在复杂网络的传播模型研究中,如何发现最具影响力的传播节点在理论和现实应用中都有重大的意义.目前的研究一般使用节点的度数、紧密度、介数和K-shell等中心化指标来评价影响力,这种方法虽然简单,但是由于它们仅利用了节点自身的内部属...在复杂网络的传播模型研究中,如何发现最具影响力的传播节点在理论和现实应用中都有重大的意义.目前的研究一般使用节点的度数、紧密度、介数和K-shell等中心化指标来评价影响力,这种方法虽然简单,但是由于它们仅利用了节点自身的内部属性,因而在评价影响力时精确度并不高,普遍性适用性较弱.为了解决这个问题,本文提出了KSC(K-shell and community centrality)指标模型.此模型不但考虑了节点的内部属性,而且还综合考虑了节点的外部属性,例如节点所属的社区等.然后利用SIR(susceptible-infected-recovered)模型对传播过程进行仿真,实验证明所提出的方法可以更好地发现最具有影响力的节点,且可适用于各种复杂网络.本文为这项具有挑战性研究提供了新的思想和方法.展开更多
[目的]以山西省吕梁市吕梁山区的离石、石楼、柳林三区(县)为例研究高精度地质灾害易发性评价模型,为该地区区域规划提供辅助决策支持。[方法]基于地理信息系统,以区域内525个历史灾害点及500个非灾害点为样本,选取19个地灾影响因素,应...[目的]以山西省吕梁市吕梁山区的离石、石楼、柳林三区(县)为例研究高精度地质灾害易发性评价模型,为该地区区域规划提供辅助决策支持。[方法]基于地理信息系统,以区域内525个历史灾害点及500个非灾害点为样本,选取19个地灾影响因素,应用地理探测器(geographic detectors,GD)判断各因素的相对重要性,在JupyterNotebook平台展开相关性检验并筛选指标因子,以信息量模型(information method,IM)为基础,利用灾害点计算其所提供的信息量的同时结合非灾害点提供信息量得到指标因子改进信息量模型(improved information method,IIM),并借助地理探测器空间分异性q值计算权重。利用综合确定性系数法(certainty factor,CF)分别建立GD-IIM,GD-IM,GD-CF,IM,CF,IIM共6大评价体系,采用自然断点分类法将研究区易发性依次划分为5,4,3个等级,以种子细胞面积指数(seed cell area index,SCAI)验证其分区结果准确性,采用ROC曲线对比模型结果精确度。[结果]经SCAI检验将各模型分为极低、低、高、极高4个等级,满足合理性要求,GD-IIM模型的灾易发性评价成功率、预测率分别为90.5%,85.5%,精度较高。[结论]双变量统计方法耦合地理探测器在构建研究区的易发性评价预测模型中表现出较为准确的结果。考虑非灾害点信息量进行模型构建比IM单一考虑灾害点信息量模型精度有所提升,适宜研究区的模型构建。展开更多
文摘在复杂网络的传播模型研究中,如何发现最具影响力的传播节点在理论和现实应用中都有重大的意义.目前的研究一般使用节点的度数、紧密度、介数和K-shell等中心化指标来评价影响力,这种方法虽然简单,但是由于它们仅利用了节点自身的内部属性,因而在评价影响力时精确度并不高,普遍性适用性较弱.为了解决这个问题,本文提出了KSC(K-shell and community centrality)指标模型.此模型不但考虑了节点的内部属性,而且还综合考虑了节点的外部属性,例如节点所属的社区等.然后利用SIR(susceptible-infected-recovered)模型对传播过程进行仿真,实验证明所提出的方法可以更好地发现最具有影响力的节点,且可适用于各种复杂网络.本文为这项具有挑战性研究提供了新的思想和方法.
文摘[目的]以山西省吕梁市吕梁山区的离石、石楼、柳林三区(县)为例研究高精度地质灾害易发性评价模型,为该地区区域规划提供辅助决策支持。[方法]基于地理信息系统,以区域内525个历史灾害点及500个非灾害点为样本,选取19个地灾影响因素,应用地理探测器(geographic detectors,GD)判断各因素的相对重要性,在JupyterNotebook平台展开相关性检验并筛选指标因子,以信息量模型(information method,IM)为基础,利用灾害点计算其所提供的信息量的同时结合非灾害点提供信息量得到指标因子改进信息量模型(improved information method,IIM),并借助地理探测器空间分异性q值计算权重。利用综合确定性系数法(certainty factor,CF)分别建立GD-IIM,GD-IM,GD-CF,IM,CF,IIM共6大评价体系,采用自然断点分类法将研究区易发性依次划分为5,4,3个等级,以种子细胞面积指数(seed cell area index,SCAI)验证其分区结果准确性,采用ROC曲线对比模型结果精确度。[结果]经SCAI检验将各模型分为极低、低、高、极高4个等级,满足合理性要求,GD-IIM模型的灾易发性评价成功率、预测率分别为90.5%,85.5%,精度较高。[结论]双变量统计方法耦合地理探测器在构建研究区的易发性评价预测模型中表现出较为准确的结果。考虑非灾害点信息量进行模型构建比IM单一考虑灾害点信息量模型精度有所提升,适宜研究区的模型构建。
