由Sierpinski垫片得到的局部自相似网络上的随机游走及谱分析

Recently, it is found that most real networks have self-similar structure, which reveals the fractal characteristics of networks. In the study of complex networks, a central problem is to understand the structural characteristics of the network and its influence on the function and dynamic properties of the network. Random walk and the spectrum of Laplace matrix can well describe the structure and function of the network, which has important research value. At present, there are a lot of research results on the structure analysis of regular networks with global self-similar structure, but there is no relevant research on irregular networks with local self-similar structure. However, most of the real networks are irregular, so it is very important to analyze the structure and dynamics of local self-similar networks. Based on this, this project plans to start with Sierpinski gasket (SG), and take the residual networks obtained by vertical and horizontal cutting on SG as our research object, study the trapping problem on these local self-similar networks and the spectrum of Laplace matrix, and analyze the influence of cutting mode on network structure and dynamic properties. It is hoped that the research of this project can provide some new ideas and methods for the research of topology and dynamics on irregular networks.

近来研究发现，真实中的网络大都具有自相似结构，从而揭示了网络的分形特征。在网络研究中，一个中心问题就是了解网络的结构特征及对网络功能和动力学性质的影响。随机游走以及拉普拉斯矩阵的谱都可以很好地刻画网络的结构和功能，具有重要研究价值。目前，对具有全局自相似结构的规则网络上结构分析已有大量研究，而对具有局部自相似结构的非规则网络的研究还未涉及。然而，真实中的网络往往大部分都是非规则的，因此，局部自相似网络上的结构及动力学分析显得尤为重要。基于此，本项目拟从Sierpinski垫片(SG)入手，通过SG上的竖切和横切两种方式下得到的残余网络为我们的研究对象，研究这些局部自相似网络上的陷阱问题和拉普拉斯矩阵的谱，分析切割方式对于网络结构和动力学性质的影响。通过本项目的研究对非规则网络上的拓扑结构和动力学研究提供新的思路和方法。

近来研究发现，真实中的网络大都具有自相似结构，从而揭示了网络的分形特征。在网络研究中，一个中心问题就是了解网络的结构特征及对网络功能和动力学性质的影响。随机游走以及拉普拉斯矩阵的谱都可以很好地刻画网络的结构和功能，具有重要研究价值。本项目以及由访问学者主持的关联项目研究基于Sierpinski垫片得到的具有局部自相似结构的相关网络上随机游走和谱分析。在网络上随机游走问题上，本项目和由访问学者主持的关联项目提出了联合Sierpinski垫片模型，考虑这种模型下的平均陷阱时间，证明了平均吸收时间由网络模型的迭代次数g和模式变量S决定；在这种模型下通过选定合适的模式变量，就得到了我们提出的Sierpinski垫片横切后残余网络上的随机游走问题；还研究了其他具有自相似结构的分形网络上随机游走，如一种加权分层网络上的平均陷阱时间问题。本项目还对研究内容进行了扩充，研究了3类动态加权分形网络 (WFN) 的同步性；将多重分形时间加权去趋势互相关分析方法（MF-TWXDFA）应用于研究香港的城市和农村地区的空气污染物与气象因子之间的互相关性；利用图嵌入算法和机器学习模型，提出了一个新的算法mDLinker用来预测miRNA-疾病关联及其关联类型；提出了一种基于完全基因组的被称为信息熵位置加权k-mer相对测度 (IEPWRMkmer)、用于物种亲缘树重构的无序列比对新方法。由访问学者主持的关联项目还研究了一类基于m-裂变运算网络模型的拓扑性质、谱分析和一致性问题。