CN110149233A - 采用概要图和节点对影响值评估关键节点的方法与系统 - Google Patents
采用概要图和节点对影响值评估关键节点的方法与系统 Download PDFInfo
- Publication number
- CN110149233A CN110149233A CN201910435456.3A CN201910435456A CN110149233A CN 110149233 A CN110149233 A CN 110149233A CN 201910435456 A CN201910435456 A CN 201910435456A CN 110149233 A CN110149233 A CN 110149233A
- Authority
- CN
- China
- Prior art keywords
- node
- influence value
- network
- graph model
- influence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
- H04L45/123—Evaluation of link metrics
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及一种采用概要图和节点对影响值评估关键节点的方法与系统,该方法包括如下步骤:根据概要图模型对当前机会网络进行建模以得到机会网络概要图模型,其中机会网络概要图模型对应有多个节点间的连边,每条边对应有一权重系数;根据目标评估节点的度中心性、影响节点集内的邻居节点的度中心性以及目标评估节点与邻居节点之间的节点对最短路径,计算得到节点对影响值;根据节点对影响值以及机会网络概要图模型中的所述权重系数,计算得到每个节点对应的节点影响值,并根据节点影响值确定网络关键节点。本发明提出的采用概要图和节点对影响值评估关键节点的方法,可更加准确地确定网络关键节点,满足了实际分析识别需求。
Description
技术领域
本发明涉及机会网络技术领域,特别涉及一种采用概要图和节点对影响值评估关键节点的方法与系统。
背景技术
机会网络(Opportunistic Network,ON)是一种不需要源节点与目的节点之间存在完整链路,利用节点移动带来的相遇机会来实现通信的自组织网络,具有移动自组织网络(Mobile Ad-hoc Network,MANET)以及延迟容忍网络(Delay Tolerant Network,DTN)的特点。它具有网络拓扑结构频繁割裂,消息传输时延高的特点,可应用于无法建立全连通网络的诸多领域。
在不同的实际应用场景中,由于节点损坏、节点移动等自身因素以及外界的地理位置因素的影响,使得机会网络常被分割成多个不连通的感知区域。此时,节点之间的消息传输路径可能会消失,导致节点之间无法建立有效的通信路径。在机会网络中,若一些关键节点失效,可能会造成整个网络的连通性被严重破坏甚至瘫痪。因此,可靠地评估出网络关键节点,并采取对应的保护措施,对于维护网络的连通性、建立高效的拓扑控制机制起着关键性的作用。关键节点评估机制能有效地评估出当前网络的关键节点,综合考虑网络拓扑结构以及实时性等问题,对机会网络的关键节点建立良好的评估机制,进而对相应的节点进行进一步的维护,保证数据的正确传输。目前对于关键节点的评估大致可分为两类:静态网络中关键节点的评估以及动态网络中关键节点的评估。在静态的复杂网络中,关键节点的度量是由该网络的中心性来决定的,并没有考虑网络的时间属性。如度中心性、接近中心性、介数中心性、PageRank等。
静态网络关键节点的评估方法,仅适用于节点移动不频繁的网络。然而,在动态网络中,由于没有考虑节点的时间属性,难以准确地评估确定动态网络的关键节点。
发明内容
基于此,本发明的目的是为了解决现有的网络关键节点评估方法中,在动态网络中,由于没有考虑节点的时间属性,难以准确地评估确定动态网络的关键节点。
为了解决这一技术问题,本发明提出一种采用概要图和节点对影响值评估关键节点的方法,其中,所述方法包括如下步骤:
根据概要图模型对当前机会网络进行建模以得到机会网络概要图模型,其中所述机会网络概要图模型对应有多个节点间的连边,每条边对应有一权重系数;
根据目标评估节点的度中心性、影响节点集内的邻居节点的度中心性以及所述目标评估节点与所述邻居节点之间的节点对最短路径,计算得到节点对影响值;
根据所述节点对影响值以及所述机会网络概要图模型中的所述权重系数,计算得到每个节点对应的节点影响值,并根据所述节点影响值确定网络关键节点。
