复杂网络分析精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的复杂网络分析主题范文，仅供参考，欢迎阅读并收藏。

第1篇：复杂网络分析范文

【关键词】 复杂网络；中药复方配伍；核心处方配伍结构

方剂是中医临床治疗疾病的主要手段，是在辨证、立法的基础上选药配伍而成的。在辨证确定病机和通过立法确定遣药组方指导原则的前提下，方剂的配伍仍遵循基本的组方结构和药物配伍原则，进行“君、臣、佐、使”配伍，从而使各药形成“有制之师”，针对患者或证或病或症，达到整体综合调节的作用[1]，体现了方剂在中药饮片层次的组织原则。同时，药物配伍的原则如“七情合和”研究两个药物之间的功能组配关系，与方剂配伍形成互补性的组织原则。

在中医临床诊疗过程中，我们通过对临床处方数据的初期分析，并与临床专家的交流中发现，名老中医的临床复方的配伍规律主要体现在两个层次。第一层次为临床医生一般以经典复方(包括经方、时方和验方等)为基础进行临床处方；第二层次为在药证或药症关系基础上的药物随症加减处理。这两个层次的临床处方配伍过程形成了既有核心处方结构，又具有较大灵活性的处方集合。因此，通过对名老中医处方集的共性网络结构分析，能够发现体现其处方思维和临床特点的核心处方配伍结构，从而辅助进行名老中医经验的传承和整理研究。

复杂网络是当前科学界研究的热点问题[2]，诸如蛋白质网络、万维网、生态网、交通网和文献引用网等都具有非常有趣的统计特性。其中，除了小世界网络特性[3-4]之外，无尺度网络(Scale Free Network)[5-6]是一种具有节点度幂律分布现象的复杂网络，科学家对其动力学原理和应用问题的研讨已经成为相关科学研究的亮点。复杂合作网络如文献作者网等也具有无尺度网络的规律[7]。何氏等[8]把中药复方视为广义的合作网络是合适的。无尺度网络现象反映了复杂网络在一定驱动力的影响下动态的自组织过程宏观规律。我们认为，网络中节点个体的分类特征、网络组织的角色需求和组织中元素的关系分类是其潜在驱动力。不同于何氏等[8]的研究结果，我们基于古方及当代临床复方数据的分析表明，中医药理论指导下的复方配伍过程具有无尺度复杂网络现象。这对中医药理论如复方配伍、药物相互作用以及药性理论等的研究提供了实证基础，为进行中医特色的科学研究提供了方法学启发。笔者利用复方药物配伍的无尺度网络规律，研究实现了基于图论网络分析的处方核心药物配伍知识发现方法。该方法在名老中医处方经验的分析中得到了较好的应用。

1 复方药物配伍网络的构建

我们把单个复方的组成药物(目前仅考虑药物组成，对药物剂量暂不考虑)为节点相互构成完全图。连接某两个不同药物的边的权重表示这两种药物在多个复方中被使用的频度。由此，一个较大的复方集合构建的药物配伍网络将成为大量药物节点与带权重的边连接的网络。药物节点之间的连接边的权重在一定程度上表现了药物之间同时配伍应用的强度。中药配伍网络的构建过程的示例见图1，如大承气汤由大黄、厚朴、枳实和芒硝4味药物组成，因此，这4个药物构成了4个节点的完全图，其每条边的权重为1；而小承气汤则由大黄、厚朴和枳实组成，因此，连接该3个药物的每条边的权重都增加1，其权重为2；由此，随着复方的增加，该药物配伍网络的节点和边的权重会逐步增加。当大规模的复方集合如古方集和大量的临床复方集构成药物配伍网络时，该网络中节点及其相互关系反映了全局性的药物组配规律。而当由面向某一特定病证的复方集构成网络时，其网络反映了针对特定病证的药物配伍知识。当然，某名老中医一段时间的临床复方形成的药物配伍网络反映了其在某些病证条件下临床处方的配伍经验知识。

2 复方药物配伍网络的节点度分布特性

在辨证施治的基础上，复方反映了医生从治疗角度对患者病证一定程度的定性或定量认识，是患者病证演变的间接体现，用于临床治疗的稳定复方药物集系统性的自组织规律，是一个复杂的药物组织集。我们通过构建药物配伍网络并采用节点度分析方法发现，中医古方集合(80 000余古方数据，见图2)和临床处方(20 000门诊处方，见图3)等都具有无尺度网络现象(即节点的度分布服从幂函数分布)，是一种加权无尺度网络[9]，其边权重的幂值在2.2左右。复方药物配伍的无尺度网络现象在医生处方中的具体体现就是某医生对药物的使用具有比较集中的趋势，某些名老中医偏好使用某些药物，使得这些药物的已有或潜在功效得到更大的发挥或挖掘。

基于古方及当代临床复方配伍过程的无尺度复杂网络现象表明，某一特定复方集中存在可能共性或核心的药物配伍子网络。结合复方配伍中的无尺度网络规律和基于图论的网络分析方法，我们能够对名老中医的基本处方药物配伍经验或者面向某一特定病证的药物配伍经验进行分析，从而发现其关键的药物组配结构如核心药物、药对等信息，以辅助研究名老中医的处方思维和临床处方特点。

3 临床复方的核心药物配伍网络分析研究

无尺度网络的现象表明，中医处方中存在核心的组织结构，这些组织结构代表了医生临床处方的思维结构知识和临床经验。我们以无尺度网络的幂值为基准寻找医生(特别是名老中医)的核心处方药物配伍网络。我们通过开发相应算法实现了核心药物配伍结构的发现[10]。该算法基于无尺度网络现象，选取药物配伍网络中的“Hub”药物节点，从而寻找一定代表性和覆盖度的某名老中医的共性处方配伍网络。当针对某一病证或在总的日常诊疗过程中，某名老中医的处方配伍网络表达了该老中医的处方思路或首选处方结构，是其临床经验和处方“偏好”信息的表现。同时，我们可以根据处方配伍网络中的节点度分布，发现处方配伍网络的核心节点，并根据这些节点在处方中的同现频度计算其覆盖度。我们以北京市地区20余位名老中医的门诊病例数据为基础进行了核心处方配伍结构的知识发现应用研究，如分析方和谦老中医的和肝汤处方配伍结构、谢海洲老中医治疗类风湿疾病的核心处方配伍结构、田从豁老中医的核心穴位配伍结构、孙桂芝老中医的肿瘤治疗复方、薛伯寿老中医的和法处方配伍结构和咳嗽病痰热阻肺证门诊病例的处方配伍等等。下面以咳嗽病痰热阻肺病例的处方配伍核心网络分析作为示范。见表1。表1 门诊咳嗽病痰热阻肺证病例处方配伍网络对应的药物关联频度（略）

在门诊咳嗽病中痰热阻肺证占有较大比重，在20 000余诊次病历中经数据筛选后，确认满足条件的病例为165诊次，以小儿支气管炎为主(这与我们选择收集的门诊病例特点有关，并不是咳嗽病痰热阻肺证的本身疾病分布特点)，样本中患者平均年龄为6岁左右。相应的症状体征除咳嗽之外，主要有咽红、舌红、有痰、大便干等。我们通过基于网络分析的方法确定咳嗽病痰热阻肺证的处方配伍结构知识。利用网络分析算法计算获得的分析结果，该网络中核心药物(通过节点度分布计算)为黄芩、杏仁、紫苏子、葶苈子、百部和仙鹤草，这些药物在90.2%的样本处方中出现。说明几乎所有咳嗽痰热阻肺证患者都使用以上药物。且网络核心节点的周围相关药物如前胡、芦根、瓜蒌、乌梅等表示对不同个体病例的主要随症加减思路。该网络中节点的颜色以节点药物的药性进行区分，药物配伍网络中节点3种颜色总体分布信息，有助于为有经验的中医临床医生提供该核心药物配伍网络相应的基本病机(如寒热、阴阳等方面)的直观认识。除了产生可视化的处方配伍网络之外，我们同时对该网络的药物关联频度信息进行数据库存储。该关联信息描述了临床处方中的主要药对知识如葶苈子、紫苏子，紫苏子、杏仁，葶苈子、杏仁，仙鹤草、百部，黄芩、杏仁等，这些药物配伍体现了我们所采集的门诊病例中治疗小儿支气管炎痰热阻肺证的主要药物搭配思路。因此，网络结构图与关联数据信息结合可以进行针对某特定病证的处方配伍结构分析，提炼归纳形成中医临床的处方经验知识，从而用于指导临床诊疗或供年轻医生学习。

由以上咳嗽病痰热阻肺证的处方分析可见，处方配伍网络具有直观的表现形式，对于中医临床中发现或者验证经验性的“小方”具有显著的效果；同时也能够辅助发现和验证临床医生针对特定病证的处方思维或思路。且这种结果是可靠的，因为我们已经试验表明临床处方中存在无尺度网络的现象，而无尺度网络的特点就是存在共性的核心网络结构。

