Abstract ：

突破渗透率是评价页岩气开发和CO_2地质封存的重要指标,但是,突破渗透率的影响因素及其协同影响机制尚不明确。为此,基于部分饱和多孔介质突破压力"S"形曲线模型和滑脱效应理论,建立了部分饱和多孔介质突破渗透率衰减模型,并分别通过较高渗透率玻璃平面孔隙网络可视化空气突破渗流实验,结合前人低渗透率砂岩和页岩岩样CO_2、CO_2—CH_4突破渗流实验成果,验证了衰减模型的有效性,最后分析了突破渗透率的影响因素及其协同影响机理。研究结果表明:(1)可以同时考虑润湿相初始饱和度、出口背压以及滑脱因子协同作用建立气体突破渗透率衰减模型;(2)玻璃平面孔隙网络可视化空气突破渗流实验结果以及前人低渗透率岩心突...

Keyword ：

CO_2地质封存 出口背压 初始饱和度 滑脱因子 衰减模型 碳中和 突破渗透率 页岩气

Cite：

Copy from the list or Export to your reference management。

Abstract ：

复杂网络在现实生活中被广泛用于各种复杂系统的建模，如社交网络、生物信息网络、道路交通网络等。社团是在复杂网络中普遍存在的子图结构，其特点为内部连边较为稠密、与外部连边较为稀疏。属性网络是带有属性信息的复杂网络，属性网络社团发现旨在识别出属性网络中的社团结构，除了需要满足连接性要求外，也要求同一社团之中的属性信息具有同质性。稀疏子图是与社团结构具有相反性质的子图结构，通常要求节点间连接尽可能稀疏并且节点数量最大化。网络嵌入（Network Embedding）旨在对网络的特征进行学习，在尽可能保持原有信息的情况下，将网络结构映射到低维向量空间中。网络嵌入的有效性在许多网络分析任务得到了验证，如节点分类、链接预测、网络可视化等等。但是，目前很少有相关的工作侧重于网络中的社团发现任务和稀疏子图任务。 针对属性图中的社团发现问题，本文提出了一种基于网络嵌入的属性网络社团发现算法——NEC（Network Embedding based Community detection in attributed networks）算法。该算法可以同步地学习网络结构、属性信息和社团信息，它由图卷积自编码器模块、软模块度最大化模块和自聚类模块三个部分组成。图卷积自编码器可以对图拓扑结构信息和属性信息进行表征学习；我们定义了软模块度，对其进行最大化可以准确地学习出网络社团信息，使之可以使用梯度下降方法进行优化且自然地与图卷积自编码器模块结合；通过将以上网络嵌入步骤和自聚类结合起来形成统一的目标函数并进行优化，该模型可以同时得到节点社团标签和嵌入表示。在真实数据集上的实验结果表明，对属性图的社团发现问题，与传统的社团发现方法以及基于网络嵌入的方法相比，NEC算法能够更精确地找到的属性图中的社团结构，取得了较好的结果。 针对稀疏子图发现问题，本文提出了一种基于网络嵌入方法的稀疏子图发现算法——TGF（Tenuous subGraph Finding based on network embedding）算法。该算法首先通过网络嵌入方法将网络结构映射到低维向量空间中，并定义了向量空间中的稀疏子集发现问题，将稀疏子图发现问题转化为稀疏子集发现问题。对于稀疏子集发现问题，本文设计了一种基于局部密度的稀疏子集发现方法，通过不断迭代寻找局部密度最低的样本点并进行扩张，最终找到一个满足条件的最大的稀疏子集。TGF的时间复杂度较低，能很容易的应用于大规模的数据集。在人工合成网络和真实网络上的实验结果表明，TGF能有效找出网络中的稀疏子图并在多个评价指标上展现出稀疏性的性能优势。

