的驱动节点的数量。我们的方法提供的能力，设计所需的控制模式的网络，不同的控制方案，这可能会被用于许多应用领域。
2019-10-14 cs.SI cs.SY eess.SY
Quick Detection of Nodes with Large Degrees
我们的目标是快速找到大型复杂网络中度最大的节点的前$k$列表。如果网络的邻接表是已知的（在复杂网络中并不常见），找到最大度的节点的确定性算法需要O（n）的平均复杂度，其中$n$是网络中的节点数。对于大型复杂网络来说，即使是这种适度的复杂性也可能非常高。我们建议使用基于随机游走的方法。我们从理论上和数值实验表明，对于大型网络的随机游走方法找到高质量的高概率和计算数量级的节省的节点列表。我们还提出了停止标准的随机游走方法，需要很少的知识，网络的结构。
2012-02-15 cs.DS cs.SI physics.soc-ph
How Many Nodes are Effectively Accessed in Complex Networks?
被称为可达性的度量已经被提出作为一种手段来量化复杂网络中节点之间的通信效率。本文报告的重要结果的属性的可访问性，包括其关系的平均最短时间访问所有节点可到达后，$h$步骤沿随机游走从一个源，以及节点的数量，访问后的有限的一段时间。我们的特点之间的关系，以访问所有可到达的节点（探索时间）所需的可访问性和平均行走次数，推测最大的可访问性意味着最小的探索时间，并确认访问的基本时间单位后访问的节点的数量和可访问性值之间的关系。后者的关系进行了调查，相对于三种类型的动态，即：传统的随机游动，自避免随机游动，和优惠随机游动。
2011-10-01 cond-mat.stat-mech cs.SI physics.soc-ph
Uncovering Evolutionary Ages of Nodes in Complex Networks
在复杂网络中，不同的节点组可能存在不同的时间。检测网络的演化历史具有重要意义。我们提出了一种基于频谱分析的一般方法来解决这个基本问题，在网络科学。特别是，我们认为，并证明，使用模型和现实世界的网络，存在的特征值和节点年龄的大小之间的正相关性。在网络拓扑未知但从节点测量的短时间序列可用的情况下，我们建议通过使用压缩感知来揭示当前（或任何给定的感兴趣时间）的网络拓扑，然后执行频谱分析。了解不同节点组的年龄可以对支撑网络的进化过程提供重要的见解。
2012-02-20 cs.SI physics.data-an physics.soc-ph
A Universal Framework for Reconstructing Complex Networks and Node Dynamics from Discrete or Continuous Dynamics Data
复杂系统的许多动力学过程可以理解为给定网络结构上一组节点相互作用的动力学过程。然而，从节点行为的时间序列中找到这样的交互结构和节点动态是困难的。传统的网络结构推理方法或动力学重构方法，很少能同时解决这两个问题。本文提出了一个通用的框架，重建网络结构和节点动态同时从观察到的时间序列数据的节点。我们使用一个可微的伯努利抽样过程来产生一个候选网络结构，并使用神经网络来模拟节点的动态基于候选网络。然后，我们使用随机梯度下降算法调整所有参数，以最大化数据上定义的似然函数。实验结果表明，该模型可以同时恢复各种网络结构和节点动态，具有较高的准确性。该算法对二值、离散和连续时间序列数据都有较好的处理能力，重建结果对噪声和信息缺失具有较好的鲁棒性。
2022-06-25 nlin.CD physics.soc-ph q-bio.MN
Node Diversification in Complex Networks by Decentralized Coloring
我们开发了一种分散着色方法，使复杂网络中的节点多样化。关键是引入了一个局部冲突指数，该指数可以测量每个节点处出现的颜色冲突，并且仅使用局部信息就可以有效地计算该颜色冲突。我们通过合成和真实世界的网络证明，所提出的方法显着优于随机着色的最大颜色诱导的连接组件的大小来衡量。有趣的是，对于无标度网络，可以通过调整局部冲突指数中的度偏置加权参数来进一步提高多样性。
2018-11-27 cs.CR cs.DS cs.MA
Emergence of bimodality in controlling complex networks
