时效复杂网络的图谱分析及应用

This project aims at building a unified framework model with a combination of multiple temporal properties. Based on the spectral graph theories, we study the effect of the temporal properties on the spreading region, the spreading threshold and the infection ratio in spreading dynamic processes. The node centrality properties and the community identification of temporal networks will be investigated. We propose new centrality metrics and introduce a novel community partitioning algorithm, in order to design the immunization and control strategies of temporal networks. Spectral graph theory has a broad application fields, such as static complex networks, data mining and pattern recognition etc. However, only a few studies adopted the spectral graph methods to analysis temporal networks. The project provides new opportunities to understand the causality between the evolving rules of temporal networks and spreading dynamics, and helps us to understand the human population behaviors. Moreover, the investigation will enhance the understanding of the essence of epidemics prevalence in realistic society and provide theory supports for a better forecasting, controlling and optimizing of the network behaviors, for instance, the control of a massive prevalence of epidemic diseases in human populations. In short, the research on this topic has significant academic value and realistic meaning.

本项目综合考虑时效网络的多种时效属性，建立统一的时效网络框架模型，基于图谱理论研究时效属性对传播动力学过程的传播范围、传播临界值及感染概率等特性的作用规律，剖析个体在时效网络上的中心性及所属社团，提出基于图谱理论的时效网络节点中心性指标和社团划分方法，进而设计针对时效网络传播免疫/控制策略。尽管图谱理论在静态复杂网络、数据挖掘和模式识别等领域有着广泛的应用，但在时效网络中的应用研究还非常少。本项目的开展为理解时效网络自身演化规律与传播动力学的因果关系和调控传播动力学过程提供了一种新思路，能够帮助我们更加深入地了解人类的集群行为，并推动对现实社会病毒传播等动力学机制的理解，为更好地预测、调控和优化网络的集群行为，有效控制大规模疫情的爆发与蔓延，提供理论依据和方法指导，具有十分重要的学术价值和现实意义。

本项目对时效网络进行建模，分析了时效特性对传播动力学的影响，发现时效网络中的探索连边的比例增大会加速时效网络上的流行病传播。基于谱特性分析了流行病传播的节点脆弱性问题，我们发现，当有效传播率等于传播阈值的时候，个体感染概率正比于最大特征向量；当有效传播率足够大的时候，节点被感染概率的排序和节点度的排序是相同的，并给出了排序随有效感染率变化的轨迹交叉点的计算解析式，为根据交叉点数目选择免疫策略提供参考。研究了时效网络中节点传播能力与个体活跃度的相关性对流行病传播临界值的影响，探究了流行病空间入侵的推断算法。研究了时效网络的社团检测算法，提出根据动态模块度来识别网络中的稳定社团。项目组还将改进的社团挖掘算法应用到了中医疾病预诊，将社交群体划分算法应用到了人类位置预测等领域。分析了社会网络的节点中心性和个体影响力的关系，以及在流行病免疫控制中管理节点的选取方法对社会成本最小化的影响，进一步地分析了信息传播对免疫接种行为的影响，发现信息传播不能促进个体的疫苗接种行为。本项目的研究为流行病传播的免疫防控提供了理论支撑，还为时效网络上集群动力学的研究奠定了理论基础。本项目的成果包括：Springer出版社的英文学术专著撰写独立章节1章，SCI/EI论文共18篇（包括NPG期刊Scientific Reports论文1篇，New Journal of Physics 论文1篇，IEEE Trans期刊论文3篇，其他期刊论文影响因子均大于2.5，在国际顶级会议IEEE国际电路与系统大会（ISCAS）、IEEE国际系统、人和控制论大会（SMC）、IEEE 控制与决策大会（CDC）等宣读发表论文8篇）。

内容获取失败，请点击重试