多因素及其相互关系复杂的海量信息可计算建模及算法研究

针对涉及多因素及其相互关系复杂的海量信息处理问题，基于复杂网络理论，建立以（同类因素组成的）子网为基本单元的多子网复合复杂网络模型，给出不同子网间以及不同子网因素间的相互关系的形式描述，定义多子网复合复杂网络中子网的加载、退缩等网络运算法则；在研究该模型的网络性质（重点研究多信息传播并存过程中传播的动力学特性）的基础上，建立该模型上多信息传播的数学模型，给出不同传播相互作用模式下的信息传播的可计算模型；围绕海量信息中的知识发现与海量数据分析，重点研究基于多挖掘模式综合的高效率、高精度数据挖掘方法，给出从海量信息中提取敏感因素典型特征、发现与问题相关知识或未知机理的数据挖掘算法。以海洋灾害（赤潮）分析预测为例，应用前述数据挖掘算法提取海洋灾害发生的相关知识，结合已知机理，建立海洋灾害的多子网复合复杂网络模型及其多信息传播模型，在此基础上，给出海洋灾害分析预测模型及预测支持的数据挖掘算法。

复杂物理与生命现象中的许多问题，涉及多类因素，多类因素间的相互关系复杂，且具有开放性，而此类问题又通常涉及海量信息的处理。基于主题分析的数据仓库、数据挖掘作为海量信息处理的工具已得到广泛应用。然而，若干问题由于机理未知无法预知主题，或机理复杂、涉及存在相互关系的多个主题，典型的逐一单主题的分析存在局限。因此，数据仓库、数据挖掘难以有效地解决上述问题。基于此，本课题基于复杂网络理论，建立了可描述、分析和计算复杂多要素及其关系的系统级模型——复合网，基于复合网给出了网络加载、退缩等动态组网运算，建立了复合网的可计算模型；研究了复合网的拓扑性质，提出了网际结点、网际连边等跨子网的性质，研究了其在信息传播等动力学性质的影响与作用。在此基础上，基于复合网模型研究了海洋灾害检测与预测、致病基因检测、交通网络演化、中医药分析等应用问题，应用建模研究验证了复合网模型具有较强的通用性，在复杂问题描述、分析及建模方面能力强。本课题的研究为复杂、海量数据的处理与分析提供了系统级可计算模型与分析方法，丰富了复杂网络理论，为复杂物理与生命现象中的若干问题（运行规律提取、未知机理发现等）的分析提供了有效支撑。

内容获取失败，请点击重试