我们控制复杂系统的能力是当代科学的一个基本挑战。最近引入的工具来识别驱动节点，通过这些节点我们可以实现完全控制，预测多个控制配置的存在，促使我们根据它们在控制中的作用对网络中的每个节点进行分类。因此，如果节点在所有、一些或没有控制配置中充当驱动器节点，则该节点是关键的、间歇的或冗余的。在这里，我们开发了一个分析框架，以确定每个节点的类别，导致发现两种不同的控制模式在复杂系统：集中式与分布式控制。我们预测的控制模式为任意网络，并表明，可以改变它通过小的结构扰动。揭示的双峰性具有从网络安全到组织研究的影响，并为复杂系统的动态和控制提供了新的见解。
2015-05-24 cs.SI physics.soc-ph
Node-weighted interacting network measures improve the representation of real-world complex systems
网络理论提供了一个丰富的工具箱，包括方法，措施和模型，用于研究自然，社会或技术中发现的复杂系统的结构和动力学。最近，已经指出，许多现实世界的复杂系统通过相互作用或相互依赖的网络的网络更充分地映射，例如，显示与通信网络的相互依赖性的电网。此外，在许多现实情况下，将节点权重包括在复杂网络统计中以反映由感兴趣网络中的节点表示的子系统的不同大小或重要性是合理的。例如，在一个示例中，节点可以代表气候网络中截然不同的表面积、大脑网络中的体积或贸易网络中的经济能力。在这封信中，结合这两个想法，我们得到了一类新的统计措施，用于分析网络结构的相互作用的网络与异构节点的权重。使用一个原型空间网络模型，我们表明，新引入的节点加权的相互作用的网络措施确实提供了一个改进的代表性的基础系统的属性相比，其未加权的类似物。我们应用我们的方法来研究欧盟（EU）和非欧盟国家之间的跨境贸易的复杂网络结构，发现它提供了重要的信息，贸易平衡和经济稳健性。
2013-01-04 cs.SI physics.data-an physics.soc-ph
Fractal Boundaries of Complex Networks
我们引入了复杂网络边界的概念，即距离网络中给定节点的平均距离大于平均距离的节点集。研究了复杂网络边界节点的统计性质。我们发现，无论是Erdös-Rényi和无标度模型网络，以及一些真正的网络，边界具有分形特性。具体地，边界节点的数量{ \it B}遵循幂律概率密度函数，其缩放为$B^{-2}$。由边界节点形成的簇是具有分形维数$d_{f} \approx 2$的分形。我们提出了分析和数值证据支持这些结果的广泛的网络。我们的发现暗示了传染病传播的潜在应用。
2008-04-11 cond-mat.dis-nn cond-mat.stat-mech math-ph
Finding the proper node ranking method for complex networks
对节点重要性进行排序对于理解复杂网络的结构和功能至关重要。度、h指数和核度被广泛使用，但哪一个更适合于与动态过程相关的网络，例如SIR扩展过程，仍然不清楚。为了填补这一空白，提出了从节点邻域的每个半径中的平均节点数的拟合函数（f（x）= 1 - 1/（e ^（2a（x-b））+1））中提取的a。在20个真实网络上进行的实验结果表明，该算法可以区分度、h指数和核心度这3种度量中哪一种更适合于网络节点重要性的排序。我们还发现，[b/3]是一个很好的指标，用于预测节点的邻域的最佳半径，在给定的网络中对节点的重要性进行排名。据我们所知，这是这个有趣和开放问题的第一个解决方案。此外，通过扩大邻域的范围，我们构造一个操作H上的节点，我们提出了一种新的方法来量化的重要性的节点。当半径从0增加到其预测最优半径时，大多数网络的排序精度都得到了提高，最好的情况下，提高幅度可达111%。如果我们粗略地扩大邻域的半径，本文所研究的网络的性能将降低一半。我们的工作加深了对如何为复杂网络找到合适的节点排序方法的理解。所提出的方法弥补了网络结构和节点重要性之间的差距，在控制疾病爆发、设计最佳信息传播策略方面可能具有潜在的应用。
2018-12-27 cs.SI physics.soc-ph
An efficient algorithm for finding all possible input nodes for controlling complex networks
理解复杂网络的结构可控性需要确定网络的最小输入节点集（MIS）。有人建议，找到一个MIS相当于计算网络的最大匹配，其中不匹配的节点构成MIS。然而，网络的最大匹配通常不是唯一的，并且找到所有的MIS可以提供对网络的可控性的深刻见解。寻找所有可能的输入节点，形成所有MIS的并集，对于大型网络来说是计算上的挑战。在这里，我们提出了一个有效的枚举算法的问题。其主要思想是修改最大匹配算法，使其有效地找到所有可能的输入节点，只需计算一个MIS。我们严格证明了新算法的正确性，并评估其性能的合成和大型真实网络。实验结果表明，新算法在大型真实网络上的运行速度比现有方法快几个数量级。
