检索结果-南通市图书馆

作者：吴妹儿东北师范大学

学位级别：硕士

现代社会是一个复杂网络的时代,复杂网络代表着人类社会的各种实体之间相互交互和联系。近年来,随着复杂网络研究不断发展,人们也逐渐开始运用这一新型工具来研究现实世界中的大型复杂系统。例如,计算机科学、遗传学、社会科学、经济学... 详细信息

现代社会是一个复杂网络的时代,复杂网络代表着人类社会的各种实体之间相互交互和联系。近年来,随着复杂网络研究不断发展,人们也逐渐开始运用这一新型工具来研究现实世界中的大型复杂系统。例如,计算机科学、遗传学、社会科学、经济学和神经科学等领域广泛应用复杂网络建模与推断,这也极大推动了人们对网络建模和统计推断工具产生的兴趣。网络是一组节点(表示一组实体)和一组边(表示实体之间的交互或联系)组成的。现代系统中的实体往往参与多个交互,这使得多层网络才能更好地表述现代复杂系统。其中社区结构是最为重要的网络结构特征,与单层网络一样,检测社区结构是研究多层网络中的一项重要任务。本文针对多层网络中的联合社区检测问题提出方法和理论,这些方法和理论可用于解决现实数据中的问题。随机块模型(SBM)是传统的图生成模型。在SBM基础上,随机效应随机块模型(RESBM)是一个生成多层网络的灵活模型框架,该模型思想是通过一个假定的平均社区结构随机生成多层网络的社区结构,使得生成多层网络的某些层具有独特的社区结构。在大规模网络下,精确拟合RESBM模型是一个NP-hard问题。针对此问题Paul&Chen提出了变分期望最大化算法(Var EM)、两步谱聚类或矩阵分解结合最大似然方法拟合RESBM模型。这两种方法缺点在于模型复杂情况下变分期望最大化方法在处理大规模节点时计算效率低,而两步法割裂了模型的特点。事实上,两步法中的第一步不依赖于模型是完全非参数的步骤,并且两种方法均缺乏理论保证。为此,本文提出RE-SL算法用于拟合RESBM模型,拟合后的模型输出用于解决多层网络的社区发现问题。RE-SL算法基于分裂似然方法的框架,通过解耦多层网络的行、列社区标签,以分裂完全似然函数代替原始完全似然函数,再根据Jensen不等式放缩得到分裂似然函数下界,将最大化原始似然函数的问题转化为分裂似然函数下界进行优化。RE-SL算法采取交替最大化的方法,在给定当前其他社区分配和当前模型参数条件下,计算所求社区分配矩阵的后验期望的最大值,反过来利用后验期望更新模型参数,反复迭代,直至收敛。本文从两个方面体现RE-SL算法的优越性。一方面在算法的理论性质上,建立了RE-SL算法的收敛理论。同时表明,若初始标签与真实社区标签有重叠,那么RE-SL算法估计的社区标签具有强相合性。另一方面在算法的表现性能上,通过大量模拟实验表明RE-SL算法在大规模网络中表现良好,在社区检测精度和计算效率方面都具有优势。此外,将RE-SL算法应用于精神分裂症的静息状态f MRI的研究,说明了精神分裂症患者的网络社区结构变化特点。

关键词：多层网络社区检测随机效应随机块模型 RE-SL算法

基于核磁共振图像和多维协变量的网络数据聚类分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于核磁共振图像和多维协变量的网络数据聚类分析

作者：刘莹莹东北师范大学

学位级别：硕士

伴随着年龄的增长,大脑会发生结构萎缩、功能衰退等一系列变化,随着社会的发展大脑认知功能衰退是许多国家劳动力市场面临的一个重要挑战。现有证据表明,认知技能是在生命早期形成的,随着年龄的增长,大脑的认知能力会逐步上升达到巅峰,... 详细信息