4 探讨与未来研究工作

中药复方是一个有机整体，是理、法、方、药的主要环节之一。复方的有机配伍是实现药物增效减毒，针对病机对证用药的基础。《素问·至真要大论》说：“方制君臣，何谓也？岐伯曰：主病之谓君，佐君之谓臣，应臣之谓使。”《神农本草经·序列》将药物配伍关系归纳为单行、相须、相使、相畏、相杀、相恶和相反等“七情合和”的关系。由此可见，中药复方配伍是方剂形成之后中医处方用药的基本原则。大规模复方集的无尺度网络现象表明中医诊疗过程中复方的组配存在一些“偏好”现象。这些“偏好”现象可以表现在药物的选择、药物的组配、医生对病机的认识、疾病的发生发展机制和人体系统的状态变化与调整途径等。研究发现，这些“偏好”的来源、运行机制和病、症、证等相关知识将有助于人们对复方复杂干预的理解，对疾病发生发展的理解等。

本文针对中医临床中的处方配伍经验分析目标，研究利用复方配伍的无尺度网络现象和基于网络分析的数据挖掘方法，实现具体病证或名老中医的核心处方结构知识发现。该方法通过图形化的方式表达分析结果，从而为结果的阐释和临床专家的人机交互提供了便利。在未来的研究工作中，在一定适应症的条件下，具有稳定结构的复方组配知识发现问题；考虑多种“偏好”信息，进行复方配伍无尺度网络现象的组织动力学机制研究问题；对临床处方中的核心处方配伍群(多个反映处方集核心配伍结构的子配伍网络)的挖掘算法的深入研究等问题；将是揭示和发现中医复方药物配伍与临床诊疗规律的重要课题。

参考文献

[1] 于友华.方剂配伍理论的系统科学思想[J].中国中医基础医学杂志， 2004，10(8)：63－64.

[2] Newman MEJ， Barabási A-L， Watts DJ. The Structure and Dynamics of Networks[M]. Princeton：Princeton Univ Press，2006.

[3] DJ Watts， SH， Strogatz. Collective dynamics of’small-world’ networks[J]. Nature，1998，393：440－442.

[4] MEJ Newman， C Moore， DJ Watts. Mean-field solution of the small-world network model[J]. Phys Rev Lett，2000，84：3201－3204.

[5] R Albert， H Jeong， AL Barab’asi. Diameter of the world

wide web[J]. Nature，1999，401：130－131.

[6] AL Barabási， R Albert， H Jeong.Mean-field theory for scale-free random networks[J]. Physica，1999，272：173－187.

[7] Newman MEJ. The structure of scientific collaboration networks[J]. Proc Natl Acad Sci USA，2001，98(2)：404－409.

[8] 何 阅，张培培，唐继英，等.中药方剂的合作网络描述[J].科技导报， 2005，23(11)：36－39.

第2篇：复杂网络分析范文

随着计算机网络的飞速发展，传统的网络模型已经很难对计算机网络拓扑特性做出客观的描述和研究。针对这个现象，复杂网络理论的产生和应用，为计算机网络的拓扑发展带来了新的平台和思路。对于复杂网络理论在计算机网络拓扑中的分析已经成为计算机网络领域研究的重要课题。

二、复杂网络和计算机网络拓扑的基本理论

（一）复杂网络理论的含义及其复杂性

复杂网络是指具有内部相似、自行组织、吸引因子、小区域、无标度中的一部分或者全部的网络。其复杂性主要体现在以下六个方面：①结构的复杂性，表现在网络的节点数量较大。②节点的多样性，网络中的所有组成部分，代表的各种事物均为复杂网络理论中的节点。③连接的多样性，指的是网络中节点的连接方式不一致。④动力学的复杂性，指的是节点之间的复杂性，能够产生多样的结构特征。⑤网络结构的变化性，指的是网络节点之间消失和连接产生就像网页随时断开和连接一样，使得网络结构不断的发生变化。⑥多重复杂性的融合，指的是上述所有复杂性的结合表现出的复杂性。此外，复杂网络理论有小世界、集团集聚程度更加密集和幂律的度及介数涵盖的范围不断扩大等三种特性。

（二）计算机网络拓扑技术及分类

计算机网络拓扑最早是由瑞士数学家欧拉在1736年提出的，主要是用于连接计算机网络和传输不同设备之间数据的一种方式。不同的网络设计要选择适合的网络拓扑方式，在网络拓扑结构中，拓扑技术是以图像的方式来表示多种设备之间的相互关系。计算机网络拓扑的主要类型有星行结构、环形结构、总线型结构、混合拓扑结构、分布式结构等。由于计算机的分布和数据传输电缆的布置存在很大的差异性，每一种网络拓扑结构都有其相应的优缺点，因此在计算机网络拓扑形式的使用上，要具体问题具体分析。

三、复杂网络理论在计算机网络拓扑中的具体应用分析

（一）计算机网络的同步行为现象分析

这主要是指计算机各个网络节点之间的同步行为，在复杂网络理论中，网络节点之间的同步是较为常见的一种现象，主要是受网络拓扑和各节点之间的动力学性质决定的。但是值得注意的是，这种同步行为并不都是有益的，如由多个路由器发出路由信息的网络，其同步行为包括了发出同一种路由信息和同时不发送信息，这就很有可能会使得网络出现拥挤或者瘫痪的现象。从计算机网络技术的发展来看，人们采取避免计算机网络出现同步行为的措施并没能完全奏效，经常会出现一种同步行为结束，另一种同步行为又产生的现象。因此，如何有效杜绝计算机网络的同步行为现象仍然是人们研究的课题。

（二）计算机网络拓扑行为的演化模型

计算机网络拓扑行为的演化模型由复杂网络演化模型逐步转变为了局部演化模型，这两种演化模型都是从路由器和自治域两个不同的层次来描述计算机网络的拓扑结构的。从路由器上看，各个路由器相当于各个网络节点，而路由器之间的物理连接相当于边。从自治域上看，在边界网关协议的基础上，如果两个自治域之间对等连接的话，就说明这两个节点之间是有一条边相连的。复杂网络演化模型演化出的结果很大程度上出现富者更富，穷着更穷的现象，即那些新加入的用户会倾向于那些品牌好、质量好、连接数量多的网络服务商。该模型遵循的偏好连接原则是基于整个网络上的，与优先考虑连接到本地区的服务器或路由器的实际不符。而局部演化模型的偏好连接倾向性是在局部信息的基础上形成的，一定程度上克服了复杂网络演化模型的缺陷。

（三）计算机网络脆弱性和鲁棒性的动力学模型

1.计算机网络的鲁棒性。计算机网络的原始功能是保证军事资料的安全性，这样的保证就是所谓的鲁棒性。鲁棒性是指在计算机网络中的某个区域或节点中出现问题或故障时，不会扩散到整个计算机网络系统，计算机还能保持正常的运行。相关研究表明，一般在一个网络系统中，只要有百分之二十左右的正常区域和政策阶段就能够保障计算机网络的正常运行。

2.计算机网络的脆弱性。虽然计算机网络有鲁棒性的动力学模型，但是一旦计算机网络系统中的重要区域或节点受到破坏时，整个计算机网络将会异常脆弱。更有甚者，如果计算机网络中一小部分的中心阶段被破坏后，整个网络就会陷入瘫痪的境地，计算机网络也无法保障正常运行。

（四）计算机网络病毒扩散模型和病毒防治的方法

网络安全影响了计算机网络的日常运行，而影响网络安全的因素主要是病毒的袭击和扩散。因此，复杂网络理论在计算机网络拓扑中的应用，应该采取有效的措施来抑制计算机网络病毒的扩散，减少病毒的传播，避免病毒对计算机网络损害后带来的计算机网络安全问题。复杂网络理论开始应用于计算机网络拓扑行为中时，人们开始以复杂网络为基础不断研究和探索出新的防御病毒的方法，且取得了一定的进展。比如在规则网络中，人们经过研究发现计算机网络病毒只有在小世界中才能轻易的传播，在复杂网络理论里，计算机网络感染病毒的可能性较小，一旦感染的话，网络系统将会受到大面积病毒的袭击，这对预防计算机病毒的入侵技术而言是一大挑战。防御计算机网络病毒工作的开展，必须建立一个科学系统的防御病毒扩散模型，模型需要遵循的原则有网络的拓扑结构形式、知晓病毒的传播原理、网络拓扑结构形式和知晓病毒传播原理之间的关系和作用。此外，在计算机网络病毒扩散模型的构建和病毒防治的过程中，要格外注重预防网络病毒的产生和传播的速度，通过网络的拓扑结构和复杂网络理论来做好计算机网络的抗病毒工作。

第3篇：复杂网络分析范文

论文关键词：复杂网络；灾害信息；传播特征

灾害是指由某种不可控制、难以预料的破坏性因素引起的、突然的或在短时间内发生的、超越本地区防灾力量所能解决的大量人畜伤亡和物质财富毁坏的现象。由于灾害发生的突然性和破坏性，20世纪80年代以前我国在灾害信息传播上采取了谨慎的态度。而随着社会的不断进步和新的媒体形式层出不穷，网络媒体、手机媒体、数字电视以及即时通讯软件、“博客”等新型网络形式使得信息传播的渠道由单一化向多元化发展，因此灾害信息传播已经不可能受到单方面的控制。

“非典”前期，由于政府和主流大众传媒保持沉默，使得各种谣言通过网络和手机等新型信息传播方式在全国范围内大量传播，导致了严重的社会恐慌。由此可以看出灾害信息传播一旦失控，会使本来失序的社会更加混乱，并由此带来衍生灾害，造成不必要的社会恐慌和经济损失。因此，在当前的信息传播状况下对灾害信息传播方式和特征进行相关方面分析是十分必要的。