2017-04-20 cs.DM cs.SI physics.soc-ph
Ranking the Importance of Nodes of Complex Networks by the Equivalence Classes Approach
识别复杂网络中节点的重要性对于社交网络、生物网络等的研究具有重要意义。目前研究者已经提出了介数、PageRank和HITS等度量方法或算法，来识别节点的重要性。然而，这些措施是基于不同方面的属性的节点，往往与其他冲突。需要一个合理、公平的标准来评价和比较这些算法。本文提出了一个框架作为标准的节点的重要性排名。提出了四种直观的节点重要性度量规则，并采用等价类方法解决冲突和聚集规则的结果。为了定量地比较算法，性能指标也提出了基于相似性度量。三个广泛使用的现实世界的网络被用作测试床。实验结果表明，该框架的可行性，并表明这两个算法，PageRank和HITS，在处理测试网络时，具有良好的偏见。此外，本文使用所提出的方法来分析互联网的结构，并得出了互联网的内核与密集的链接。
2012-11-23 cs.SI physics.soc-ph
Classifying Latent Infection States in Complex Networks
识别网络中节点感染状态的算法对于理解和遏制感染至关重要。然而，通常只有相对较小的一组节点具有已知的感染状态。此外，每个节点被感染的时间长度也是未知的。这种缺失的数据-大多数节点的感染状态和未观察到的感染节点的感染时间-对真实世界级联的研究提出了挑战。在这项工作中，我们开发的技术，以确定潜在的感染节点中存在丢失的感染时间和状态数据。基于简单的可感染流行病模型预测的可能的流行病路径，我们提出了一个度量（感染介数）来揭示这些未知的感染状态。我们使用机器学习算法的实验结果表明，感染介数是识别潜在感染节点的最有效特征。
2014-01-31 cs.SI physics.soc-ph
Spatial network surrogates for disentangling complex system structure from spatial embedding of nodes
具有嵌入在度量空间中的节点的网络近年来获得了越来越多的关注。然而，在研究网络的宏观性质时，很少考虑空间嵌入对网络结构特征的影响。在这里，我们提出了一个空模型的层次结构，从一个给定的空间嵌入式网络，可以保持与节点的嵌入在度量空间中的全局和局部统计数据生成随机代理。比较原始网络和所得到的代理的全局特性允许量化这些特性在多大程度上已经由节点和链路的空间嵌入预先确定。我们将我们的框架应用于各种现实世界的空间网络，并表明所提出的模型比不考虑节点空间嵌入的标准随机网络模型更好地捕捉了所研究网络的宏观特性。根据所提出的零模型的实际性能，网络被分为不同的类。由于许多现实世界的复杂网络实际上是空间网络，所提出的方法是相关的解开底层复杂系统结构从空间嵌入的节点在许多领域，从社会系统的基础设施和神经生理学气候。
2016-04-08 cs.SI physics.data-an physics.soc-ph
Identify influential spreaders in complex networks, the role of neighborhood
识别最有影响力的传播者是控制复杂网络中传播过程的一个重要问题。中心性度量用于对扩散动态中的节点影响进行排序。在这里，我们提出了一个节点的中心性和它的邻居的中心性，我们称之为邻居中心性的基础上的节点影响力的措施。通过模拟六个真实网络中的传播过程，我们发现邻域中心性在对节点影响力进行排序和识别最有影响力的传播者方面大大优于节点的基本中心性，如度和核心度。有趣的是，我们发现在考虑节点的邻域时存在饱和效应，这不是越大越好的情况。具体来说，考虑节点的两步邻域是一个很好的选择，平衡了成本和性能。如果进一步考虑邻域的步长，则排序性能没有明显的改善，甚至有所下降。饱和效应可以为利用节点的局部结构来确定其在网络中的重要性的研究提供信息。
2015-11-02 cs.SI physics.soc-ph
Context dependent preferential attachment model for complex networks
