加权网络 - 360文档中心

【国家自然科学基金】_有向加权网络_基金支持热词逐年推荐_【万方软件创新助手】_20140731

2008年序号 1 2 3 4 5 6 7 8 9
科研热词推荐指数高新技术产业开发区网络 1 社团结构 1 气候复杂网络 1 气候变化 1 有权网络 1 无权网络 1 拓扑结构 1 拓扑性质 1 cfinder软件 1
2010年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
2011年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
科Байду номын сангаас热词有向加权网络聚类系数节点的入度节点出强度节点入强度:节点的出度脆弱线路网络数据挖掘竞争扩散社团结构电网拓扑结构辨识电力网络点权有限有向电气介数有向性有向全局导纳有功和无功网络分解无标度无功电压分区拓扑生成拓扑模型投入产出幂率分布幂律分布对等网络大批量定制复杂网络理论复杂网络加权有向网络仿真价格模型价格传导时滞产品族三角构成规则 bbv模型
2014年序号 1 2 3 4
科研热词李雅普诺夫函数有向图多个体系统一致性
推荐指数 1 1 1 1
科研热词有向加权网络复杂网络边权节点出强度节点入强度竞争关系石油价格电网脆弱性汽车零部件产业模型群有向加权拓扑网络无标度网络拓扑结构拓扑模型强度分布局域世界字符序列复杂网络理论 p、q网分解 bbv模型
推荐指数 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
推荐指数 3 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

基于作者贡献的合著网络加权模式研究

后作者之间贡献级差过小，但由于作者人数超过 20 的文献数量较少且指数分布中参数 a 的确定较为复所以在含权合著网络边权模型的构建过程中，以杂，线性分布作为作者贡献简化模型。国际上一般很看重通讯作者，通讯作者即文章最重要的作者。通讯作者往往是论文的第一作者，当第一作者与通讯作者不同时，则有必要注明通讯作者情况。在存在通讯作者，且通讯作者不是第一作者的情况下，将通讯作者与第一作者同等看待，也就是假设通讯作者所做贡献与第一作者所做贡献是那么考虑通讯作者情况的作者贡献模型：等同的， C（ s， n， p， t， m） = n + 1 － s1 － m 1 n（ n + 1 ） + p（ t － 1 ） 2
［2 ］
，这种方法对简单加权的方法进行了一定程度
的改进，认为两个作者之间的合著强度不是恒定的，而是根据文献合著作者人数的不同而有所不同，一篇文献著者的数量和合著强度成反比。 Wk i， j = 1 nk － 1
k k
k W i， j = ∑ W i， j =∑ k i， j
1 nk － 1
。两作者之间的合著关系是多次合著行为形成
的结果，一般来说，作者之间的合著次数会越来越多，相应作者之间的关系也会越来越紧密。作者之以致于两作间合著次数随着时间的推移逐渐增加，者之间的合著关系越来越紧密，从而影响到了整个 Newman 提出了根据合著次数合著网络。2004 年，及合著强度共同来计算合著关系网络边权的方法
— —论文 k 中，其中： W — 作者 i 与作者 j 之间的合著强度 nk — — —论文 k 中，合著作者的总人数 W i， — —作者 i 与作者 j 两个节点之间的边权 j— 针对这种方法将文献中各作者之间合著关系做而不考虑不同作者之间合著关系强度差相同处理，