目前国内在灾害信息传播方面主要是从新闻学的方面来研究：灾害报道应该实现新闻价值与社会价值的平衡、新闻媒介在公共危机事件中起到重要作用，以及系统介绍灾害信息的发展史等。没有从灾害传播本身的特征进行研究，忽视灾害传播特征对灾害信息传播的影响。为了更有效地实现对灾害传播的控制，有必要针对灾害信息传播特征进行相关研究。

本文首先对灾害信息传播过程进行分析，在此基础上运用复杂网络相关理论对灾害信息传播方式和特征进行了初步探讨。

1灾害信息传播的过程分析

根据当前灾害信息的多样化，其传播内容主要可以分为政府和主流大众传媒的灾害信息和各种谣言、负面信息两大类。各种谣言、负面信息是指由于在灾害信息传播过程中出现的隐瞒或虚报、延迟报道而产生的各种、负面的受众不信任的信息。

本文以Fink(1986)提出的危机4阶段论为基础，对灾害信息传播过程进行了相关分析，给出灾害信息传播的4个阶段，分别为潜伏期、突发期、蔓延期、解决恢复期。以2007年台风罗莎信息传播过程为例(数据来源：百度指数)，分析这4个阶段(图1)。

(1)潜伏期由灾害发生到灾害信息开始传播的这一阶段。随着现代信息传播的速度加快，潜伏期的时间越来越短。要对灾害信息传播进行控制，最好的方法就是在灾害信息传播的潜伏期对灾害进行有效控制，减小对社会产生的影响。台风罗莎10月2日08时在菲律宾以东洋面上生成，4日02时加强为强台风。即10月2日至10月4日为台风罗莎信息传播的潜伏期。

(2)突发期从灾害信息开始传播到灾害信息开始迅速传播的阶段。突发期是年阶段中时间最短、对受众心理冲击最严重的一个阶段。如果在突发期内对灾害信息进行刻意隐瞒或虚报、延迟、模式化报道，会使受众失去对传播者的信任，增加公众的疑惑，导致社会危机及衍生灾害的产生。10月5日、6日为台风罗莎信息传播的突发期。

(3)蔓延期灾害信息从迅速传播到平息的一个阶段。在新的信息传播环境下，灾害信息从迅速传播到平息需要一个相当长的时间。网络媒体、手机媒体、数字电视、即时通讯软件、多种传播形式使得灾害信息传播速度快、影响范围广、破坏性强。即使当灾害得到平息和解决时，在新型传播媒介中仍会存在很多议论和大量负面信息。台风罗莎在我国大陆l0月10日结束，但其仍然受到大众的普遍关注。10月7日至l0月16日为台风罗莎信息传播的蔓延期。

(4)解决恢复期灾害妥善解决、人民生活恢复正常、物质生产得到恢复、社会恐慌得到平息、整个社会恢复到灾害发生前的状态。在解决恢复期中，做好灾害信息的传播机理和影响的研究工作，总结灾害信息传播的经验和教训，为完善和健全相关的防灾体系提供依据。以10月17日起为台风罗莎的解决恢复期。

2灾害信息传播网络

2．1灾害信息传播网络的形成

目前国际上在流行病传播、计算机病毒在In．ternet上的传播等领域利用复杂网络进行研究是比较多的。此外，国内外专家对谣言的传播也进行了相关工作Zanette研究了在小世界网络中的传播情况；Moreno等发展了Daley等在1964年提出的谣言传播模型，认为非均匀网络传播过程最终听过但不传播的人数与感染概率有着紧密联系；

Dotts和Watts认为无论是社会网络还是信息网络中的传播蔓延现象，相应的模型都可以归结为泊松模型和临界值模型。

灾害信息传播的基础是社会网络，因此可以应用复杂网络的观点来阐释灾害信息传播的特征。灾害信息传播的网络模型示意图如图2所示。

用节点表示灾害信息传播中的个体，如果两个个体之间可以通过某种方式直接发生传播与被传播关系，就认为这两个个体之间存在连接，这样就得到了传播网络的拓扑结构，进而可以建立相关模型来研究这种传播行为。而灾害信息传播模型研究的关键是传播规则的制定和网络拓扑结构的选择。

2．2灾害信息传播网络的结构

2．2．1灾害信息传播网络结构的划分

灾害信息的传播途径与谣言基本一致，可以参照Moreno等人提出的谣言传播模型。的研究方法对灾害信息传播网络模型的结构进行分析，将灾害信息传播网络中的个体分为灾害信息未知者(Igorants)、灾害信息传播者(Spreaders)、灾害信息知情者(Stiflesr)三种类型。i(t)、s(t)、和r(t)分别代表这三种类型在人群中的比例。

如图3所示，灾害信息在灾害信息传播者、灾害信息未知者之间传播。灾害信息传播者向它的邻居节点传播信息。当接到信息的节点是灾害信息未知者的时候，灾害信息未知者以入的概率变成一个灾害信息传播者。而如果信息传给了灾害信息传播者或者灾害信息知情者，则前者以1／a的概率变成一个灾害信息知情者。

2．2．2网络结构中各参数的分析

参数A代表着信息传播过程中数据会出现丢失的情况，并不是每次连接都成功。参数是表示一个灾害信息传播者在变成一个灾害信息知情者前连接的灾害信息传播者或灾害信息知情者的平均次数。

灾害信息传播者把灾害信息传递到它的相邻节点时，如果该节点为灾害信息未知者，后者也将以入的概率变成一个灾害信息传播者，信息传播成功。如果后者已经知道了灾害信息，则会导致灾害信息传播者失去传播信息的兴趣，从而以l／a的概率变成一个灾害信息知情者，此次信息传播的小过程失败。

2．3灾害信息传播网络的统计性质

灾害信息传播网络的统计性质反映着网络内部结构的不同和系统功能的差异。它的统计性质有以下几个方面。

(1)平均路径长度是指所有节点之间的最大距离的平均值，它描述了网络中节点间的分离程度，即网络有多小，也就是灾害传播网络中所有传播途径传播信息的平均长度。

(2)聚集系数用来描述网络中节点的聚集情况。在灾害信息网络中表示灾害信息传播者与灾害信息未知者、灾害信息知情者的关联程度。

(3)度和度分布一个节点与其他节点相连的边数称为该节点的度。节点度分布是指网络中度为k的节点的概率P(k)随节点度k的变化规律。在灾害信息传播网络中，度就是表示一个灾害信息传播者向k个灾害信息未知者或灾害信息知情者传播信息。顶点的度指标用于描述该传播者对传播网络中其它传播者的直接影响力。节点度的分布函数反映了灾害信息传播网络的宏观统计特征。

(4)介数分为边介数和节点介数。节点介数为网络中所有的最短路径中经过该节点的数量比例；边的介数是网络中所有的最短路径中经过该边的数量比例。介数反映了相应的节点或者边在整个网络的作用和影响力。在灾害信息传播网络中，节点介数说明该节点对于网络中信息流动影响的大小。介数的分布特征反映了不同传播者在网络中的地位，即其传播速度、传播范围和影响程度。对于评价各种传播媒介的重要性、评价防灾体系有着十分重要的意义。

3基于复杂网络的灾害信息传播特征分析

3．1网络节点的大规模性

一个重大灾害发生后，其信息传播网络的节点数必定十分庞大。要做到灾害信息传播既维护了公众的知情权，又不会造成社会恐慌和由此带来的衍生灾害，就应该对大规模的灾害信息传播网络节点进行分析，找到网络中的关键节点，即公众信任度高、社会责任感强、在网络的影响大的节点。衡量这些节点是否关键的主要依据是它们的介数和度分布。

3．2网络连接的稀疏性

在灾害信息传播网络中，并不是所有节点的聚集系数和度分布是相同的。主流大众传媒由于其传递信息的真实性、全面性，受到公众的普遍信赖，那么主流大众传媒所代表的节点的聚集系数和度就要比其他节点的高。在这一区域的网络连接就比较密集。反之，过于失实的灾害信息会受到公众的质疑，其传播范围就比较小，则这部分的网络连接就很稀疏。

3．3连接结构的复杂性

灾害信息传播网络的节点是由主流媒体、网络媒体、手机媒体、数字电视等传播者和受众组成，因此每个节点都具有自己的动力学特征，且各个节点之间相互影响、相互制约，从而整个灾害信息传播网络也就具有极为复杂的动力学特征，不能简单的用规则网络和随机网络对其进行分析。因此，灾害信息传播网络具有连接结构的复杂性。

3．4信息传播的时间复杂性

信息在网络中传播所花费的时间与下一节点对信息的敏感程度、传播节点的度和介数及信息的可靠度等有关。沿海的人们对于有关台风的信息就会比较关注，而对于内陆城市的人而言，此类信息就不很重要。这就体现了灾害信息传播的时间复杂性。

3．5信息传播的变异性

在一个灾害信息传播者向灾害信息未知者传递信息的这一过程中，信息内容是否不会发生变异以及信息来源是否真实可靠，这就是信息传播的变异性。

3．6信息传播引发衍生灾害的可能性

灾害本身具有破坏性，由于灾害信息内容不同，公众对灾害信息的关注程度也不同，必然导致信息传播的速度不一样。而灾害信息的传播也可能引起各种社会问题，甚至形成衍生灾害。例如在“非典”期间各种有关SARS的信息肆意传播，引起某些药品的短缺、物价的抬高以及社会不安定因素突增。在灾害信息传播网络中可表现为信息中心增多、传播过程的重复性。