本文提出了一种生长型随机复杂网络模型，我们称之为上下文相关偏好连接模型（CDPAM），新节点连接到旧节点的偏好由旧节点的局部和全局性质决定。我们把节点局部和全局性质分别看作节点的度和相对平均度。我们证明了由CDPAM生成的复杂网络的度分布服从幂律分布，其指数位于区间[2，3]内，并且网络的期望直径随初始小网络中新节点的增加而递增.数值结果表明，当新节点对局部和全局属性分配相同的权重时，期望直径稳定。计算各种措施，包括聚类系数，不确定性，三角形的数量，代数连通性，谱半径，我们表明，该模型复制的真实网络的属性比BA模型的所有这些措施时，相同的权重的局部和全局属性。最后，我们观察到BA模型是一个限制的情况下，CDPAM时，新的节点往往给予较大的权重的局部属性相比，在链路形成的全局属性的权重。
2015-01-10 cs.SI physics.soc-ph
Network Growth From Global and Local Influential Nodes
在图论和网络分析中，节点度被定义为一个简单但强大的中心性，用来衡量复杂网络中节点的局部影响力。基于节点度的优先连接模型已被广泛应用于网络增长建模。然而，许多证据表明，真实的网络增长偏离了纯粹的基于度的模型。看来节点度并不是预测新成员加入网络偏好的可靠指标，或者至少，它不能说明整个故事。在本文中，我们认为，有另一个维度的网络增长，我们称之为节点的“核心”。与度度量提供的局部视图相比，新的维度可以洞察节点的全局影响力。我们发现，现有节点吸引新节点的概率一般遵循指数依赖于节点的核心，而在同一时间，遵循幂律依赖于节点度。也就是说，高核心度节点比高度节点在吸引新成员方面更强大。新的维度进一步揭示了网络成长过程中隐藏的一些现象。随着时间的推移，节点度对新成员的吸引力逐渐增大，而核心度的影响力逐渐减小，最终达到一种均衡的增长状态。所有这些理论都在现实世界的网络上得到了验证。
2021-02-22 cs.NI cs.SI physics.soc-ph
Community detection using boundary nodes in complex networks
我们提出了一个新的本地社区检测算法，发现社区之间的边界线，使用边界节点。我们的方法执行标签传播社区检测，其中节点决定他们的标签的基础上表现出最大的“效益分数”的近邻作为吸引他们的社区。我们尝试了不同的指标，发现使用共同邻居的数量作为收益分数可以为社区结构做出更好的决策。该算法具有局部逼近的特点，在标签传播迭代过程中只关注边界节点，消除了不必要的步骤，缩短了整体执行时间。它保留了小社区以及大社区，并且在识别社区的质量方面优于其他算法，特别是当社区结构很微妙时。该算法具有分布式的性质，可以在大型网络上以并行的方式使用。
2018-08-03 cs.SI physics.soc-ph
The Diverse Club: The Integrative Core of Complex Networks
一个复杂的系统可以被表示和分析为一个网络，其中节点表示网络的单元，而边表示这些单元之间的连接。例如，大脑网络将神经元表示为节点，将神经元之间的轴突表示为边。在许多网络中，一些节点具有不成比例的高数量的边。这些节点之间也有许多边，被称为富人俱乐部。在许多不同的网络中，这个俱乐部的节点被假定为支持全球网络整合。然而，另一组节点可能表现出更有利于全球网络集成的连接结构。在这里，在无数不同的生物和人造网络中，我们发现了多样性俱乐部--一组边缘分布在网络中的节点。多样性俱乐部在更大程度上表现出与综合网络功能相一致的特性，这些节点之间的相互联系更加紧密，它们的边缘对于有效的全球一体化更加重要。此外，我们提出了一个生成的进化网络模型，产生一个不同的俱乐部，但不是一个丰富的俱乐部的网络，从而表明，这两个俱乐部可能通过不同的选择压力演变。考虑到我们分析的各种不同的网络，C。线虫、猕猴的大脑、人类的大脑、美国的电网和全球的空中交通--这个多样化的俱乐部在复杂的网络中似乎无处不在。这些结果保证了所有复杂系统中两个临界节点俱乐部的区分和分析。
2017-06-27 physics.soc-ph q-bio.NC
Concentric Characterization and Classification of Complex Network Nodes: Theory and Application to Institutional Collaboration
与理论上的无标度网络不同，现实网络大多呈现出多标度行为，节点结构为不同类型的功能群和社区。虽然用于复杂网络中的节点分类的大多数方法依赖于每个节点周围的拓扑/连接的本地测量，但是关于节点功能的有价值的信息可以通过同心（或分层）测量来获得。在本文中，我们探讨了使用一组同心测量和凝聚聚类方法，以获得一组功能组的节点的可能性。同心聚类系数和收敛率被选为隔离参数的机构合作网络，包括各种已知的社区（圣保罗大学的部门）的分析。得到了树状图，并对结果进行了分析和讨论。在这些有趣的发现中，我们强调了所获得的网络的无标度性质，以及识别来自不同领域（例如人类和精确科学）的不同作者模式。另一个有趣的结果涉及相对均匀分布的枢纽沿同心水平，相反的非均匀模式中发现的理论无标度网络，如BA模型。