伴随着年龄的增长,大脑会发生结构萎缩、功能衰退等一系列变化,随着社会的发展大脑认知功能衰退是许多国家劳动力市场面临的一个重要挑战。现有证据表明,认知技能是在生命早期形成的,随着年龄的增长,大脑的认知能力会逐步上升达到巅峰,然后认知能力开始下降。为了提前预警人脑认知能力的衰退,对大脑根据年龄进行聚类,得到大脑到达巅峰并开始走向衰退的年龄对大脑研究具有重要意义。在得到脑邻接网络矩阵和对应的年龄特征后,为了根据年龄的变化确定阈值,用来将脑邻接网络矩阵进行聚类,本文提出了一种基于多维协变量进行网络数据聚类分析的算法,根据聚类的思想要想最后的结果最好,也就是要使均值最小化,需要最小化所有的数据点与其所关联的聚类中心点之间的距离之和,在聚类和距离最小的情况下得到分类阈值,在多维协变量的条件下要在目标函数最小时得到的方向变量与位置变量的取值,因为得到目标函数中含有示性函数,由于示性函数的不连续性,无法对目标函数进行求导,所以需要进行近似替换,本文采用DC规划的方法进行近似替换,并且证明了算法的收敛性。大脑是一个有机统一的整体,任一认知功能活动均需要由不同的脑区相互协调、相互配合完成。脑功能连接直观地描述了执行某一特定认知功能活动时,空间上远离的脑区之间的时间相关性,也即时间同步一致性。两个脑区之间存在功能连接意味着这两个脑区在大脑执行某一特定认知功能活动时同步激活。根据已有脑分区方法得到感兴趣脑区,然后提取感兴趣脑区对应的BOLD信号。在对脑功能连接网络进行定性分析时,为了同时分析脑功能连接网络中的正、负功能连接,本章采用BOLD信号之间的皮尔森相关系数来衡量脑功能连接。通过确定下来的算法对数据进行预测,为了避免结论的偶然性本文对三份数据同时进行处理分析,得到人脑开始衰退的阈值,并且结合其他研究进行结果的分析,证明结论的有效性。

关键词：多维协变量网络聚类 DC规划功能性磁共振成像

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于媒体情感的交易型开放式指数基金研究

基于媒体情感的交易型开放式指数基金研究

作者：苏雪东北师范大学

学位级别：硕士

现代社会人们越来越关注什么样的投资策略可以使可支配收入得到丰厚的利润,在各种各样的投资方式之中,股票受到了投资者们的广泛关注,进而股票也受到了众多学者们的关注与研究,如何将利润最大化成为了学者们研究的热点话题。一些研究者... 详细信息

现代社会人们越来越关注什么样的投资策略可以使可支配收入得到丰厚的利润,在各种各样的投资方式之中,股票受到了投资者们的广泛关注,进而股票也受到了众多学者们的关注与研究,如何将利润最大化成为了学者们研究的热点话题。一些研究者也对新闻报道在股票市场中发挥了怎样的作用进行了研究,他们发现媒体新闻所反应出来的情感倾向会作用在股票市场,正面或负面的影响都会体现在股票市场的表现上。本文选择了“5G”股票作为研究对象,从财经新闻情感角度出发,通过情感分析量化财经新闻对“5G”的情感值,同时也对权威报纸的文本信息进行分析量化以此得到权威报纸对“5G”的关注度。最后将财经新闻对“5G”的情感值和权威报纸对“5G”的关注度按照日期进行整合得到一个指标即媒体关注度情感指标,为文章后面的实验研究做好准备。本文选取华夏中证5G通信主题ETF（5G ETF）基金作为研究对象,将前文得到的媒体关注度情感数据与5G ETF的股票指标数据按照日期进行整合,得到关于股票的完整的时间序列数据,构建向量自回归模型,构建模型后对模型做了脉冲响应分析、方差分解和格兰杰因果关系检验,进一步分析媒体关注度情感和放量程度之间的联系。

关键词：媒体情感媒体关注度向量自回归模型格兰杰因果关系检验

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于藤Copula的股票市场联动性分析

基于藤Copula的股票市场联动性分析

作者：刘茳东北师范大学

学位级别：硕士

本文将Copula函数与三种藤结构组合成藤Copula模型,结合上、下尾部相关PMFG网络图,分别从宏观与微观的角度分析了全球主要股票指数之间的相关性以及联动效应,提出了一种构建相关性结构的新思路,选择出适当的Copula模型用于分析多维随机... 详细信息