4结束语

本文将灾害信息传播过程分为潜伏期、突发期、蔓延期、解决恢复期等4个阶段，并以台风罗莎信息传播过程为例对4个阶段进行分析。

第4篇：复杂网络分析范文

本文介绍了脑复杂网络的概念和技术现状，分析了功能性、结构性和因效性三种不同的脑网络连接类型，并讨论了基于时间序列的复杂脑网络的建模与分析方法。

【关键词】脑网络 时间序列 脑网络建模 复杂网络

人的大脑是世界上最复杂的系统，包括有百亿计的神经元。每一个处理信息的神经元通过大量的突触与其它神经元相连，神经元和突触共同组成了无比复杂的脑神经网络。人体自身及其与外界交互的所有信息，都由这个脑复杂网络来处理，它的效率和工作状态直接决定人的精神与健康状态。研究脑网络，首先要连接网络中的每一个节点即神经元之间的连接类型，并通过信息在网络中的传递和处理过程，建立起相应的分析模型，然后结合具体的采样数据，做模拟网络运行，以得到网络特征。

1 脑复杂网络及其常见的连接类型

当我们将脑神经网络当做常规意义上的拓扑网络来研究时，脑神经元即为网络中的节点，神经突触则相当于拓扑网络的边，而大脑做出的各种行为，均可以看作这个复杂的网络对各类信息的传递与处理的过程。这其中，神经元之间连接类型关注的重点，通过对常规拓扑网络的三种连接关系在脑复杂网络中的映射，了解脑网络的基础工作原理。

1.1 功能性脑网络（functional brain networks）

功能性脑网络是以分析神经元、神经集群、功能脑区等不同尺度上的脑功能单元之间的连接关系和统计趋势为主的无向网络，一般基于脑网络的各类功能信号，如电、磁、代谢信号等进行网络建模。在目前的脑网络研究领域，研究人员一般主要依据EEG/MEG/fMRI等方式进行建模并模拟研究脑功能性脑网络的特点。EEG和MEG的优点是时间分辨率较高，可以达到毫秒级，缺点是空间分辨率只能达到厘米级，达不到微观尺度上的分析要求。fMR主要反映生理代谢和血液方面的信息，它的空间分辨率达到了毫米级，但时间分辨率只有秒级。在未来，结合了EEG、MEG和fMRI的综合优点，进行多模态脑网络研究将能够更加全面地展现脑网络的特征。

1.2 结构性脑网络（anatomical brain networks）

结构性脑网络主要反映大脑的生理结构，以神经元之间的化学连接和电连接为主。在不同量级的空间尺度上，可以定义不同的结构性脑网络，如单个神经元之间复杂的联系通路即可视为一个“微网络”，而局部的神经通路单元则相当于一个局部的结构性网络，各个局部网络则又是组成脑网络基础节点，最终形成了一个层级结构十分复杂的结构性网络。大脑包括约100亿个神经元和数千倍的突触。用生理解剖的方法来分析神经元结构性连接网络，是目前研究脑网络最重要的方法之一。

1.3 因效性脑网络（effective brain networks）

因效性脑网络聚焦于脑网络中各节点之间的相互作用以及节点间信息流向。不同于无向连接的功能性脑网络。因效性脑网络重点研究网络中各种连接的方向性，着重分析各网络节点之间的因果关系以及统计趋势，并根据信息在节点之间的传播方向来分析脑网络的工作过程。因效性脑网络和功能性脑网络的差别在于如何量化测度网络节点之间的关系。一般采用因果关系分析来对网络连接强度进行量化。

2 时间序列脑网络构建与研究

构建脑网络可分3步，即定义节点、定义和测定结点之间的连接强度，选取合适的阈值并在连接强度大于闽值的节点之间建立连接边。一般通过稀疏性确定节点之间存在边的比率。例如：稀疏性值为0.2，即代表当前脑功能网络中存在边数占完全网络的边数的百分之二十。权值概率分布差异较大，难以避免网络存在散点或冗余的边，使得网络不满足连通性，并通过脑复杂网络的拓扑结构、递归图、度分布、模体分布等特征来揭示脑网络内在机制。

由测量时间序列构建复杂网络方法描述为，给定一个时间序列：

X（sΔt）（s=1，2，…，N）

其中Δt是单位采样时间，N为采样数据长度。假设此方法得到时间序列的延迟时间和最小嵌入维数均满足网络工作，利用延迟坐标嵌入方法得到一个多维向量：

Y={y1（k），y2（k），…，ym（k）}={z1（n），z2（n），…，zM（n）}={x（kΔt），x（kΔt+τ），…，x（kΔt+（m-1）τ）}

其中：n=1，2，…，m，m为嵌入维数;k=1，2，…，M，M=N-（m-1）τ/Δt为数据长度;τ为最佳时延。

为构建网络，分别计算两个向量点间的欧式距离得到一个M×M维的加权邻接矩阵D，给定两个向量点zi（n）和zj（n），向量点间的欧式距离定义为：

dij=||zi（n）-zj（n）||

其中：dij代表为矩阵中的i行j列元素。 rc为一个合适的阀值，即当dij>rc时，表示网络为无连接，反之则表示节点i与j间有连边存在，邻接矩阵A的元素aij为1。具体描述为：

aij =

由此我们就获得了一个初始的时间序列网络模型，通过对各类脑网络信号的获取和输入，即可以得到不同的脑网络拓扑的特性，受篇幅和环境条件所限，本文未进行更深入的实际分析，仅供参考。

3 结语

在脑复杂网络的研究中，结构性网络是物理基础，功能性网络、因效性网络是研究目标的抽象模型。脑复杂网络的研究不仅在了解人体自身机制、防治神经性疾病方面具有现实意义，同时对复杂计算机网络的研究与建设也有十分重要的指导意义。

参考文献

[1]唐孝威，黄秉宪.脑的四个功能系统学说[J].应用心理学，2003，02：3-5.

[2]郝崇清，王江，邓斌，魏熙乐.基于复杂网络的脑电信号分析[J].计算机应用研究，2012，29（9）：3870-3872.

[3]蔡世民，洪磊，傅忠谦，周佩玲.基于复杂网络的脑电信号回归分析[J].中国科学技术大学学报，2011，41（4）：331-337.

第5篇：复杂网络分析范文

摘 要 本项目主要以天津滨海新区高新技术产业为研究对象，对其可持续发展性进行研究并运用可持续指标评价体系进行评价。通过学习和总结，可将区域经济发展分为三个阶段：无标度阶段，适者生存阶段，玻色爱因斯坦凝聚阶段。对滨海新区的研究以应用此模型的研究方法做了简要的阐述和集群观点下的分析相结合，来探讨滨海新区高新技术产业现阶段的发展状况和模式。

关键词 天津滨海新区 产业集群 复杂网络 玻色爱因斯坦凝聚 高新技术产业

一、滨海新区研究现状

目前国内对于滨海新区的研究，多停留在定性分析上，通过对硬软环境的分析得出一些定性结论。针对滨海新区高新技术产业的研究也为数不多，其可持续性的定量研究目前还没有先例。产业集群在经济领域已有广泛研究，在这些研究中复杂网络理论也被高频率应用。但对于玻色爱因斯坦凝聚模型，由于其为物理模型，很少有人将其与经济结合在一起，国外已有部分研究阐述了金融系统与玻色爱因斯坦凝聚的联系，即概率分布函数均服从幂率分布。国内还没有人进行过类似研究。把滨海新区高新技术产业可持续性的研究与产业集群理论，复杂网络模型和玻色爱因斯坦凝聚模型结合起来，可以说是一种创新。

二、玻色爱因斯坦凝聚在复杂网络中的应用

模型简述参考Ginestra Bianconi，Albert-László Barabási，Bose-Einstein Condensation in Complex Networks，Physical Review Letters，Vol86，No.24， pp5632-5635，1998。

模拟为玻色气体模型加上在随机网络中玻色爱因斯坦凝聚的概率预示着三个在演化网络中以动态参数为特征的不同的阶段：无标度阶段，适者生存阶段，玻色爱因斯坦凝聚阶段。下面我们分开讨论每个可能的阶段：

（一）无标度阶段 当所有的节点拥有相同的适宜参数，即 [ ]时，这个模型衰减为scale-free模型，被认为可以导致在不同系统中观察到的能量等级连接性分布，比如万维网，actor网络，因特网或者引用模型。这个模型描绘了一个“先来者赢”的行为，在这里所有最老的节点获得最多的链接。事实上，所有的节点以t1/2的速度增长它们的连接性，越早进入的节点有越小的ti，有越大的ki。然而，最老的和“richest”的节点不是一个绝对的赢家，既然它的连接共享，kmax（t）/（mt），在热力学极限中以t-1/2的速率衰减到0。因此一个连续的更大的节点等级相互共存，这样连接性分布P（k），给出了一个节点拥有k个链接的概率，遵循一个能量法则：P（k）~k-3。更新，衰老，还有其他本地进程可以更改这个比例系数或者当省去在这个阶段中不改变的热力学特征时引入指数型减少。

