买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆理工大学;电子科技大学

摘要：本发明提出了基于邻域拓扑与投票机制的关键节点识别方法的验证方法，识别方法包括：获取节点的循环路径，并从循环路径中选出最短循环路径；基于节点连接的最短循环路径，获取节点的初始票数；基于投票机制在循环路径中节点根据与相邻节点之间投票的占比进行选择性投票，并计算节点得分，选出得分最高的节点，则该节点为关键节点；投票结束后，构建网络中关键节点的一阶邻域拓扑图和二阶邻域拓扑图；降低一阶邻域拓扑图和二阶邻域拓扑图中的所有节点的票数；重复上述步骤，获取下一个关键节点，并生成关键节点序列表。本发明通过构建节点的一阶和二阶邻域拓扑图，可以更好地理解节点之间的关系，从而更准确地识别关键节点。

主权项：1.基于邻域拓扑与投票机制的关键节点识别方法的验证方法，其特征在于，所述验证方法包括：A1、获取至少一个真实网络和至少一个现有方法，利用所述识别方法和现有方法在所述真实网络分别识别关键节点，并分别生成所述关键节点排名列表；A2、利用对所述识别方法和现有方法在所述真实网络分别识别关键节点进行建模，并通过SIR模型模拟所述真实网络中节点之间信息的传播过程，获取每个所述关键节点的最终感染标度，基于所述最终感染标度判断该关键节点在所述真实网络中最终传播的程度，基于所述最终传播的程度判断所述识别方法和现有方法识别关键节点的准确性；A3、基于所述识别方法和现有方法的关键节点排名列表，依次剔除每个关键节点，查看所述真实网络的变化，剔除关键节点后，若真实网络的变化大，则判断该关键节点的重要性越强，反之若真实网络的变化小，则判断该关键节点的重要性越弱；基于所述真实网络的变化强弱对所述关键节点进行重新排名，基于关键节点的重新排名判断所述识别方法和现有方法识别关键节点的准确性；A4、基于每个所述方法识别出的关键节点排名列表，依次从排名高到排名低的关键节点进行攻击，以此判断每个所述方法识别的关键节点排名列表的准确性；A5、计算每个所述方法识别出的关键节点排名列表中关键节点之间的平均最短路径长度，利用所述平均最短路径长度判断该关键节点排名列表中所有关键节点在所述真实网络中的影响范围，基于所述影响范围判断每个所述方法识别的关键节点排名列表的准确性；A6、至少选择上述步骤A2、步骤A3、步骤A4和步骤A5的其中一种验证方法对所述识别方法识别关键节点的准确性进行验证；所述识别方法包括：S100、获取节点的循环路径，并从所述循环路径中选出最短循环路径；S200、基于节点连接的所述最短循环路径，获取节点的初始票数；S300、基于投票机制在所述循环路径中所述节点根据与相邻节点之间投票的占比进行选择性投票，并计算节点得分，选出得分最高的节点，则该节点为关键节点；所述计算节点得分的计算公式为： 其中，Sv表示节点得分，||表示取模，Γv表示节点v的所有邻居的集合，Vni表示节点i拥有的票数，pv,i表示节点v与邻居节点i投票的占比，Γi表示节点i的所有邻居的集合，Vnj表示节点j拥有的票数，pi,j表示节点i与邻居节点j投票的占比；S400、投票结束后，构建网络中所述关键节点的一阶邻域拓扑图和二阶邻域拓扑图；S500、降低所述一阶邻域拓扑图和二阶邻域拓扑图中的所有节点的票数；所述降低所述一阶邻域拓扑图中的所有节点的票数的表示公式为： 其中，表示在降低后关键节点的一阶邻域中节点v1的投票数，表示在降低前关键节点的一阶邻域中节点v1的投票数，km表示关键节点的度值，表示节点v1的度值；所述降低所述二阶邻域拓扑图中的所有节点的票数的表示公式为： 其中，表示在降低后关键节点的二阶邻域中节点v2的投票数，表示在降低前关键节点的二阶邻域中节点v2的投票数，km表示关键节点的度值，表示节点v2的度值；S600、重复步骤S100至S500，获取下一个关键节点，并生成关键节点序列表。

全文数据：

权利要求：

百度查询： 重庆理工大学 电子科技大学 基于邻域拓扑与投票机制的关键节点识别方法的验证方法