本文将Copula函数与三种藤结构组合成藤Copula模型,结合上、下尾部相关PMFG网络图,分别从宏观与微观的角度分析了全球主要股票指数之间的相关性以及联动效应,提出了一种构建相关性结构的新思路,选择出适当的Copula模型用于分析多维随机变量的相关性,并将其应用到股票市场联动性分析中。与单一的多元Copula模型(如Guassian Copula和Student-t Copula)的分析结果相比,藤Copula模型在构建相关结构中显示出一定的优越性。在实证研究中,本文将Copula函数、藤结构以及图数据算法相结合,用于股票市场相关性研究。将Symmetrized Joe-Copule(SJC)函数和图数据算法(平面极大过滤图,PMFG)结合,构建了2009-2021年期间全球金融市场51只股票指数周收盘价的上、下尾相关网络,分别通过多元Copula函数以及藤Copula模型对51支股指的相关性进行参数估计,并将不同模型的拟合效果做了对比分析,分析结果表明R藤Copula模型在构建多元相关结构时具有灵活性和实用性。随后,通过三种藤Copula模型对选择的八支有代表性的股票指数进行了联动性分析。

关键词： Copula理论藤结构尾部相关PMFG网络藤Copula模型联动性分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

以东北三省为例的城市地面交通路网研究

以东北三省为例的城市地面交通路网研究

作者：栾璐璐东北师范大学

学位级别：硕士

近年来,随着人们生活水平的提高以及经济建设的不断发展,城市交通拥挤情况已然成为亟待解决的关键问题,城市地面交通作为城市交通的重要组成部分,长期的交通拥堵为居民出行带来极大的不便。以城市交通网络为研究对象,利用Python、R语言... 详细信息

近年来,随着人们生活水平的提高以及经济建设的不断发展,城市交通拥挤情况已然成为亟待解决的关键问题,城市地面交通作为城市交通的重要组成部分,长期的交通拥堵为居民出行带来极大的不便。以城市交通网络为研究对象,利用Python、R语言等编程语言进行建模分析,考察交通路网结构建设的合理性,对城市交通建设起着关键作用,为了评价交通路网结构的合理性,本文采用网络数据分析技术对城市交通网络进行了深入研究,从中得到了一些有意义的结论,能够为城市交通建设提供一些量化参考意见。长春、沈阳及哈尔滨作为东北三省的经济中心,一直是学者进行东北地区经济研究的重心。据高德报告提出,不管是经济发展水平还是城市规模以及车辆保有量都处于较高水平的沈阳的交通拥堵情况要明显好于哈尔滨和长春的交通拥堵情况。这三个城市交通状况的差异引起了我的研究兴趣,本文以这三个城市路网为研究对象,首先利用复杂网络理论的原始法对其进行复杂网络建模,网络建模后,对网络模型的静态拓扑参数如:度与度分布、平均最短路径、聚类系数、全局效率及应力中心性等进行对比分析,通过分析发现城市交通网络具有小世界网络特性,并利用熵权法对路网性质进行综合评价。之后,通过对网络中的边进行蓄意攻击和随机攻击研究网络的鲁棒性。研究发现,不管是在蓄意攻击模式下还是在随机攻击模式下,沈阳路网的鲁棒性最好,长春路网次之,而哈尔滨路网的鲁棒性最弱。由于在复杂网络的理论中,边介数代表了网络中边的信息传递重要性,一条边的边介数越大说明这条边在网络中占有越重要的地位,因此我们通过去掉最大边介数的方式来模拟实际路网中主干道修路情形,以此来研究路网的自我调节能力。我们发现,长春路网和哈尔滨路网在去掉最大介数边之后,拥堵路段呈现集中且连续的拥堵,车流量由于不能得到及时疏散,容易导致区域性交通瘫痪,而沈阳路网的拥堵路段呈现离散的小型拥堵,不易造成交通瘫痪。以上分析,我们发现了网络的块状结构对网络交通造成了很大影响,如长春路网的净月区域以及哈尔滨路网的松北区及呼兰区,由于块状结构与块状结构之间只通过少量边相连,这些边承载了过多的交通流量,更容易引起交通拥堵问题,因此,接下来我着重研究了网络的模块化程度对交通路网的影响。首先利用伪似然算法（Pseudo Likelihood,PL）对网络进行社区划分,得到各个路网的最优划分。为了使得不同网络之间模块化程度具有可比性,定义了基于模块度的模块化程度衡量指标与基于边概率矩阵P的模块化程度衡量指标,通过计算发现,哈尔滨路网的模块化程度最高,长春次之,沈阳路网的模块化程度最低。综上所述,本文通过复杂网络理论在城市交通路网中的应用,直观的反映了路网的特性及不足,之后,对路网建设的合理性进行评价,并结合实际情况,对路网的合理性建设提出有效建议,并对未来研究做出了展望。