（二）适者生存。这个阶段在当节点拥有不同适宜参数并且方程拥有一个解（即 ）时出现。每个节点在同一时间增强它的连接性，但是动态指数依赖于适宜参数，有更高适宜参数的节点动态依赖指数越大。这个就使更适宜的节点在后来加入这个系统并且通过以更大的概率获得链接来超过没那么适宜但是先进入的节点。随之，这个阶段显示了一个“适者生存”现象。但是，当有一个明确的获胜者时，和无标度阶段类似，最适宜的节点共享所有在热力学极限中减小到0的链接。事实上，既然有 ，这些最适宜节点的相关连接性以 的速率减小。节点度分布P（k）遵循能量法则：P（k）~k-γ，这里γ当 知道的时候可以计算出。

（三）玻色爱因斯坦凝聚。当方程没有解时玻色爱因斯坦凝聚出现，在这个为了链接的竞争中，有最大适宜参数的节点作为一个明显的获胜者出现，一小部分粒子（n0）落在这个能级上，因此玻色爱因斯坦凝聚预测了一个真实的“赢着通吃”的现象，在这个现象中最适宜的节点不仅仅是最大的，而且是不考虑为了获得链接竞争的新节点的出现，它一直获得一小部分链接

在实际情况中我们可以将这三个阶段看做是一个高新技术开发区发展模式：

（一）无标度阶段，即初步阶段 这一阶段所有的企业综合实力接近，我们就看做是刚开始发展的阶段，所有的企业都是刚刚起步。于是在这一阶段相对应的就有一个先来者占优的现象，最早进入这个高新技术开发区的企业会拥有最多的关系，即会发展得最好。但是，最先进入的企业并不是一个绝对的赢家。

（二）适者生存（FGR） 在这个阶段里企业的综合实力开始出现差距，并且由于这个高新技术开发区的发展，吸引力的增加，会有实力强（比如世界500强企业）加入这个开发区。而综合实力越强的企业会获得更多与其他企业的关系，甚至一些后加入的但实力雄厚的企业获得的关系比先前就加入了但实力一般的企业获得的关系多。这样这些实力强大的企业就是适宜的点。

（三）赢者通吃 这个阶段可以看做是最终的一个稳定阶段。这个阶段中最显著的特点就是赢者通吃，就是指在这一阶段这个开发区中会有一个或一些龙头企业，在这些龙头企业的带领下整个开发区蓬勃发展到一个稳定的模式。

三、利用集群观点分析滨海新区

上述理论模型为我们提供了一个新的角度来理解产业集群及基于产业集群效应的持续性发展。从处于网络中的企业来看，模型为企业提供了较优的发展方式参考，即“先下手为强”（第一阶段）和“适者生存”（第二阶段）以达到第三阶段的“强者恒强”，也只有这样的企业才可以在网络中生存并持续发展。另外，从产业结构即一个产品的生产链方面来看，当不同企业共同存在并满足产品生产不同环节（第三阶段）、产业结构合理时，整个网络才处于动态均衡的最优状态。此时网络本身和其中的企业可以持续性良好的发展下去。

在应用模型时需要简化模型，并且找出变量所对应的现实意义，经过研究和学习，讨论出判断区域经济所处阶段的主要变量有：

给每个节点设置的能量 ，这个能量由它的适宜参数决定，如下面式子：

这里β是一个温度倒数的参数，β=1/T。

适宜参数是一个0-1之间的数，每个节点的适宜参数决定了它所处的能量级，对应于企业的综合实力和在集群中所扮演的角色的重要程度。在对滨海新区的研究中发现，它既不属于小世界网络，因为它的供应链不是封闭的，是与外界有着密切联系的；它也不属于BA无标度网络，因为发展不均衡，企业之间的规模、投资比例，情况不一，因此，采用每个节点带有适宜参数的模型更为合理，这样可以把单个企业的情况纳入整体的区域集群的考虑中去，更符合实际。 然而在研究过程中，由于数据量大，滨海新区共几百个企业，能力有限，无法一一算出其相应的适宜参数，因此，在这里不进行数值带入。

环境系数β：

在模型中，它是温度的倒数，与能量 成正相关，而且对于现实中的某一确定的集群，其所处的自然环境、投资环境、以及地理位置都是确定的，因此，在研究实际问题时，β是一个可以由总体数据算出的先决变量，对于模型来说是一个确定的值。下面我们来确定滨海新区的β值：

考虑滨海新区整体的综合环境，我们建立了综合指标体系来确定它，最然后用层次分析法来确定权重，通过与较为先进的浦东新区作对比来得出β的数值。

综合以上数据，进行归一化，将数据化成0-1之间的数值，经过计算， 57.775%

说明天津滨海新区的投资、文化、政策等综合环境较浦东新区还有一定差距。

四、天津滨海新区集群视角下的现状分析

滨海新区的九大产业群：电子通讯产业群；汽车产业群；生物医药群；食品饮料产业群；新能源新材料产业群；装备制造产业群；石油化工产业群；航天产业群；现代服务业产业群。 我们将每个产业看成一个点，两点之间的线代表两个产业之间有联系，即供求关系。这样作出的网络图如下：

在这个图里，我们可以注意到，与其他产业联系最多的产业为第二产业中的装备制造，而其中的高新技术产业，即电子产业，生物医药，新能源，新材料，航天产业的顶点度基本相差不多，说明其稳定性基本一致，但高新技术产业还不属于核心产业，没有一个健全在这个产业集群图里，我们可以注意到，与其他产业联系最多的产业为第二产业中的装备制造，而其中的高新技术产业，即电子产业，生物医药，新能源，新材料，航天产业的顶点度基本相差不多，说明其稳定性基本一致，但高新技术产业还不属于核心产业，没有一个健全的产业集群为其服务，即高新技术产业的辐射度不够高，还有很大的发展空间，目前还没有达到动态平衡。根据玻色爱因斯坦凝聚模型中对三个阶段的解释，可知滨海新区的高新技术产业尚属于第二阶段，即适者生存阶段。

接下来滨海新区高新技术产业的发展应着重于培养若干核心产业，让再引进企业与核心产业产生联系，即供求关系，就可以逐渐形成核心产业，核心产业可以带动与其有联系的企业共同发展，从而达到玻色爱因斯坦凝聚阶段，即第三阶段――赢者通吃，就是指在这一阶段这个开发区中会有一个或一些龙头企业，在这些龙头企业的带领下整个开发区蓬勃发展到一个稳定的模式。最终的稳定模式一旦达到，如果核心产业不受到很大的扰动，这个产业集群就会持久稳定地发展下去。

通过滨海新区的产业群分布和产业链分析表明，滨海新区的产业链比较单一，主要集中在重工业，产业链深度不够，各个企业间的联系不够。由此可见，滨海新区高新技术产业集群尚未完全成熟，还有很大发展空间。当其达到稳定阶段时，可持续性将大幅度提高。

参考文献：

[1] 方锦清,李永,刘强等.我国高新技术网络的若干研究进展.数学、力学、物理学、高新技术研究进展.北京:科学出版社.2008(12).

[2] 陈关荣,许晓.复杂网络理论与应用.上海:上海系统科学出版社.2008.

[3] 孙伟刚,方锦清,李常品等.国家高新技术产业开发区网络的某些特点.复杂系统与复杂性科学.2008.

[4] Ginestra Bianconi, Albert-László Barabási. Bose-Einstein Condensation in Complex Networks. Physical Review Letters. Vol86, No.24, pp5632-5635, 1998.

[5] Jun-ichi Inoue. Bose-Einstein condensation in a simple model of economy and emergence of Pareto-tails in wealth distributions. Hokkaido University. Japan. 2006.

第6篇：复杂网络分析范文

[摘要] 目的：分析李发枝教授治疗艾滋病皮肤瘙痒的用药规律，为中医药治疗艾滋病皮肤瘙痒提供相应的用药参考依据。方法：利用复杂网络分析方法，研究河南尉氏县在2007年10月—2011年7月期间接受李发枝教授治疗过的艾滋病皮肤瘙痒患者，分析艾滋病皮肤瘙痒的病因病机、名老中医辨证论治及用药规律。结果：运用多维检索查询分析得出，该次研究中治疗艾滋病皮肤瘙痒的核心药物为防风、蝉蜕、柴胡等祛风解表药物，甘草等有解毒功效药物，黄芩、地肤子等清热利湿药物；核心处方为荆防败毒散加减。结论：李发枝教授治疗艾滋病皮肤瘙痒以祛风解表除湿止痒为治则。

 

[关键词] 艾滋病皮肤瘙痒；中药；复杂网络分析

李发枝教授，国家第四批名老中医，国家中医临床研究基地重点病种（艾滋病）首席专家，国家中医药防治艾滋病专家组成员，河南省中医药治疗艾滋病专家组组长。从事中医临床、教学50余年，其一生循仲景而博采众长，善用经方治疗疑难杂症。自2002年始李发枝教授在河南新蔡、上蔡、尉氏等县从事中医药防治艾滋病的临床工作，把经方运用于艾滋病救治中，疗效显著。现将李发枝教授治疗艾滋病皮肤瘙痒的经验，用复杂网络分析探讨如下。

 

