简介：传统的局部适应度社团发现算法（LFM）在社团结构模糊的网络中精度下降严重。针对此问题,提出LFMJ算法。利用邻居节点信息和改进的杰卡德系数重构网络,使网络结构更为清楚,社团划分结果更为准确。为验证算法,选择了5种算法在LFR网络和真实网络中进行测试,包括LFMJ、LFM和传统的LPA算法以及性能较好的WT和FUA算法。结果表明：在标准LFR网络中,LFMJ精度高于LFM和LPA,与FUA和WT相当;在真实网络和具有重叠结构的LFR网络中,LFMJ精度优于其他4种算法。
简介：针对大规模应急疏散过程中基础设施的供给与快速产生的疏散交通需求之间的矛盾,提出一种基于时间扩展网络用于有组织计划的混合速度应急疏散算法,其主要思路是以疏散者位置及运动速度建立疏散组,通过标记路段的时间可用性确定不同疏散组的出发时间及路径,以达到避免交通冲突及确保疏散效率的目的。实验表明,该方法在确保疏散过程高效、有序进行的前提下,可获得与理论最优值接近的疏散结果,且疏散规模越大,逼近效果越好。
简介：本文以20个行业为样本,使用指数分层结构算法对其进行分类,发现基于拓扑结构特征的不同周期的行业分类结果具有稳定性。据此构建不同规模的行业资产组合,并将组合业绩与开放式基金业绩进行对比,发现组合的适度行业规模在4左右,不同组合在初期均表现出明显业绩优势,且相对指数基金的业绩优势更明显。
基于节点相似性的LFM社团发现算法
基于时间扩展网络制定的混合速度疏散算法
基于指数分层结构算法的行业分类及资产优化配置研究