本发明提出的采用概要图和节点对影响值评估关键节点的方法,首先根据概要图模型对机会网络进行建模以得到机会网络概要图模型,然后根据目标评估节点的度中心性、影响节点集内的邻居节点的度中心性以及目标评估节点与邻居节点之间的节点对最短路径,计算得到节点对影响值,然后根据节点对影响值以及机会网络概要图模型中的权重系数,计算得到每个节点的节点影响值。由于在本发明中,将机会网络概要图模型中每条边的权重系数考虑进去了,也即包含了网络时间属性,可有效地评估机会网络中的关键节点,帮助维护网络稳定,节省开销。
所述采用概要图和节点对影响值评估关键节点的方法,其中,所述根据概要图模型对当前机会网络进行建模以得到机会网络概要图模型的方法包括如下步骤:
将当前机会网络分割成多个时间窗口大小为Δt的时间切片,并根据多个所述时间切片上节点间的连边,得出不含权重系数的机会网络概要图模型,所述机会网络概要图模型对应有多个节点间的连边;
根据每条边在所述时间切片上的出现次数以及总时间切片数,计算得到每条边对应的所述权重系数。
所述采用概要图和节点对影响值评估关键节点的方法,其中,所述权重系数的表达式为:
其中,we为边e上的权重,dij为节点对之间的最短路径。
所述采用概要图和节点对影响值评估关键节点的方法,其中,所述根据目标评估节点的度中心性、影响节点集内的邻居节点的度中心性以及所述目标评估节点与所述邻居节点之间的节点对最短路径,计算得到节点对影响值的方法包括如下步骤:
选取节点i两跳范围内的邻居节点作为影响节点集,并记为
计算节点i以及所述影响节点集内的邻居节点的度中心性;
根据所述节点i的度中心性、所述影响节点集内的邻居节点的度中心性以及所述节点对最短路径,利用平方反比定律计算得到所述节点对影响值。
所述采用概要图和节点对影响值评估关键节点的方法,其中,所述度中心性的表达式为:
其中,若节点a与b之间存在连边,则xab=1,反之为0;M为网络节点总数。
所述采用概要图和节点对影响值评估关键节点的方法,其中,所述根据所述节点i的度中心性、所述影响节点集内的邻居节点的度中心性以及所述节点对最短路径,计算得到所述节点对影响值的公式表达式为:
其中,Di,Dj分别为所述目标评估节点i与所述影响节点集内节点j的度中心性;dij为节点i与节点j之间的最短路径。
所述采用概要图和节点对影响值评估关键节点的方法,其中,在所述根据所述节点对影响值以及所述机会网络概要图模型中的所述权重系数,计算得到每个节点对应的节点影响值的步骤中,计算得到所述节点影响值的公式表达式为:
其中,Bij为节点i与节点j的节点对影响值,P为节点i与节点j之间的权重系数,V(i)为节点i的影像节点集,n为影响节点集中的节点总数。
本发明还提出一种采用概要图和节点对影响值评估关键节点的系统,其中,所述系统包括:
模型建立模块,用于根据概要图模型对当前机会网络进行建模以得到机会网络概要图模型,其中所述机会网络概要图模型对应有多个节点间的连边,每条边对应有一权重系数;
第一计算模块,用于根据目标评估节点的度中心性、影响节点集内的邻居节点的度中心性以及所述目标评估节点与所述邻居节点之间的节点对最短路径,计算得到节点对影响值;
第二计算模块,用于根据所述节点对影响值以及所述机会网络概要图模型中的所述权重系数,计算得到每个节点对应的节点影响值,并根据所述节点影响值确定网络关键节点。
所述采用概要图和节点对影响值评估关键节点的系统,其中,所述模型建立模块还用于:
将当前机会网络分割成多个时间窗口大小为Δt的时间切片,并根据多个所述时间切片上节点间的连边,得出不含权重系数的机会网络概要图模型,所述机会网络概要图模型对应有多个节点间的连边;
根据每条边在所述时间切片上的出现次数以及总时间切片数,计算得到每条边对应的所述权重系数。
本发明还提出一种可读存储介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如上所述的采用概要图和节点对影响值评估关键节点的方法。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1为本发明第一实施例提出的采用概要图和节点对影响值评估关键节点的方法的流程图;
图2为本发明第一实施例中机会网络概要图建模方法示意图;
图3为本发明第一实施例提出的采用概要图和节点对影响值评估关键节点的方法中获取节点度中心性的示意图;
图4为本发明第一实施例提出的采用概要图和节点对影响值评估关键节点的方法中获取节点对最短路径的示意图;
图5为本发明第二实施例提出的采用概要图和节点对影响值评估关键节点的系统的结构示意图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的首选实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