1 材料与方法

1.1 病例纳入标准 艾滋病临床诊断标准：按照卫生部、中华医学会《艾滋病诊疗指南》[1]标准执行。艾滋病皮肤瘙痒诊断标准：①符合艾滋病临床诊断标准；②符合中华人民共和国中医药行业标准《中医病证诊断疗效标准》（ZY/T001.1-94）中皮肤瘙痒的诊断依据，并以皮肤瘙痒作为主症。

 

1.2 病例资料 选择在2007年10月—2011年7月期间在李发枝教授尉氏县中医院义诊门诊接受治疗的艾滋病皮肤瘙痒患者，符合上述诊断标准，全部患者共96人，包括多次复诊，共306例次。

 

1.3 研究方法 病例资料收集方法：初诊、复诊病例格式经过专门科研设计，保留病历原始信息。收集资料基本齐全，96例共306例次的数据均纳入本次研究中。 

数据库说明：本研究使用的数据库隶属于“名老中医临床信息采集系统”的数据库，该系统由北京市科技计划重大项目课题的“基于信息挖掘技术的名老中医临床诊疗经验研究”课题组建立。

 

1.4 资料处理 数据采集：确定研究的主要内容为分析李发枝教授治疗艾滋病皮肤瘙痒的用药规律，为中医药治疗艾滋病皮肤瘙痒提供相应的用药参考依据。以上述研究目的为目标，采集了病例的文本信息[2]，对文本信息结构化处理[3]并录入，形成可分析的结构化数据，数据录入严格按照标准操作规程进行[4-5]。

 

建立规范数据库：数据前期整理及规范录入完成后，进行数据汇总，形成数据库。对各类数据进行进一步的规范，以利于数据挖掘。

复杂网络分析：本研究运用中医临床复杂网络分析系统常使用的EclipseRCP技术。复杂网络分析方法是复杂科学研究的热点之一，在社会、生物学、商业、通信和计算机网络等领域广泛应用[6]。根据节点度的分布情况，可以将复杂网络分为指数网络和无尺度网络两大类，把具有幂律分布的网络称为无尺度网络（scale-free network）。这是基于关联规则的一种数理分析模型与方法，反映了复杂网络在一定驱动力的影响下动态的自组织过程宏观规律，据研究显示，中医理论指导下的复方配伍过程具有无尺度复杂网络现象，复杂网络分析为中医药理论如复方配伍、药物相互作用等的研究提供依据，通过对名老中医的基本处方配伍经验或是某一病症的药物配伍经验进行复杂网络分析，进而发现核心药物配伍特点及药对信息，由此能够总结名老中医某方面的学术思想[4]。

 

2 结果

2.1 治疗艾滋病皮肤瘙痒核心药物及配伍规律 全部患者共96人，包括多次复诊，共306例次，临床治疗均有效。运用多维检索查询分析[7]得出，李发枝教授治疗艾滋病皮肤瘙痒的高频药物，见表1。在306例次中，使用防风234次、甘草222次、黄芩142次、蝉蜕130次、地肤子115次、柴胡110次、丹参108次、荆芥102次、炒牛蒡子92次。说明李发枝教授治疗艾滋病皮肤瘙痒的核心药物主要为防风、蝉蜕、柴胡等祛风解表药物，甘草等有解毒功效药物，黄芩、地肤子等清热利湿药物。

 

基于复杂网络图分析方法，根据处方中药物的使用频次及该药与其他药物配伍的频度，可以分析出李发枝教授治疗艾滋病皮肤瘙痒的常用药物即核心处方。并且结合网络图及节点大小能直观看出常用药物和使用较多药物。基于复杂网络图分析方法的可视化的处方配伍网络见图1，可以直观地看出防风、蝉蜕、柴胡、甘草、黄芩、地肤子等处于处方配伍网络的核心节点。每一味药物与周围药物的边表示配伍关系。药物节点之间的连接边的权重即药物配伍次数在一定程度上表现了药物之间同时配伍应用的强度。与该网络相对应的药物配伍频度信息见表2，防风-甘草配伍频度最高，其次为防风-蝉蜕，再其次为黄芩-甘草、防风-地肤子、丹参-防风、丹参-蝉蜕、荆芥-防风等。方剂疗效的基础不是单味中药功效的相加，而是中药之间的配伍作用[8]，药对是为达到某种疗效而组合使用的，是中医临床用药的经验总结，明确药对之理论，掌握在组方中的应用规律，更好的去应用药物的配伍理论，为中医药的治疗提高疗效。结合两部分信息，可提炼出李发枝教授治疗艾滋病皮肤瘙痒的处方特点为以防风、蝉蜕、柴胡等祛风解表药物，甘草等有解毒功效药物，黄芩、地肤子等清热利湿药物为核心药物。

 

2.2 李发枝教授治疗艾滋病皮肤瘙痒辨证特点及症状加减用药特点 复杂网络分析法对药物的进一步分析显示出相对独立的方药组团，复杂网络图1可看出为荆防败毒散加减的方药组团。图1可示在荆防败毒散基础上加入丹参、炒牛蒡子、土茯苓、地肤子。这与李发枝教授治疗本病时若血热加入丹参等凉血活血祛瘀药物；若风热较重加入炒牛蒡子等疏散风热透泄热毒之品；若湿热较重加入土茯苓、地肤子等解毒和除湿热之品高度呼应。这一配伍特点反映了李发枝教授治疗艾滋病皮肤瘙痒时的辨证及治疗思路。

第7篇：复杂网络分析范文

关键词：社会网络分析；跨学科团队；评价指标；评估

中图分类号：C916 文献标志码：A DOI： 10.3969/j.issn1003-8256.2013.03.010

引言

当今的许多重大科学研究，几乎都是在跨学科领域展开，许多世界一流大学已经把跨学科作为一种大学理念，渗透到大学的全部活动当中。从活动论的视角看，跨学科合作的本质，就是将承载着不同学科知识、运用不同思维模式、具有不同价值观的人聚拢在一起，形成一个能完成复杂、困难或重大科技创新任务的创新团队。对于如何组建跨学科组织，加快学科交叉融合，促进跨越发展，提升我国高校的办学水平、人才培养质量和整体竞争力，我国学者从学科交叉的模式、组织形式、协调成本、制度政策等方面做了大量的研究[1-3]。其中核心的问题在于如何围绕跨学科问题形成切实有效的跨学科团队，而设立各种形式的学科交叉培育基金是重要的手段，如中国科学技术大学重要方向项目培育基金、上海交通大学文理学科交叉科研基金、浙江大学学科交叉与重大项目预研基金等。由于学科交叉的研究内容往往不在某一学科范式规定的研究框架中，这使得在项目评审过程中存在着一个关键的问题，如何评价申请项目的团队是否具有跨学科研究的合作基础和跨学科研究能力。

客观的定量评价方法是同行评议的重要补充。国内学者已经应用各种数理统计分析方法，如层次分析法、模糊综合评价法、结构方程模型等探讨了科研团队的评估指标体系的构建以及其科学性、合理性[4-6]。这些传统的方法基于团队本身的团队结构、科研成果（论文、奖励、专利等）、科研项目或者科研活动等属性数据进行评价，无法反映团队的真实关系，特别是隐含的合作关系。跨学科团队实质上是不同学科的科研人员组成的科研合作网络，科研合作网络可以表现为科研人员合著论文、共引文献、项目合作等关系的网络。随着社会网络和复杂网络理论的不断丰富，国内外学者开始把社会网络分析方法应用于科研合作网络以及科研团队评价等研究中。本文将利用社会网络分析方法来研究跨学科团队的评价指标。

1 研究现状

社会网络实质上就是为达到特定目的，人与人之间进行信息交流和资源利用的关系网，是一个由某些个体或组织间社会关系构成的动态的系统[7]。社会网络分析方法（SNA）是由数学的图形理论推导出来的一套用于研究社会网络关系及其属性的数学分析方法。近年来，社会网络分析法已被运用到合著和引文网络研究、竞争情报、知识管理、网络信息资源评价以及科学评价等众多领域。如Yas-minH.Said等构建了许多著名学者的合作网络，基于作者合作网络的集聚特征，划分了作者合作的类型[8]。胡一竑等利用复杂网络理论对国内外供应链管理研究领域的科研合作网络进行了对比研究，证明国内和国际科研合作网络都是无标度网络，但在在合作规模与合作程度上有很大差别[9]。魏瑞斌利用社会网络分析方法分析了关键词共现问题，并且利用点中心度等指标把关键词在网络中的地位及其相互关系以量化的形式予以揭示[10]。刘璇等将社会网络分析法运用于科研团队的发现和评价，利用2-派系和滚雪球相结合的方法发现科研团队，分析了团队合作程度（网络平均度、聚类系数）、核心作者影响力团队总产出能力的相关性[11]。张海燕等通过构建团队成员间的合作矩阵，运用社会网络分析进行团队合作度评估，用以判断创新团队的组建有效性及其合作潜力[12]。李远明等运用社会网络分析的组件、密度及中心性等整体网分析指标对其校科研人员合作的紧密程度、团队合作的基本结构等进行了分析[13]。

2 跨学科团队指标体系

跨学科团队是由来自两个及更多学科的研究人员通过信息、数据、技巧、工具、视角、概念和理论等的交叉、融合，以推进基本的认识或解决诸多问题，而且其解决方法超越了单一学科或是单一研究实践领域的范围。因此，我们对于跨学科团队的评价除了传统的研究基础的评价以外，重点考虑其团队的跨学科度以及团队合作度。