2007-10-09 physics.data-an physics.soc-ph
Energy Scaling with Control Distance in Complex Networks
最近已经表明，应用于复杂网络的控制动作的预期能量需求与目标节点的数量呈指数级关系。虽然指数标度律提供了对平均所需能量的充分预测，但也已表明，特定数量的目标的能量值的分布很大。在这里，我们更密切地探索驱动节点和目标节点之间的距离和自我调节的大小对控制动作的能量的影响。我们发现，能量标度律可以写为包括关于驱动节点和目标节点之间的距离的信息，以更准确地预测控制能量。
2018-01-29 math.OC physics.soc-ph
Ranking the spreading influence in complex networks
识别网络中节点的传播影响力是优化网络结构、确保信息更有效传播的一项重要任务。本文通过考虑目标节点与$k$ -core值最大的节点集之间的最短距离，提出了一种改进的排序表生成方法来评估节点的传播影响力。通过与4个真实网络和Barabási-Albert网络的传播过程结果比较，无参数方法比度$k$、贴近中心度、$k$ -壳和混合度分解方法更能准确地识别节点传播影响.这将有助于深入理解网络中节点的重要性。
2014-08-20 cs.SI physics.soc-ph
A rigorous and efficient approach to finding and quantifying symmetries in complex networks
对称性是复杂网络中动力学过程的基础，如集群同步，这已经吸引了大量的研究。然而，在大型复杂网络中寻找对称节点依赖于代数群论中的自同构群，它们在准多项式时间内是可解的。我们阐明了一个概念上有吸引力的和计算上非常有效的方法，通过引入一个结构位置向量（SPV）的网络中的每个节点，找到和表征所有对称节点。我们从数学上证明了具有相同SPV的节点是相互对称的。利用现实世界中六个典型的复杂网络，证明了所有对称节点都可以在线性时间内找到，SPV不仅可以表征节点的相似性，还可以量化节点对网络传播动力学的影响.我们基于SPV的框架，除了被严格证明，提供了一个物理直观的方式来发现，理解和利用复杂网络中的对称结构。
2021-08-05 math-ph math.MP nlin.CD
Node mixing and group structure of complex software networks
大型软件项目是最复杂的人造系统之一，由相互依赖的部分组成。过去从复杂网络的角度对软件系统的研究已经导致了不同应用的显着发现。尽管如此，我们对软件网络结构的理解仍然只是部分的。在这里，我们研究相关性或链接节点之间的混合，并表明软件网络揭示二分法节点度混合类似于最近在生物网络中观察到的。我们进一步表明，软件网络也揭示了特征聚类配置文件和混合。因此，软件网络中的节点混合与例如，互联网或社交网络。我们解释所观察到的混合通过存在的节点组具有共同的链接模式。更确切地说，除了被称为社区的紧密联系的群体之外，软件网络还包括表示模块，核心/外围结构等的断开的群体。此外，组与底层软件项目的内在属性相吻合，这促进了在软件工程中的实际应用。
2015-02-17 cs.SE cs.SI physics.soc-ph
Absorbing Random Walks Interpolating Between Centrality Measures on Complex Networks
中心性，量化了单个节点的“重要性”，是现代网络理论中最基本的概念之一。由于节点在许多方面都很重要，因此使用了许多不同的中心性度量。在这里，我们集中讨论常见的中间性和接近中心性的版本。前者测量通过给定节点的节点对之间的路径的分数，而后者测量特定节点和所有其他节点之间的平均倒数距离。两个中心性仅考虑最短路径（即，测地线）之间的节点对。在这里，我们开发了一种方法，吸收马尔可夫链的基础上，使我们能够不断地插入这两个中心的措施远离测地线的限制，并朝着限制，没有限制的路径长度的步行者可以探索。在该第二个极限处，内插的介数和接近度中心性分别降低到众所周知的当前介数和电阻接近度（信息）中心性。该方法在四个真实网络上进行了数值测试，揭示了节点中心性排名相对于插值参数值的复杂变化。非单调介数行为被发现的特征节点，靠近社区间的边界在所研究的网络。
2020-01-31 cond-mat.stat-mech physics.soc-ph