静态网络关键节点的评估方法,仅适用于节点移动不频繁的网络。然而,在动态网络中,由于没有考虑节点的时间属性,难以准确地评估确定动态网络的关键节点。
为了解决这一技术问题,本发明提出一种采用概要图和节点对影响值评估关键节点的方法,请参阅图1至于图4,对于本发明第一实施例提出的采用概要图和节点对影响值评估关键节点的方法,所述方法包括如下步骤:
S101,根据概要图模型对当前机会网络进行建模以得到机会网络概要图模型,其中所述机会网络概要图模型对应有多个节点间的连边,每条边对应有一权重系数。
在本步骤中,具体包括以下两个分步骤:
(a)将当前机会网络分割成N个时间窗口大小为Δt的时间切片,并根据N个时间切片上节点间的连边,得出不含权重系数的机会网络概要图模型。
(b)根据每条边在时间切片上的出现次数以及总时间切片数,计算得到每条边对应的权重系数。
在本步骤中,上述的权重系数的表达式为:
其中,we为边e上的权重,dij为节点对之间的最短路径。
S102,根据目标评估节点的度中心性、影响节点集内的邻居节点的度中心性以及所述目标评估节点与所述邻居节点之间的节点对最短路径,计算得到节点对影响值。
在本步骤中,具体如下:
(a)选取节点i两跳范围内的邻居节点作为影响节点集,并记为
(b)计算节点i以及影响节点集内的邻居节点的度中心性。
节点i的度中心性以及影响节点集内的邻居节点的度中心性的计算公式为:
其中,若节点a与b之间存在连边,则xab=1,反之为0;M为网络节点总数。
(c)在得到了节点i的度中心性、影响节点集内的邻居节点的度中心性以及节点对最短路径之后,利用平方反比定律计算得到节点对影响值B。
具体的,上述的节点对影响值的公式表达式为:
其中,Di,Dj分别为目标评估节点i与影响节点集内节点j的度中心性;dij为节点i与节点j之间的最短路径。
S103,根据所述节点对影响值以及所述机会网络概要图模型中的所述权重系数,计算得到每个节点对应的节点影响值,并根据所述节点影响值确定网络关键节点。
在本步骤中,利用节点对影响值以及机会网络概要图模型中的权重系数,计算得到每个节点对应的节点影响值,具体的表达式为:
其中,Bij为节点i与节点j的节点对影响值,P为节点i与节点j之间的权重系数,V(i)为节点i的影像节点集,n为影响节点集中的节点总数。
可以理解的,在计算得到了每个节点的节点影响值之后,可直接根据该节点影响值的大小依据选取网络中的关键节点。
本发明提出的采用概要图和节点对影响值评估关键节点的方法,首先根据概要图模型对机会网络进行建模以得到机会网络概要图模型,然后根据目标评估节点的度中心性、影响节点集内的邻居节点的度中心性以及目标评估节点与邻居节点之间的节点对最短路径,计算得到节点对影响值,然后根据节点对影响值以及机会网络概要图模型中的权重系数,计算得到每个节点的节点影响值。由于在本发明中,将机会网络概要图模型中每条边的权重系数考虑进去了,也即包含了网络时间属性,可有效地评估机会网络中的关键节点,帮助维护网络稳定,节省开销。
请参阅图5,对于本发明第二实施例提出的一种采用概要图和节点对影响值评估关键节点的系统,其中,所述系统包括依次连接的模型建立模块11、第一计算模块12以及第二计算模块13;
所述模型建立模块11具体用于:
根据概要图模型对当前机会网络进行建模以得到机会网络概要图模型,其中所述机会网络概要图模型对应有多个节点间的连边,每条边对应有一权重系数;
所述第一计算模块12具体用于:
根据目标评估节点的度中心性、影响节点集内的邻居节点的度中心性以及所述目标评估节点与所述邻居节点之间的节点对最短路径,计算得到节点对影响值;
所述第二计算模块13具体用于:
根据所述节点对影响值以及所述机会网络概要图模型中的所述权重系数,计算得到每个节点对应的节点影响值,并根据所述节点影响值确定网络关键节点。
其中,所述模型建立模块11还用于:
将当前机会网络分割成多个时间窗口大小为Δt的时间切片,并根据多个所述时间切片上节点间的连边,得出不含权重系数的机会网络概要图模型,所述机会网络概要图模型对应有多个节点间的连边;
根据每条边在所述时间切片上的出现次数以及总时间切片数,计算得到每条边对应的所述权重系数。
本发明还提出一种可读存储介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如上所述的采用概要图和节点对影响值评估关键节点的方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成。所述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,包括上述方法所述的步骤。所述的存储介质,包括:ROM/RAM、磁碟、光盘等。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种采用概要图和节点对影响值评估关键节点的方法,其特征在于,所述方法包括如下步骤:
根据概要图模型对当前机会网络进行建模以得到机会网络概要图模型,其中所述机会网络概要图模型对应有多个节点间的连边,每条边对应有一权重系数;
根据目标评估节点的度中心性、影响节点集内的邻居节点的度中心性以及所述目标评估节点与所述邻居节点之间的节点对最短路径,计算得到节点对影响值;
根据所述节点对影响值以及所述机会网络概要图模型中的所述权重系数,计算得到每个节点对应的节点影响值,并根据所述节点影响值确定网络关键节点。
2.根据权利要求1所述的采用概要图和节点对影响值评估关键节点的方法,其特征在于,所述根据概要图模型对当前机会网络进行建模以得到机会网络概要图模型的方法包括如下步骤:
将当前机会网络分割成多个时间窗口大小为Δt的时间切片,并根据多个所述时间切片上节点间的连边,得出不含权重系数的机会网络概要图模型,所述机会网络概要图模型对应有多个节点间的连边;
根据每条边在所述时间切片上的出现次数以及总时间切片数,计算得到每条边对应的所述权重系数。
3.根据权利要求2所述的采用概要图和节点对影响值评估关键节点的方法,其特征在于,所述权重系数的表达式为:
其中,we为边e上的权重,dij为节点对之间的最短路径。
4.根据权利要求1所述的采用概要图和节点对影响值评估关键节点的方法,其特征在于,所述根据目标评估节点的度中心性、影响节点集内的邻居节点的度中心性以及所述目标评估节点与所述邻居节点之间的节点对最短路径,计算得到节点对影响值的方法包括如下步骤:
选取节点i两跳范围内的邻居节点作为影响节点集,并记为
计算节点i以及所述影响节点集内的邻居节点的度中心性;
根据所述节点i的度中心性、所述影响节点集内的邻居节点的度中心性以及所述节点对最短路径,利用平方反比定律计算得到所述节点对影响值。
5.根据权利要求4所述的采用概要图和节点对影响值评估关键节点的方法,其特征在于,所述度中心性的表达式为:
其中,若节点a与b之间存在连边,则xab=1,反之为0;M为网络节点总数。
6.根据权利要求4所述的采用概要图和节点对影响值评估关键节点的方法,其特征在于,所述根据所述节点i的度中心性、所述影响节点集内的邻居节点的度中心性以及所述节点对最短路径,计算得到所述节点对影响值的公式表达式为:
其中,Di,Dj分别为所述目标评估节点i与所述影响节点集内节点j的度中心性;dij为节点i与节点j之间的最短路径。
7.根据权利要求1所述的采用概要图和节点对影响值评估关键节点的方法,其特征在于,在所述根据所述节点对影响值以及所述机会网络概要图模型中的所述权重系数,计算得到每个节点对应的节点影响值的步骤中,计算得到所述节点影响值的公式表达式为:
其中,Bij为节点i与节点j的节点对影响值,P为节点i与节点j之间的权重系数,V(i)为节点i的影像节点集,n为影响节点集中的节点总数。
8.一种采用概要图和节点对影响值评估关键节点的系统,其特征在于,所述系统包括:
模型建立模块,用于根据概要图模型对当前机会网络进行建模以得到机会网络概要图模型,其中所述机会网络概要图模型对应有多个节点间的连边,每条边对应有一权重系数;
第一计算模块,用于根据目标评估节点的度中心性、影响节点集内的邻居节点的度中心性以及所述目标评估节点与所述邻居节点之间的节点对最短路径,计算得到节点对影响值;
第二计算模块,用于根据所述节点对影响值以及所述机会网络概要图模型中的所述权重系数,计算得到每个节点对应的节点影响值,并根据所述节点影响值确定网络关键节点。
9.根据权利要求8所述的采用概要图和节点对影响值评估关键节点的系统,其特征在于,所述模型建立模块还用于:
将当前机会网络分割成多个时间窗口大小为Δt的时间切片,并根据多个所述时间切片上节点间的连边,得出不含权重系数的机会网络概要图模型,所述机会网络概要图模型对应有多个节点间的连边;
根据每条边在所述时间切片上的出现次数以及总时间切片数,计算得到每条边对应的所述权重系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910435456.3A CN110149233B (zh) | 2019-05-23 | 2019-05-23 | 采用概要图和节点对影响值评估关键节点的方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910435456.3A CN110149233B (zh) | 2019-05-23 | 2019-05-23 | 采用概要图和节点对影响值评估关键节点的方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110149233A true CN110149233A (zh) | 2019-08-20 |