关键词：复杂网络静态拓扑参数介数鲁棒性模块化

基于地区GDP和空间结构的经济区域划分方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于地区GDP和空间结构的经济区域划分方法

作者：辛泽曦东北师范大学

学位级别：硕士

非负矩阵分解算法是机器学习中重要的非监督分类算法之一,由于其具有丰富的可解释性以及和聚类方法之间的密切关系,使得其常常作为研究工具应用于网络分析的相关工作中。在本文中,我们将网络的概念引入进来帮助我们以另一个角度对中国... 详细信息

非负矩阵分解算法是机器学习中重要的非监督分类算法之一,由于其具有丰富的可解释性以及和聚类方法之间的密切关系,使得其常常作为研究工具应用于网络分析的相关工作中。在本文中,我们将网络的概念引入进来帮助我们以另一个角度对中国经济区域划分进行研究。在使用非负矩阵分解算法基于中国31个省份及自治区近20年的GDP总量、GDP指数及人均GDP三项指标进行聚类分析的基础上我们还引入了邻接矩阵,即将各省之间相邻地理位置关系的影响利用图的概念引入惩罚项中。本文有别于过去常见的采用K-means聚类法来对中国经济区域进行划分的方式,而是在经济区域划分的传统指标考量中,继续探讨相邻省份之间的空间因素对经济是否也存在着足够的影响。将空间因素引入经济区域划分的研究工作中,有助于国家的有关机构组织制订经济政策,即相邻几个省份经济情况相近的几个省份可以采用大致相同的经济政策,同时也有助于构建新兴城市圈,以此来带动周边几个省份的经济发展。在文章中,我们借助于拉格朗日乘子法、KKT条件和矩阵迹的不等式等工具对这一算法的正确性和收敛性进行验证,并且对这一算法在解决实际问题的合理性上进行相应探究。

关键词：非负矩阵分解算法邻接矩阵经济区域划分 KKT条件

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于分身似然的多片网络社区发现算法

基于分身似然的多片网络社区发现算法

作者：张文皓东北师范大学

学位级别：硕士

网络科学已经在计算机科学,统计学,社会科学和生物学等学科中得到了广泛的应用,典型例子包括社交网络,交通网络,电力网络和通信网络等等.近年来,随着网络规模和网络复杂性的增加以及网络科学技术与理论的不断进步,网络科学在实际中的应... 详细信息