Beyond the average: Detecting global singular nodes from local features in complex networks
偏离平均值可以提供有关自然系统组织的有价值的见解。本文将这一重要原则扩展到复杂网络中奇异模体的系统识别和分析。六个测量量化不同的和互补的功能，网络的每个节点周围的连接计算，和多元统计方法应用于识别奇异节点。所提出的概念和方法的潜力说明了不同类型的复杂的现实世界的网络，即美国的航空运输网络，蛋白质-蛋白质相互作用的酵母酿酒酵母和Roget词库网络。得到的奇异模体在网络中具有独特的功能作用。三个经典的理论网络模型也进行了研究，巴拉巴西-阿尔伯特模型导致了对应于枢纽的奇异图案，证实了该方法的潜力。有趣的是，不同类型的奇异节点基序的数量以及它们的实例数量在真实世界的网络中比在任何基准网络中都要高得多。
2010-03-16 physics.data-an physics.soc-ph q-bio.MN
Complex networks vulnerability to module-based attacks
在多学科领域的网络科学，优化的过程，有效地打破复杂的网络是吸引了很多注意力，从实践的角度来看。在这篇文章中，我们提出了一种基于模块的方法来有效地打破复杂的网络。该过程首先确定网络可以表示的社区，然后删除节点（边），连接不同的模块，其顺序在介数中心性排名列表。我们通过将其应用于社会，基础设施和生物网络的各种众所周知的例子来说明该方法。我们表明，所提出的方法总是优于顶点（边）攻击的基础上排名的节点（边）度或中心性，与一个巨大的收益的效率为一些例子。值得注意的是，对于美国电网，本方法将4941个节点的原始网络分解为许多小于197个节点（原始大小的4%）的片段，仅删除164个节点（约3%）。相比之下，任何基于度或中心性的过程，删除相同数量的节点，仅删除原始网络的22%，即超过3800个节点继续连接
2015-02-02 cond-mat.stat-mech cs.SI physics.soc-ph
Local rewiring rules for evolving complex networks
对于每个节点具有相同的固定出度的有向网络，考虑了链路重布线的影响。我们模拟了一个由三种机制产生的网络，这些机制存在于各种网络系统中：增长，全球重新布线和本地重新布线。在重新布线阶段，随机选择一个节点，将其一条向外的边从其目的地分离，然后以两种可能的方式之一重新连接到网络;全局连接到随机选择的节点，或局部连接到原始选择节点的后代的后代。虽然连接到节点的概率随着其连通性的增加而增加，但分离的概率也会增加，结果是指数度分布，其中少数外围节点具有极大的度。我们通过识别一组节点可以增长到非常高的程度的情况来解释这些离群值。
2014-08-15 cond-mat.stat-mech cs.SI physics.soc-ph
Complex network representation through multi-dimensional node projection
复杂的网络拓扑结构可能会变得相当复杂，从而挑战许多网络分析目标，例如社区发现。然而，这使得常见的涌现网络现象，如无标度拓扑或小世界性质，更加有趣。在本概念验证论文中，我们提出了一个简单的网络表示模型，该模型受到信号传输物理类比的启发，显然能够再现上述两种现象。该模型似乎是一般的，足以表示和/或近似任意复杂的网络。我们提出了一种方法，通过将每个节点投影到信号谱向量的多维空间中来构建这样的表示，其中网络拓扑由它们的重叠引起。作为一个影响，这使得减少社区发现在复杂的网络，一个简单的聚类投影空间，其中有多种有效的方法。我们相信，这样的网络表示可以成为一个有用的工具，多个网络分析目标。
2018-06-10 cs.SI physics.data-an physics.soc-ph
Input graph: the hidden geometry in controlling complex networks
School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院）；College of Computer Science and Technology, Harbin Engineering University（哈尔滨工程大学计算机科学与技术学院）；IT Center, National Audit Office（国家审计署信息中心）
研究通过输入图揭示复杂网络中控制方案与输入节点的关系，证明相邻节点在控制方案中的类型一致性，并发现大规模组件在真实网络中的出现，为设计高效控制方法提供依据。
2016-11-16 cs.SY eess.SY math.OC