CN110149233B CN110149233B (zh) | 2021-12-24 |
Family
ID=67593046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910435456.3A Active CN110149233B (zh) | 2019-05-23 | 2019-05-23 | 采用概要图和节点对影响值评估关键节点的方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110149233B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110650050A (zh) * | 2019-09-25 | 2020-01-03 | 南昌航空大学 | 一种采用效率依赖矩阵评估机会网络关键节点的方法 |
CN115294758A (zh) * | 2022-06-20 | 2022-11-04 | 杭州未名信科科技有限公司 | 一种时序网络节点挖掘方法和系统 |
CN115294758B (zh) * | 2022-06-20 | 2024-05-31 | 杭州未名信科科技有限公司 | 一种时序网络节点挖掘方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103227731A (zh) * | 2013-04-23 | 2013-07-31 | 西北工业大学 | 基于改进“结构洞”的复杂网络节点重要性局部计算方法 |
US20150324386A1 (en) * | 2014-05-11 | 2015-11-12 | Microsoft Technology Licensing, Llc | File service using a shared file access-rest interface |
US20170277691A1 (en) * | 2016-03-22 | 2017-09-28 | Facebook, Inc. | Quantifying Social Influence |
CN107292751A (zh) * | 2017-05-31 | 2017-10-24 | 杭州师范大学 | 一种时序网络中节点重要性的挖掘方法和装置 |
CN108601047A (zh) * | 2018-08-02 | 2018-09-28 | 南昌航空大学 | 机会网络关键节点的测量方法 |
-
2019
- 2019-05-23 CN CN201910435456.3A patent/CN110149233B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103227731A (zh) * | 2013-04-23 | 2013-07-31 | 西北工业大学 | 基于改进“结构洞”的复杂网络节点重要性局部计算方法 |
US20150324386A1 (en) * | 2014-05-11 | 2015-11-12 | Microsoft Technology Licensing, Llc | File service using a shared file access-rest interface |
US20170277691A1 (en) * | 2016-03-22 | 2017-09-28 | Facebook, Inc. | Quantifying Social Influence |
CN107292751A (zh) * | 2017-05-31 | 2017-10-24 | 杭州师范大学 | 一种时序网络中节点重要性的挖掘方法和装置 |
CN108601047A (zh) * | 2018-08-02 | 2018-09-28 | 南昌航空大学 | 机会网络关键节点的测量方法 |
Non-Patent Citations (3)
Title |
---|
XULIN CAI等: "Link Prediction Approach for Opportunistic Networks Based on Recurrent Neural Network", 《IEEE ACCESS》 * |