2.1 跨学科度

跨学科度指的是团队中成员的学科跨度，如果团队中的成员来自于同一学科，则所在团队就不能称之为跨学科团队。A.L.Porter等提出了测度研究人员专业化的指标S， ，表示归属到类别 上的目标文献数。[14]我们利用专业化指标提出团队跨学科度，，其中表示归属到类别 上的研究人员数。团队A中的有 个研究人员，如每个人的学科类别都不同的话，则跨学科度 ；如果所有人员都是同一学科类别的话，则跨学科度 。

2.2 合作度

跨学科团队作为典型的知识密集型组织，团队成员间的知识交流是其知识创新的重要途径之一。一个具有良好合作基础的团队，其内部的合作网络应该是较为紧凑的，各成员之间的合作联系（如共同发表文章、文章共引、共同合作项目等）应该是较多的。在社会网络的理论中可以采用如网络结构、网络密度、凝聚力指数等来描述团队成员的网络关系，其中密度（即实际存在的联系与理论上可以达到最大数量联系的比例）可以用来描述网络凝聚力的总体水平。因此，本文借用网络密度的概念来表示合作度 ， ，其中 为实际存在的联系数， 为成员数。如果所有成员之间不存在联系则合作度为 ，如果所有成员之间都存在联系则合作度为 。

2.3 在现有科研团队指标体系中的应用

跨学科度与合作度这两个概念可以用于对现有的科研团队指标体系进行修正，使得现有的科研团队的评价指标可以应用于跨学科团队的评价。以文献4中的高校科研团队绩效评价指标体系为例。文献4以队伍建设、科研项目、科研成果、制度建设、平台建设为准则层，运用层次分析（AHP）法构建了科研团队绩效评价指标体系，如果在这个指标体系引入跨学科度和合作度这两个概念，则可以真正体现跨学科合作的高校科研团队的评价目的。科研团队的得分值为 ，为准则层权重，为相关指标的值 。如果在队伍建设指标（）中引入跨学科度，在科研项目（）、科研成果（）中引入合作度，则科研团队的得分值变为 ，其中 为团队成员的跨学科度， 为团队成员合作科研项目的合作度， 为团队成员合作科研成果的合作度。

2.4 在发现跨学科团队研究中的应用

如何利用现有的中国知网、WEB OF SCIENCE等数字期刊数据库中的数据来发现跨学科团队是高校进行跨学科研究的重要工作，通过跨学科度与合作度这两个概念可以方便的发现具有跨学科合作背景的团队。如通过科研团队成员的合著文章关系计算合著合作度可以显性地判断团队目前的合作关系，一般认为合著合作度越高团队的合作关系越紧密，则团队的合作基础越好。在研究团队的合作基础时，我们不仅仅考虑团队的显性合作基础，特别是在需要挖掘隐形合作团队时，因此我们可以考虑一些其他的论著关系。通常认为文献同被引的数量越多，即同被引强度越大，则它们之间的相似度也越大，说明有共引文献的研究人员有共同的研究内容，因此我们把研究人员的共引关系作为潜在的合作关系。那么通过计算共引关系合作度则可以判断团队的潜在合作关系，共引关系合作度越高，则团队的潜在合作关系越强。

3 结论

本文基于社会网络分析理论研究了跨学科团队的评价指标， 提出了跨学科度以及合作度的概念，并把这两个概念应用于跨学科科研团队的评价和研究。结果证明， 通过社会网络性质来评价跨学科团队可以有效地评价跨学科团队的跨学科性质，是对传统的团队评价方式的有效补充，可以更有效地辨别跨学科团队是否具有研究合作基础，特别对于发掘尚未有合作基础，但有良好跨学科研究潜力的团队有很好的作用。

参考文献：

[1] 刘仲林，赵晓春.跨学科研究：科学原创性成果的动力之源[J].科学技术与辩证法，2005，（6）.

[2] 郭中华，黄召，邹晓东. 高校跨学科组织实施中存在的问题及对策[J]. 科技进步与对策 ， 2008，（01） .

[3] 陈立， 武夷山. 《促进交叉学科研究》述评[J]. 科技管理研究 ， 2006，（01）.

[4] 张喜爱.高校科研团队绩效评价指标体系的构建研究——基于AHP法[J].科技管理研究，2009（2）：225-227.

[5] 杨万福，李红波. 科研团队绩效评估国内研究综述[J]. 科技管理研究.2010（11）：190-191.

[6] 陈平，盛亚东. 跨学科团队评价指标体系研究[J]. 科技与管理. 2011（04）：51-53.

[7] 刘军.社会网络分析导论[M].北京：社会科学文献出版社， 2004.

[8] YasminH. Said， Edward J.Wegman，Walid K. Sharabat，i ，John T. Rigsby. Social networks of author-coauthor relationships[J]. Computational Statistics& Data Analysis， 2008（52）： 2177-2184.

[9] 胡一竑，朱道立，张建同等.中外科研合作网络对比研究[J].管理学报.2009，6（ 10） ： 1323-1329.

[10] 魏瑞斌.社会网络分析在关键词网络分析中的实证研究[J].情报杂志， 2009， 28（9）：46-49.

[11] 刘璇，朱庆华，段宇锋. 社会网络分析法运用于科研团队发现和评价的实证研究[J].信息资源管理学报.2011（3）：32-37.

[12] 张海燕，刘娜，陈士俊等. 基于社会网络分析的创新团队合作度评估[J]. 高等职业教育—天津职业大学学报.2008（1）：83-85.

第8篇：复杂网络分析范文

关键词：友谊关系 社会网络 社会网络分析

友谊作为一种人际现象，是朋友之间，一对一的相互作用过程。人们常说：大学是一个小社会，步入大学就等于步入半个社会。然而，在现在的大学校园生活中，由于网络和互联网的迅速发展和普及，越来越多的大学生不愿意走出宿舍，不愿意和其他人进行交流。但在大学校园文化中，互动、交流，和他人建立良好的友谊往往是大学生能力的体现，因此我们有必要对大学生在学习、生活过程中形成的友谊进行研究，而社会网络给我提供了一种新的视角。

一 、友谊关系的相关研究

Bukowski、Hoza & Boivin（1993）认为，良好的友谊关系会对青少年的情绪调适有正向的影响作用，即当青少年拥有朋友且友谊关系稳定时，青少年本身的社会适应能力会更强[1]。Harris（1995）甚至认为，同学对青少年个人人格发展的影响有时比父母还要重要[2]。谢雨生、吴齐殷与李文杰（2006）指出，在青少年时期，个人除了最为关切的学业成就外，最重要的事莫过于如何结交到好朋友并且维持这些友谊[3]。因此，友谊关系成为青少年研究中的热点问题。

从国内的研究来看，主要集中在分析大学生友谊关系在社会、情感和认知等方面的功能，从心理学和社会学角度出发，提出如何加强大学生友谊关系的培养等，但是他们都忽视了大学生友谊关系形成的内在因素及影响大学生友谊关系发展的先天条件。

二、友谊关系社会网络的研究设计

社会网络分析法是一种社会学研究方法，社会学理论认为社会不是由人而是由网络组成的。网络是由许多节点组成的，两个节点之间的连接组成网络的边， 其中节点代表网络中不同的个体， 边则表示个体间的关系，两个节点之间具有一定的关系则连一条边。友谊关系的网络结构主要是指人与人之间相互交往过程中形成的关系网络，研究友谊关系网络的特征有利于分析大学生友谊关系形成的内在因素，以及成员之间的相互关系，有利于从量化角度出发研究友谊关系网络结构的发展。

本文主要通过问卷调查的方式，收集某院校某专业206位大学生通过一段时间的学习、生活、课外实践活动等形成的友谊关系数据。每隔一段时间收集一段数据，共收集4次数据，再结合已有的文献资料，通过访谈等方式对数据进行有效性处理统计。运用社会网络分析方法对数据进行分析，得出大学生友谊关系社会网络结构，再分析其网络结构的特性，最后拟给出大学生友谊关系所形成的网络结构的特点以、影响其形成的特定因素以及网络发展的趋势.