Keyword ：

社团发现 属性网络 网络嵌入 稀疏子图

Cite：

Copy from the list or Export to your reference management。

Abstract ：

近年来，金融科技飞速发展，引起了学术界和产业界的高度关注。其中，利用复杂网络来对股票市场进行建模分析以挖掘其潜在机制是一个重要的研究方向。本文主要围绕股票的换手率和收益率，使用复杂网络、数据挖掘、机器学习等方法研究其影响和应用。 首先，以股票作为节点，股票换手率序列之间的Spearman相关系数作为连边权重以构建动态股票网络模型（TSN），分析了网络的静态特征和高影响力的节点与行业之间的关系，发现制造业的影响力正在向其他行业转移。为了刻画市场的整体变化，提出了基于网络最大连通子网和图编辑距离的流动性指标 和 ，以动态地反映市场状态并分析其与大盘涨跌的关联性。实验结果表明 对市场的跌势非常敏感，可以在一定程度上识别股票市场的趋势。其次，以股票作为节点，不同股票收益率序列之间的Pearson相关系数作为连边权重来构建动态股票网络模型（RSN），分析了关键边的关联节点（股票）对应的行业分布。从网络可视化的角度分析社团结构特征，提出了一种适合投资组合规模需要和基于RSN最大连通子网的Node2vec聚类算法，以划分网络社团。然后，提出了基于RSN不同社团中心节点的投资组合构建方法，以降低投资风险。 最后，开发了股票量化回测平台，对本文提出的投资组合、流动性指标进行了验证，实验结果表明了本文提出的基于RSN不同社团中心节点构造的投资组合可以明显降低风险，同时也验证了提出的流动性指标对于选择投资时机的有效性。

Keyword ：

Node2vec 复杂网络 股票流动性 社团划分 投资组合

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明公开了一种基于卷积神经网络的轴承检测方法，方法包括以下步骤：基于轴承的振动加速度信号生成基于卷积神经网络的一维振动信号，将所述一维振动信号按照时序和比率依次划分为训练集、验证集和测试集，建立基于Grad‑CAM的卷积神经网络可视化结构，经过ReLU函数激活获得卷积神经网络对应于输入样本的Grad‑CAM图，在所述Grad‑CAM图上采样振动信号的维度，以Grad‑CAM的取值区间设定不同激活阈值，以Grad‑CAM激活区域对应的坐标作为索引对原始信号经过卷积神经网络后的激活情况进行标注，建立神经网络区域与目标类别之间的联系。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

论文分析生物技术产业集群的技术网络结构,以及现有网络结构影响之后技术间新连接形成的机制.研究样本为美国波士顿和圣地亚哥集群1976-2006年间的技术网络.通过网络可视化技术,论文发现两个集群都存在组元分割的网络结构.在网络演化过程中,存在特定技术领域兴起和衰落的现象.基于负二项回归,研究发现整体网中心性高的技术会得到更高的被引数量,而桥接位置的作用在两个集群间存在差异,集群的演化是一个涌现过程.

Keyword ：

产业集群 社会网络分析 生物技术产业 网络结构 网络演化

Cite：

Copy from the list or Export to your reference management。

Abstract ：

无线传感器网络具有较强的信息采集及处理能力。OPC UA是工业领域中定义的统一信息交换和数据采集规范，无线传感器网络可以作为OPC UA架构底层的数据来源。本文研究无线传感器网络以及OPC UA规范，分析、设计并实现了符合OPC UA规范并向OPC UA服务器传输数据的无线传感器网络管理器。 本文通过对无线传感器网络以及OPC UA架构领域相关理论和技术的研究，描述了面向OPC UA的WSN管理器在整个OPC UA生态系统中的位置，并进行需求分析，确定了管理器应包含的主要功能：OPC UA信息模型解析及绑定、传感器节点部署规划、数据报文解析分发、网络可视化监视、OPC UA服务器数据传输以及日志管理，并对这些功能建立了详细的分析模型。本文为管理器构建一种分层的软件体系结构，在此基础上，针对管理器的各个功能模块进行详细设计，给出了具体的实现方案，并进行了UI以及存储的设计。其中，本文对OPC UA设备信息模型进行解析，得到OPC UA地址空间中节点信息与实际的传感器绑定，之后，通过可视化界面对无线传感器网络进行部署规划及覆盖连通判定计算，在实际部署应用之后以可视化的方式进行整个网络的监视。最后在分析和设计的基础上完成了各个功能模块的实现，通过单元测试、功能测试、性能测试及其它测试方法完成了管理器的测试工作。 面向OPC UA的WSN管理器的运行效果表明，该管理器的数据规范符合OPC UA，可以为OPC UA服务器提供稳定可靠的数据，并实现无线传感器网络的可视化部署及监控，保证了无线传感器网络的连通及可靠，符合WSN管理器的设计需求。

