[发明专利]一种多目标时空关联网络关键节点的识别方法

说明书

本发明提供了一种多目标时空关联网络关键节点的识别方法，包括如下步骤：构建多目标时空关联邻接矩阵，依据目标之间实际存在的时空关联关系将邻接矩阵转换为有向图，并计算其每个节点的介数并将其做为节点关键性评估指标之一，结合节点其他属性构建节点关键性评估指标集及对应的数据矩阵并对该矩阵进行正向化处理，运用优劣解距离法对节点进行关键性量化计算、排序，最终识别出关键节点。本发明提出将节点所处的网络结构特征与节点本身的属性特征相结合的关键节点评估方法，充分运用网络结构及节点相关数据进行关键性计算，提高了多目标时空关联网络中关键节点评估、识别的客观性及全面性。

技术领域

本发明属于复杂网络分析研究领域，尤其涉及一种多目标时空关联网络关键节点的识别方法。

背景技术

多个目标节点在时间和空间上的相互关联往往呈现出复杂的网络形态，如何从错综复杂的关系网络中识别出具备如“桥梁”作用、“传播引爆源”、“风险集中点”、“强 弱点”等特征的关键节点是一个被广泛研究的问题。实际操作中，由于目标节点评估 指标多、指标量纲不统一、关联关系错综复杂、网络结构随机不规则等情况使得针对 复杂网络中的多个目标节点进行关键节点识别仍存在诸多问题：1)只侧重目标节点所 处网络结构特征和目标节点本身的属性特征中的一个方面，评价维度较为片面，往往 出现以局部特征研判全局的情况。2)针对由多个不同量纲的目标属性组成的评估指标 体系，过度依赖主观赋予各指标的权重进行评价，忽略目标节点所处的客观网络结构。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种多目标时空关联网络关键节点的识别方法。

为了解决上述技术问题，本发明公开了一种多目标时空关联网络关键节点的识别方法，包括如下步骤：

步骤1、构建多目标时空关联邻接矩阵，依据目标之间实际存在的时空关联关系将邻接矩阵转换为有向图。

步骤2、计算目标时空关联有向图中每个节点的介数，评估节点在有向图中的中心性。

步骤3、将目标时空关联有向图中节点介数做为节点关键性评估指标之一，结合节点其他属性构建节点关键性评估指标集及对应的数据矩阵。

步骤4、对节点评估数据矩阵进行正向化处理，运用优劣解距离法对节点进行关键性量化计算、排序以识别出关键节点。

进一步的，所述步骤1中，记时空关联网络中包含的目标集合为V，包含n个目 标，其中n∈N^*且n＞1，首先构建一个n*n的目标关系邻接矩阵M，依据目标两两 之间实际存在的关联关系对矩阵M进行处理，去除矩阵M中无用的关联关系，记去除 无用的关联关系后的矩阵M中包含的关联关系集合为E，每个关联关系称为一个边， 记关联关系集合E包含e个边，其中e∈N^*且1＜e≤n²-n，则得到一个以邻接矩 阵结构表示的有向图，记为G，则G＝(V，E)，所述有向图G中一个节点对应一个 目标；

进一步的，所述步骤2中，对步骤1中生成的有向图G＝(V，E)中目标集合V 的每个目标节点量化评估其在整个网络结构中的”桥梁“作用，即计算G中所有的最 短路径中包含该节点的数量比例，计算结果称为介数，所述介数反映了节点在整个网 络中的作用和影响力，介数越大，节点在图中的中心性越强。通过对有向图G进行层 序遍历，计算节点p到q的最短路径总数记为σ_p→q，其中p≠q且p，q∈V；通过节点i的最短路径总数为σ_p→q(i)，其中p≠q≠i且i∈V；记有向图G中节点i的介数为B(i)， 则：

记录有向图G中每个节点i对应的目标与B(i)值的映射关系，将其作为下一步计算输 入的指标之一。