三、友谊关系社会网络的特征

本文将利用社会网络分析软件UCINET6.0，主要从网络密度、中心性、平均路径长度、聚类系数等特征来分析大学生友谊关系网络的群体特征。

1.密度

本文中大学生友谊网络的规模为206。密度（Density）反映了网络中节点与节点之间的相互联系，即节点之间相互联系的紧密程度。根据刘军关于整体网密度的计算公式[4]，如果网络密度越接近于1，则说明网络对其中成员间关系的影响越大，成员之间联系紧密度越大；反之，说明成员之间联系不紧密。本文中四次测量数据网络密度如图1所示。

从图1可以得出，4次调查得到的友谊关系网络密度非常低，说明该网络对成员间关系的影响不大，成员之间紧密程度不高，同学之间交往能力不强。但从4次数据的变化看，友谊关系网络的密度有所增大，说明同学们之间的友谊关系随着时间的变化在加深但变化不大，因此我们需要一些外在的因素来推动友谊关系的发展。

2.中心性

中心性是对学生权利进行量化分析的一个重要指标。在分析网络中位置问题时，可以利用中心性的“中心度”和“中心势”两种特征指标。中心度是用来描述朋友网络中每个学生占据的核心性；中心势是用来刻画朋友网络图的整体中心性。四次测量数据的中心性分析如图2所示。

从图2来看，4次调查分析得到友谊网络的点出度中心度随时间的变化在逐渐增大，说明同学们整体在友谊网络中的活跃性在提升，呈现出一种积极向上的趋势，有意愿去和他人建立朋友关系。

3.平均路径长度（Avg Distance）是指网络中所有节点之间距离的平均值，反映的是网络成员之间的紧密程度。如果平均值越小，说明网络之间信息交流所需要的时间就越短。另外，网络中凝聚力指数值越高，说明该网络的凝聚力越强，反之，凝聚力越弱。

图3显示，随着时间的变化，网络中任意两个节点之间友谊的传递从3个人下降到2个人，说明整个网络的分离程度在减小，网络成员之间获取友谊的概率在增大。另外网络的凝聚力指数也随时间在变大，说明整个网络的向心力、凝聚力在加深。

4.聚集系数（Overall graph clustering coefficient）

聚集系数是指网络中节点聚集程度的系数，经常表现形式为在社会网络中我们常发现你的两个朋友也可能是朋友关系。图4表示友谊关系网络的4次聚集系数。

图4显示，4次测试的聚集系数均在0.5以下，说明该网络中的聚类性偏弱，学生之间不太愿意进行交流、互动。但是从图4的整体曲线来看，虽然第2次的聚集系数最低（在此不做详细研究），但整体而言还是在扩大，说明学生之间的交流、互动行为在增多，朋友之间的网络在延伸、扩展。

四、研究结论和展望

通过运用社会网络分析方法对大学生友谊关系网络进行分析，得出该测试群体的网络密度比较低，网络群体之间的联系不太紧密，其原因可能是由于大学生对友谊关系的不重视，对群体的融入性有抵触。但是，从四次调查数据来看，随时间的变化，分析结果都在向内集中，说明学生之间的紧密性越来越高，相互之间的凝聚力越来越大，因此，高校教育者应加强对大学生友谊关系的培养，让大学生们走出宿舍、走出网络，融入到大学校园文化之中。

社会网络分析一种新的角度和方法，它关注系统中个体相互关联的作用的拓扑结构，是理解复杂系统性质和功能的基础。在传统文化与主流文化交流日益紧密的情况下，探讨多元文化背景下大学生的友谊关系网络特性，运用社会网络分析方法，给我提供了一个新的视角。本文只是一个个案，采集数据有限，后续可以采取更多的数据和样本，来继续验证相关结论，做出更准确的分析。

参考文献 ：

[1]Bukowshi，W.M.，Hoza，B.，Boivin，M. Popularity，Friendship，and Emotional Adjustment During Early Adolescence [J].New Directions for Child Development，1993，60： 23-37.

[2]Harris，J.R. Where Is the Child's Environment？ A Group Socialization Theory of Development [J]. Psychological Review，1995，102（3）：458-489.

[3]谢雨生，吴齐殷，李文杰.青少年网络特性、互动结构和友谊动态[J]. 台湾社会学，2006，（11）：175-236.

[4]刘军.社会网络分析导论[M].北京：社会科学文献出版社，2004.

[5]王炳成 李洪伟 大学生咨询、信任与友谊关系研究――基于社会网络的视角 山西财经大学学报（高等教育版）2010年9月 第13卷

[6]胡海波；王科；徐玲；汪小帆；；基于复杂网络理论的在线社会网络分析[J]；复杂系统与复杂性科学；2008年02

第9篇：复杂网络分析范文

由于实际的网络较为复杂，是一个由200多个国家和近400个组成的网络，分析起来较为复杂，因此这里以一个假想的组成的简易网络为例，介绍社会网络分析在研究中的应用。如表1所示，这是一个假设的网络。

2构建网络

网络可以使用矩阵、二分图和超图来表示，所有这些表示方法都包含了相同的信息。在表1中，使用的是矩阵表示的网络。矩阵ijAa，叫做从属矩阵。矩阵A是一个行代表行动者，列代表事件的双模关系矩阵。具体地表示为：1j0jijIGOaIGO如果国家i参与了如果国家i未参与网络也可以用二分图来表示，如图1所示，其中的点被分为两个子集，所有的边都是在不同子集的节点对之间的，表示该国家属于某个。二分图的优点是，可以清晰地看到国家之间以及国家和之间的非直接联系。网络还可以用超图来表示，如图2所示。因为从属网络可以用实体子集的集合来描述，所以每个事件描述了它所包含的行动者的子集，每个行动者描述了它所属的事件的子集。用这种方式看待从属网络是超图方法的基础。超图包含一组客体，称为点，以及一个客体子集的集合，称为边。在网络中，一个包含N个国家的点集和M个的边集组成的超图用符号表示为HN,M。通过点和边的转置，就可以得到对偶超图*HM,N。对偶超图里，被描述成点，行动者被描述成边。尽管表示网络的方式有三种，但矩阵是其中最常用的一种方法。这是因为一方面矩阵在进行变换和运算时比较方便，另一方面，二分图和超图都不适用于大规模的社会网络分析，表示起来十分复杂。将图1中的矩阵进行TAA的转化，即得到表2所示的国家之间的社会关系矩阵S，图3是国家之间的社会关系网络图。利用矩阵S对国家的社会关系网络进行分析。当然，这里也可以通过转化TAA得到的社会关系矩阵，本文以分析国家之间的网络关系为例，之间的网络关系可以同理进行分析。

2.1网络性质分析

在网络构建的基础上，可以对网络的性质进行全面的分析。这里结合当前网络研究的热点问题，主要讲述节点的中心性分析和网络的聚类分析。进行中心性分析是为了找出一些在中活跃程度较高、作用比较突出的国家，它们对整个网络产生的影响比较显著。通过聚类分析找出网络结构相类似的国家，根据社会网络分析理论就可以推断这些国家可能在国际事务中会表现出相似的行为，这对揭示对国家、国际关系的影响有重要的意义。（在进行相关数据分析和处理的时候，使用了Ucinet6.0分析软件）。中心性分析社会网络分析中，中心性分析的方法很多，常用的包括点度中心度（Degeecentrality）、接近中心度（closenesscentrality）和中介中心度（Betweennesscentrality）分析。在矩阵S中，国家的点度中心度是该国与其他国家共同参与的数量之和，这个指标揭示了该国与其他国家联系的紧密程度，但是它没有考虑到其他节点的重要程度。国家的接近中心度是通过该国到达其他国家的距离来计算的，这个指标可以用来估计信息或者资源传递到一个给定节点的时间。国家的中介中心度是通过最短路径的数量来计算的，最短路径是指该国作为两国发生联系必须经过的节点，它反映了网络的效能对一个国家依赖程度。不过，接近中心度和中介中心度都没有考虑所有路径的意义。之后，随着研究的深入，又出现了一些测量特定性质的中心度算法。这些中心度算法包括特征向量中心度（eigenvectorcentrality），信息中心度（informationcentrality），流中介中心度，特征向量中心度测量了一个国家吸引网络资源的能力，信息中心度和流中介中心度测量了一个国家在网络中接受信息资源的效率。在实际应用中，应该根据网络分析的实际需要，综合运用多种分析方法。对矩阵S进行六种中心度分析的结果，从中可以看出，美国和法国的点度中心度是最高的，但是法国的接近中心度、中介中心度和信息中心度都比美国高，这是因为法国与更多的国家有直接的联系。在特征向量中心度上，美国比法国拥有更高的中心度，这是因为美国与英国有很强的直接联系。

2.2聚类分析

当两个国家与其他国家之间的联系相同，就称它们在网络结构上等价。事实上，完全等价是非常少见的，因此在位置分析中，可以尝试找出位置相类似的国家。聚类分析的方法主要包括层次聚类分析法（HierachicalCluster）、迭代相关收敛法（ConvergentCorrelations）和多维标度法（Multidimensionalscaling）。这里，以最常用的层次聚类分析法为例进行层次聚类。为了判断两个国家的相似程度，需要对两两国家联系的相似性进行度量，当前的度量方法主要有距离法和相关系数法。在网络中普遍使用的是距离法，在社会关系矩阵S上，应用距离法可以得到一个距离矩阵D。距离矩阵可以通过两种方法进行计算，一种是通过绝对值计算的通过绝对值进行计算，得到的绝对距离矩阵。从中可以看出，虽然法国和俄罗斯同中国联系的紧密程度是相同的，但俄罗斯与中国的距离更近，更易于划分为同一类。这是因为中国和俄罗斯的对外联系十分相似，都只同法国参加了同样的，而法国还与美国和英国参加了同样的。所以在接下来的聚类分析过程中，俄罗斯就更容易同中国划分为一类国家。在得到绝对距离矩阵以后，利用层次聚类法对国家进行分类。首先将每个国家作为一个独立的类，共有5个独立的类。然后增加距离的大小，以此作为分类的参考，直到得到想要的分类结果。通过逐渐减少分类的数量，可以得到表5的分类结果。依据分类结果，认为美国和英国在网络中具有相类似的地位，根据社会网络分析中网络地位和角色的相关理论，可以推断它们会在一些国际问题中表现出相似的行为。

3影响