Keyword ：

OPC UA WSN 部署规划 可视化监测 信息模型

Cite：

Copy from the list or Export to your reference management。

Abstract ：

近年来，随着卫星网络技术的发展，对于卫星网络路由协议的研究受到越来越多的关注。网络仿真工具对卫星网络路由协议的研究具有低成本、研发周期短和易于实现等优点，因此受到国内外研究者的重视。然而，卫星网络传输层协议仿真研究的网络仿真模型还不成熟，对于卫星网络仿真结果可视化的仿真工具在国内外还没有出现，这些因素限制了卫星网络路由协议的仿真研究。 本文针对卫星网络的可视化仿真问题进行研究，结合现有仿真工具特点，设计实现卫星网络可视化仿真平台。文中简要介绍了卫星网络的相关知识和建立仿真平台所涉及到的仿真工具，并对卫星网络中的DRA路由算法的基本概念作了概述。其次，设计实现了一个卫星网络可视化仿真平台，包括卫星网络拓扑管理、仿真脚本自动生成和仿真结果数据分析等功能，用于对卫星网络路由算法的仿真结果进行可视化显示，并对路由算法进行性能分析。随后，结合卫星网络存在着链路时延大，链路切换频繁的特点设计了HM-DRA路由算法，该算法是在传统的卫星网络DRA路由算法中添加了一种链路切换管理方法，以减少卫星网络在链路切换时发生的丢包。最后，在本文提出的仿真平台中将HM-DRA路由算法实现，对仿真结果进行处理分析，并与DRA算法进行丢包率和吞吐量的比较。 仿真平台将卫星网络运行场景可视化，能够清楚的呈现不同的路由算法在运行时链路的切换方式，并对仿真结果数据进行分析，得到路由算法的性能数据。在仿真平台中对HM-DRA算法与DRA算法进行比较，能够看到HM-DRA算法的优越性。