网络科学已经在计算机科学,统计学,社会科学和生物学等学科中得到了广泛的应用,典型例子包括社交网络,交通网络,电力网络和通信网络等等.近年来,随着网络规模和网络复杂性的增加以及网络科学技术与理论的不断进步,网络科学在实际中的应用也得到了不断的深化和扩展.社区结构是在复杂网络研究过程中最为重要的网络结构特征,是该领域的重要研究方向之一.在对大规模的实际社区结构进行深入分析过程中,网络社区发现起着关键的作用.目前,网络科学的主要任务仍然是集中在单个网络上,而在实际情况中许多网络并不是孤立存在的,而与其他的网络可能存在相互依赖或者合作与竞争的关系.多片网络同时获取了节点间多种类型关系,例如这些节点在不同的时间下组成的动态网络,又如在不同社交软件下组成的多层社交网络.为了综合利用多片网络中片与片之间的结构信息以及全面研究这些节点的共享社区,人们提出了很多种多片社区发现方法来代替单片的社区发现方法.在这些多片社区发现方法中,统计方法因其在描述多片网络的生成模式方面发挥着重要作用,近年来受到越来越多的关注.随机块模型（SBM）作为一种典型的随机图生成模型,在网络社区发现任务中得到了广泛的应用.由于在SBM下社区标签预测的理论优化问题是NP-hard问题,从而无法实现精确似然推断.在SBM基础上,多层随机块模型（MLSBM）是一种广泛应用于描述多层网络中多层社区结构的概率模型.它的主要思想是所有的网络层对节点都持有共享的社区分配,而每一层网络的模型参数可以各自独立设置.在大规模网络环境下,对MLSBM进行精确的似然推断在计算上同样是不可行的.因此,人们开发了许多近似策略来提高计算效率.然而,这些方法中的大多数仍然不能扩展到大规模网络.为此,针对大规模多层网络的社区发现问题,本文在分身似然（Split Likelihood,SL）框架的基础上,将SL算法推广到多片网络中,提出多层分身似然（ML-SL）的快速算法.在这个算法中,我们提出了一个适用于多片网络的推断函数――分身似然函数,通过将原始SBM的变量分割成两组具有独立同分布的随机变量来避免处理原始观测似然的推断问题,用于预测所有网络层的共享社区分配并估计MLSBM中所有网络层的参数,并证明了其参数的收敛性.同时,本文对于ML-SL算法的估计结果给出了相合性的证明,为ML-SL算法的社区发现提供了理论保障.同时,在实际网络中很有可能出现网络社区内部节点的度差异较大的情况,或存在Hub节点使其不满足随机块模型的假设,此时ML-SL无法使用.为了解决此类多片网络的社区发现问题,本文提出改进版的ML-SL算法,称为条件分身似然算法（ML-CSL）.最后,本文通过大量的数值实验和两次实际数据分析,验证了该方法在社区标签预测准确度和计算效率上的优越性.

关键词：社区发现多片网络随机块模型 Twitter网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于团图聚类的重叠社区发现算法

基于团图聚类的重叠社区发现算法

作者：余海青东北师范大学

学位级别：硕士

网络科学是研究复杂网络系统的定性和定量规律的一门交叉科学,研究涉及到复杂网络的各种拓扑结构及其性质,其研究对象来源于各应用领域,例如移动通信网络,交通网络,电力网络等.应用领域中很多网络都具有社区结构,即整个网络由多个社区构... 详细信息

网络科学是研究复杂网络系统的定性和定量规律的一门交叉科学,研究涉及到复杂网络的各种拓扑结构及其性质,其研究对象来源于各应用领域,例如移动通信网络,交通网络,电力网络等.应用领域中很多网络都具有社区结构,即整个网络由多个社区构成,社区内个体之间的连接比较紧密,社区间个体之间的连接比较稀疏.由于社区结构对于深入理解网络的本质和充分利用网络的信息具有重要意义,社区发现成为了网络数据分析的一个重要课题.传统的网络社区发现算法着重于研究社区的定量刻画和社区结构的有效挖掘,多数社区发现算法把网络中的个体分且仅分到一个社区,但在许多实际的网络中,社区结构往往具有相互重叠的特征,即存在一些“骑墙节点”,这些骑墙节点可能同时属于多个社区.在这种情况下,挖掘重叠社区结构和分析重叠节点的特性,将有助于我们更准确地了解网络的结构特征.2010年,Lehmann等人提出了一种能够发现具有重叠性和层次性社区结构的方法,把社区看作是网络中边的集合,对边进行社区发现,进而基于边的社区得到原网络节点的重叠社区.然而,在很多真实网络中边数往往大于节点数,因此把边图作为二级图进行聚类与直接将节点进行聚类相比,将极大地增加社区发现算法的计算量.鉴于此,从实现重叠社区结构发现且同时减少计算时间的角度出发,本文提出了一种基于团图的重叠社区发现新思路.其中,由于在很多网络中团的数目往往远小于边数,我们将把网络中的社区看作网络中团的集合,对团进行聚类,再将团的社区转化为原网络节点的社区.由于节点可以属于不同的团,所以节点就可以属于不同的社区,于是我们将可以得到可重叠的社区结构.基于团结构的全耦合性,团图聚类算法能够在社区内保留团内节点紧密连接的特点,这使得基于团实现的重叠社区发现也保持了准确性.同时提出了重叠节点成对的社区隶属度和成对的社区介数中心性定义,可以通过这些性质来判断重叠节点在所属社区间的传递性.

关键词：重叠社区发现团图分解谱聚类