基于负载流的点加权复杂网络节点重要性评估方法研究

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１ — ３６９５．２０１３．０１．０３３
Ｎｅｗｍｅａｓｕｒｅｏｆｎｏｄｅｉｍｐｏｒｔａｎｃｅｂａｓｅｄｏｎｌｏａｄｌｆｏｗｉｎｎｏｄｅ．．ｗｅｉｇｈｔｅｄｃｏｍｐｌｅｘｎｅｔｗｏｒｋｓ
Ａｂｓｔｒａｃｔ：Ａｔｐｒｅｓｅｎｔ，ｍｏｓｔｏｆｒｅｓｅａｒｃｈｏｎｎｏｄｅｉｍｐｏｒｔａｎｃｅｅｖａｌｕａｔｉｏｎｉｓｃｏｎｃｅｎｔｒａｔｅｄｏｎｓｔａｔｉｃｕｎ — ｗｅｉｇｈｔｅｄｎｅｔｗｏｒｋ．Ｆｏｒｗｅｉｇｈｔｅｄｎｅｔｗｏｒｋｓ，ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｅｄａｎｅｗｅｖａｌｕｔｉｏｎｍｅｔｈｏｄｏｆｎｏｄｅｉｍｐｏｒｔａｎｃｅｂａｓｅｄｏｎｌｏａｄｆｌｏｗｉｎｔｈｅｎｏｄｅ・ｗｅｉｇｈｔｅｄｎｅｔｗｏｒｋ，ａｎｄｉｔｗａｓｂａｓｅｄｏｎｔｈｅｃｏｎｔｒｉｂｕｔｉｏｎｏｆｔｈｅｎｏｄｅｓｆｏｒｔｈｅｗｈｏｌｅｎｅｔｗｏｒｋｉｎｔｈｅｖｉｅｗｏｆｍｉｃｒｏｓｃｏｐｉｃａｎｄｍａｃｒｏｓｃｏｐｉｃ．Ｔｈｅｍｏｓｔｉｍｐｏｔｒａｎｔｎｏｄｅｗａｓｔｈｅｏｎｅｗｈｉｃｈｗａｓｄｅｔｅｒｍｉｎｅｄｂｙｔｈｅｏｕｔｐｕｔｉｎｇｌｏａｄ，ｉｎｐｕｔｉｎｇｌｏａｄａｎｄｃｒｏｓｓｉｎｇｌｏａｄｂｅｔｗｅｅｎｔｈｅｄｉｆｅｒｅｎｔｎｏｄｅｓ．Ｔｈｅｉｍｐｒｏｖｅｄｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄｃｏｕｌｄｈｅｌｐｅｘａｃｔｌｙｔｏｉｆｎｄｓｏｍｅｃｒｉｔｉｃａｌｎｏｄｅｓｗｈｉｃｈｗａｒｅｓｅｎｓｉｔｉｖｅｔｏｔｈｅｅｆｆｉ — ｃｉｅｎｃｙｏｆｎｅｔｗｏｒｋｓ．Ｆｉｎａｌ，ｅｘａｍｐｌｅｖｅｒｉｉｆｅｓｉｔｓｅｆｉｆｃｉｅｎｃｙａｎｄｆｅａｓｉｂｉｌｉｔｙＫｅｙｗｏｒｄｓ：ｃｏｍｐｌｅｘｎｅｔｗｏｒｋｓ；ｗｅｉｇｈｔｏｆｎｅｔｗｏｒｋｓ；ｌｏａｄｌｆｏｗ；ｂｅｔｗｅｅｎｎｅｓｓ；ｓｈｏｔｒｅｓｔｐａｔｈ；ｎｏｄｅｉｍｐｏｔｒａｎｃｅ

基于加权知识网络的个人及群体知识结构分析方法

构成方面存在很多困难。为此，文提出如下方法：本
将个人及群体知识体系划分为若干知识领域，一领域每
又可再分为若干子领域，子领域继续分割细化，得更小对可
的子领域，到不可或不必再分时为止（程如图１示）直过所。
要素相互关系的总和，因此这类方法侧重于对知识系统的构
成要素及其相互关系的分析。由于第一类方法比较简略，并很难进行更深入的分析和研究，此在本文的研究中，个因对
基于加权知识网络的个人及群体知识结构分析方法
席运江，党延忠
（连理工大学系统工程研究所，辽宁大连１６２）大１０４
摘要：文对个人及群体的知识结构分析方法进行了研究。首先将个人及群体的知识结构表示为一个加权知本识网络，其中节点权重表示个人及群体对各知识点的掌握程度。在此基础上，对个人及群体的领域知识表示方法、在特定领域的知识广度和深度的涵义及度量方法等进行了研究，并对交叉知识领域的特性进行了分析。最后
有哪些知识、知识的掌握程度、及各类知识之间的关联对以