Keyword ：

丢包率 仿真平台 可视化 链路切换

Cite：

Copy from the list or Export to your reference management。

Abstract ：

视频目标跟踪是计算机视觉领域的核心问题，在民用和军事上都具有广泛应用，如智能监控、人机交互、机器人导航、医学诊断以及精确制导等。近十几年随着信息技术的快速发展，目标跟踪吸引了众多研究者的关注，成为研究的热点。尽管人们已经提出了许多有效的视频目标跟踪算法，但是在实际应用中视频目标跟踪仍然面临许多困难，如光照变化、目标形变、目标遮挡等，因此设计鲁棒的视频目标跟踪算法仍然是一项具有挑战性的任务。 深度学习是人工智能领域发展的一个重要组成部分，已经在许多领域取得了突破。大数据时代的到来及深度学习方法的出现，为视频目标跟踪的研究提供了新的契机。 卷积神经网络是近年来兴起的一种人工神经网络与深度学习理论相结合的模式识别方法，目前已经成为计算机视觉领域中的研究热点之一。卷积神经网络在图像特征表示方面的能力明显优于传统手工设计的图像特征，在应对目标外观变化时更加具有鲁棒性。因此，基于卷积神经网络的目标跟踪算法非常具有研究价值。本文的主要研究工作有以下两个方面： （1）系统地学习卷积神经网络。本文从神经科学基础、网络结构、设计模型等方面对卷积神经网络进行了全面学习。卷积神经网络是一种受生物学启发的人工智能方法，其中一些关键设计原则都来自神经科学，包括卷积、池化、稀疏连接和参数共享。虽然目前流行的网络在结构上差别巨大，但我们还是总结出来一些规律，为设计更好的网络提供基础。我们还对深度学习历史上具有重要影响的卷积神经网络结构进行了总结和分析。我们最后研究了两种不同的卷积神经网络可视化方法，第一种是对网络每一层的激活值进行可视化，第二种是通过梯度下降法和正则化对深层卷积特征进行可视化。这两种可视化工具使得卷积神经网络隐藏层输出不再是一个黑匣子，这对深入理解卷积神经网络和设计新的网络结构都有很大帮助。 （2）研究并改进三种基于卷积神经网络的目标跟踪算法。我们研究了三个具有代表性的基于卷积神经网络的目标跟踪算法，分别是CF2、SiamFC和MDNet。它们分别以不同的方法将卷积神经网络融合到目标跟踪框架中，CF2直接使用卷积神经网络特征代替传统手工特征，再结合相关滤波器实现了非常好的跟踪效果。SiamFC离线学习一个基于孪生卷积网络的图像相似度测量系统，直接通过计算候选图像与模板图像的相似度达到实时跟踪效果；MDNet学习一个基于多域卷积神经网络的二分类器，并且在线跟踪过程采用难例挖掘和边界框回归策略，实现了目前最好的跟踪效果。我们分别对这三种算法进行了改进，通过重新设计并训练一种层数更少的卷积神经网络加快了CF2算法的运行速度，目前可以满足实时要求。我们将感兴趣区域池化技术引入到MDNet算法中，可以通过单次网络前向传播计算出多个图像块的卷积特征，大大加快了算法的运行速度。最后我们通过设计一种新的在线模型更新策略提高了SiamFC算法的跟踪精度。我们通过在公开数据集上的实验结果证明了这些改进对算法性能的提升。

Keyword ：

卷积神经网络 目标跟踪 深度学习

Cite：

Copy from the list or Export to your reference management。

Abstract ：

癫痫是一种伴随短暂认知损伤的大脑疾病，由于病理机制的异质性，导致其缺乏临床诊断和治疗评价的客观度量。多通道脑电记录是检测大脑状态的重要手段。本文采用复杂网络可视化的方法对癫痫患者大脑功能状态进行研究，利用相位锁定值方法从癫痫患者的静息态皮层脑电图（EEG）信号中提取出加权频率依赖的复杂网络，使用Pajek软件和最小生成树算法对癫痫患者大脑的复杂网络进行描述，可为量化大脑特征提供系统化、全局化的可视化思路，未来可以为进一步辅助诊断提供技术支持。

Keyword ：

大脑网络 癫痫 复杂网络 可视化 脑电

Cite：

Copy from the list or Export to your reference management。

Abstract ：

基于协同创新与社会网络的相关理论,通过文本信息挖掘和整理得到北京市71家协同创新中心和288个组建主体的相关信息,构建了基于社会网络视角的协同创新网络.通过对其网络特征和网络结构进行研究,发现北京市协同创新中心发展明显呈现蛰伏、萌芽、培育三阶段发展特征.目前,协同创新中心发展处于初期,参与协同的组建主体数量的增长明显快于协同组建主体之间合作关系的增长,协同中心数量的增长明显快于协同中心之间合作关系的增长.牵头组建主体,尤其是牵头高校,在网络中的桥梁作用明显,传播网络信息的能力较强.协同创新网络在微观和宏观层面都具有明显的集聚效应和小世界效应.部分组建主体在网络中的位置和角色相似,有利于管理者出台统一政策或标准进行管理.此外,协同创新中心以面向特定行业产业的工程技术创新需求和面向科学前沿的自然科学创新需求为主,部分协同创新中心有一定的专业领域限制.

Keyword ：

网络结构 网络可视化 网络特征 协同创新

Cite：

Copy from the list or Export to your reference management。