简介：从复杂网络的角度分析大型开源软件内部软件包依赖关系的复杂度和风险情况。以GentooLinux系统做为数据源，将系统中的软件包抽象成点，把软件包之间的依赖关系抽象成边，建立随机图，对此进行分析。除应用经典的随机图方法外，还定义了两个基于有向图的新参数：复杂度和风险度分布，用以量化地评估系统的复杂程度与风险性。通过应用两个新参数，观察到Gentoo系统的复杂度和风险度分布经历了一个快速增长的阶段。这种高速增长的原因来自系统中环状依赖结构。

简介：为研究用户的相似性对协同过滤个性化推荐算法的影响,认为用户的有向相似性应该由邻居用户指向目标用户,而非由目标用户指向邻居用户。基于该思想,提出了一类改进的协同过滤算法。通过对Movielens数据集的实验分析,结果发现改变用户相似性的方向可大幅提高推荐结果的准确度和推荐列表的多样性。进一步,强化相似度高的用户的推荐强度可大幅提高推荐效果,算法的准确性可提高17.94%,达到0.0864,当推荐列表的长度为10时,推荐列表的多样性可达到0.8929,提高20.9%。该工作表明用户相似性的方向是否合理对推荐算法具有非常大的影响。

简介：利用无标度网络的定义和分类,以及无标度网络度指数的定义,研究了3个有争议的命题：是否所有无标度网络都是稀疏的,从无标度网络随机抽样所得的子网络是否无标度,阿波罗尼斯网络度指数要不要加1。分析了产生争议的根源,给出了正确的解答。

简介：引入一种有单一虚拟领导者的存在通信时延的二阶多智能体编队控制模型,分析了时延对编队一致性的影响。通过构造Lyapunov-Krasovskii泛函,综合运用LMI方法,推导证明了有单一虚拟领导者的时延编队系统取得一致的条件。证明过程中引入自由权矩阵的思想,得到了系统取得一致性的时延的上界和相应的自由权矩阵。数值实例和仿真结果表明了方法的有效性。