基于多元加权网络的装备维修保障组织结构动态演化模型

ｔｄｎｔｒｍｏｅｆｅｕｐｎｍａｎｅａｃｌｇｓｉｓｏｇｎｚｔｏａｓｒｃｕｅｅｅｗｏｋｄｌｏｑｉｍｅｔｉｔｎｎｅｏｉｔｃｒａｉａｉｎｌｔｕｔｒｗａａｄｅｓｄ，ｎｖｓｄｒｓｅａｄｆｅｉ
ＸｕｇｏＩｉｇＬＵＧａ — ｎＵＹ —ｕ，ＱＵＪ，Ｉｕｎｊｎｕ
（ａｏａｏｙｏｃｅｃｎｅｈｏｏｙｏｎｅｒｔｄＬｇｓｃｕｐｒ，ＣｏｌｇｆＭｅｈｔｎｃｎｉｅｒｎｎｔｍａｉｎＬｂｒｔｒｆＳｉｎｅａｄＴｃｎｌｇｎＩｔｇａｅｏｉｔｓＳｐｏｔｉｌｅｏｃａｒｉｓＥｇｎｅｉｇａｄＡｕｏｔｅｏｏ
ｃｒｃｅｉｔｃｖｌｅｉｈｄｐｉｔｔｅｍａｎｅｎｅｌｇｓｉｓｏｇｎｚｔｏｌｓｒｃｕｒｒｆｎｄ．Ｔｅｉｈａａｔｒｓｉａｕｓｗｈｃｅｃｈｉｔｎａｃｏｉｔｃｒａｉａｉｎａｔｕｔｅｗｅｅｄｅｉｅｈｍ— ｐｃｆｔｐｏｏｙｃｒｃｅｉｔｓａｄｄｎｍｉｅｏｕｉｎｏｈｑｉｍｅｔｍａｎｅａｃｏｉｔｃｒａｉａａｔｏｏｌｇｈａａｔｒｓｉｎｙａｃｖｌｔｏｎｔｅｅｕｐｎｉｔｎｎｅｌｇｓｉｓｏｇｎｚ — ｃｔｏａｔｕｔｒｓａａｙｅｉｎｌｓｒｃｕｅｗａｎｌｚｄ．Ｔｗｏｄｎｍｉｖｌｔｎｍｏｅｓｏｑｉｍｅｔｍａｎｅａｃｏｉｔｃｒａｉａｙａｃｅｏｕｉｄｌｆｅｕｐｎｉｔｎｎｅｌｇｓｉｓｏｇｎｚ — ｏｔｏａｔｕｃｕｅｗｅｅｐｏｏｅａｅｎｔｅｍｕｔｅｅｎ－ｉｈｅｅｗｏｋ，ｗｈｃｒｈａｄｍｖｌ－ｉｎｌｓｒｔｒｒｒｐｓｄｂｓｄｏｈｌｉｌｍｅｔｗｅｇｔｄｎｔｒｉｈａｅｔｅｒｎｏｅｏｕ

基于加权基因共表达网络分析筛选肝细胞癌预后相关生物标志物及潜在治疗药物

基于加权基因共表达网络分析筛选肝细胞癌预后相关生物标志物及潜在治疗药物张昊军;李泓毅;智鹏;张钧栋;王紫宁;于琦;卢学春【期刊名称】《胃肠病学和肝病学杂志》【年(卷),期】2024(33)1【摘要】目的筛选肝细胞癌(hepatocellular carcinoma,HCC)预后相关生物标志物,从分子水平探讨HCC可能的发病机制,并预测对HCC具有潜在治疗作用的候选药物。

方法下载TCGA数据库和GEO数据库中HCC的转录组数据及其临床记录信息。

分别对其基因表达谱数据进行加权基因共表达网络分析(weighted geneco-expression network analysis,WGCNA)和差异表达基因分析,选取两个数据集中与疾病正相关性最高的模块基因与差异表达基因取交集作为关键基因。

利用GO 和KEGG对关键基因进行功能富集分析。

利用STRING数据库构建PPI网络,使用Cytoscape软件对关键基因进行相关性分析,筛选核心基因。

使用R语言程序包K-M进行生存分析明确核心基因与HCC患者预后关系。

利用在线数据库DGIdb、DREMIT联合进行HCC潜在治疗药物的筛选,依据药物靶点匹配数量、优选得分、特异性得分对预测结果进行排序,选择排名靠前的药物作为可能的候选治疗药物。

结果最终共得到64个关键基因,主要富集于细胞周期与分裂、DNA复制和损伤修复、病毒感染、P53信号通路等。

PPI分析发现,CDC20、KIF2C、CCNB2、KIF20A、CCNA2、TOP2A、UBE2C、NUSAP1、AURKA和TRX2为核心基因。

K-M生存分析显示,CDC20、KIF20A、CCNA2、TOP2A与HCC的预后显著相关。

DGIdb、DREMI联合筛选对HCC有潜在疗效的候选药物,其中索拉非尼、多维替尼、氟尿嘧啶、米托蒽醌等在DGIdb、DREMI中皆排名靠前。

结论 CDC20、KIF20A、CCNA2、TOP2A可能是HCC预后的潜在生物标志物,但仍需进一步临床研究加以验证。

基于加权超网络的区域物流网络模型及特征分析

征，本文主要采用复杂网络的加权网络和超网络
（ｐｒｅｗｒ）Ｈｓｅｔｏｋ￣结合的思想对它进行研究．ｕｎｆ
个自身分形网络（图１所示）如．以区域经济区域
内货物中心为节点，经济区域内众多实物中心之间
率的有效措施之一．
体系，是系统化、集成化和一体化网络组织Ｌ．区７在Ｊ域经济学中，网络是节点和线路的结合体，节点是
网络的心脏，线路则是构成节点之间、点与域面、节
文献标识码：Ａ
关键词：加权超网络；物流网络；模型；特征
提出，目前主要用于研究ｉｔｒｅｎｅｎｔ网络，交通网络及供应链网络等 ¨ Ｊ些成为研究大型复杂系统ｊ．这曲的一种新兴工具．加权网络和超网络结合起来有把
中货物与信息间存在映射关系，这样以超网络模型
Ｖ０．０ＮＯ３１２．Ｓｐ２０ｅ．０８
文章编号：１７．１６２０）３０５ —５６２６４（０８０ —０３０
基于加权超网络的区域物流网络模型及特征分析
杨光华，谢小良２一
（．１湖南交通职业技术学院资源与环境科学学院，湖南长沙，１０４４００；２中南大学交通运输学院，．湖南长沙，１０５４０７）
连接而成，货物流节点是一种物流基础设施，包括
货物的收集、配送、仓储等，这样一个节点由下级节点汇集而成，点又可再分为若干子点，从而构成

具有高集群的加权无标度网络建模分析的开题报告

具有高集群的加权无标度网络建模分析的开题报告1. 研究背景和意义随着大量数据的产生和存储，网络分析已经成为了重要的研究领域。

无标度网络是一类具有高集群、高度中心性和幂律度分布特征的网络结构。

在实际应用中，很多实际网络都具有无标度特征，比如社交网络、互联网、蛋白质相互作用网络等。

加权无标度网络则是一种具有节点间链接权重的无标度网络，其结构与节点重要性更加紧密相关。

因此，对于加权无标度网络的建模和分析具有重要的理论和实际意义。

2. 研究内容和方法本文的研究内容是基于加权无标度网络的建模和分析。

具体来说，我们将从以下两个方面进行研究：（1）加权无标度网络的建模方法。

我们将探索一种新的建模方法，并通过数据实验验证其有效性。

这种方法基于节点属性和链接权重构建模型，以更好地解释节点重要性和网络结构特征。

（2）加权无标度网络的结构特征分析。

我们将使用该模型构建加权无标度网络，并对其网络特征进行分析。

具体包括网络度分布、节点重要性、集群系数等指标，并与实际网络进行比较。

本文的研究方法包括理论分析和实验验证。

理论分析将依据加权无标度网络的结构和特征，提出建模方法和分析指标，并进行理论证明。

实验验证将通过数据采集和分析，构建加权无标度网络，并比较其实际网络与理论模型的一致性和有效性。

3. 研究创新点本文的研究创新点如下：（1）探索一种新的加权无标度网络建模方法，能够更好地描述节点重要性和网络结构特征。

（2）基于新的建模方法，进行加权无标度网络结构特征分析，提出新的网络指标和分析方法。

（3）通过实验验证，证明新的建模方法和分析方法的有效性和实用性。

4. 预期结果本文的预期研究结果包括：（1）提出一种基于节点属性和链接权重的加权无标度网络建模方法。

（2）建立一个有效的加权无标度网络结构特征分析框架，比较其实际网络与理论模型的一致性和有效性。

（3）提出一些新的网络指标和分析方法，在加权无标度网络研究领域上具有一定的推广应用价值。