任晓龙等: "网络重要节点排序方法综述", 《科学通报》 * |
江贵荣: "基于节点对影响值的机会网络关键节点评估", 《万方学位论文》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110650050A (zh) * | 2019-09-25 | 2020-01-03 | 南昌航空大学 | 一种采用效率依赖矩阵评估机会网络关键节点的方法 |
CN115294758A (zh) * | 2022-06-20 | 2022-11-04 | 杭州未名信科科技有限公司 | 一种时序网络节点挖掘方法和系统 |
CN115294758B (zh) * | 2022-06-20 | 2024-05-31 | 杭州未名信科科技有限公司 | 一种时序网络节点挖掘方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110149233B (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104468192B (zh) | 一种多尺度多权重链路质量评估的路由方法 | |
CN108601047B (zh) | 机会网络关键节点的测量方法 | |
Rastegarnia et al. | Performance evaluation of castalia wireless sensor network simulator | |
Migov et al. | Reliability of ad hoc networks with imperfect nodes | |
CN110149233A (zh) | 采用概要图和节点对影响值评估关键节点的方法与系统 | |
Ling et al. | Proposed network centric warfare metrics: From connectivity to the OODA cycle | |
Zhang et al. | Robustness of mobile ad hoc networks under centrality-based attacks | |
CN104994578B (zh) | 基于修正的仿真曲线拟合的非测距定位方法 | |
CN102378217B (zh) | 一种无线传感器网络定位中信标节点信誉评估方法 | |
Zhang et al. | Modelling critical node attacks in MANETs | |
Shavitt et al. | Geographical internet pop level maps | |
CN105939207B (zh) | 一种基于网络探针的网络拓扑自动发现方法 | |
Sun et al. | Quality-of-protection (QoP): a quantitative methodology to grade security services | |
Nanda et al. | Social network analysis plugin (SNAP) for mesh networks | |
CN106161080A (zh) | 一种SpaceFiber/SpaceWire网络模型描述方法 | |
CN105391580A (zh) | 一种适用于SpW/SpF网络模型描述方法 | |
CN105979564B (zh) | 一种发送数据的方法及装置 | |
Wang et al. | A fault-event detection model using trust matrix in WSN | |
Singh et al. | Simulation based Behavioral Study of AODV, DSR, OLSR and TORA Routing Protocols in Manet | |
Cooper et al. | The cover times of random walks on hypergraphs | |
CN102684935A (zh) | 基于信息量的流量矩阵估测方法 | |
Singh et al. | Link influence entropy | |
Razzazi et al. | Coverage of wireless sensor networks in the presence of transparent obstacles | |
Kavarthapu et al. | A Failure Node Detection based on Discrete Selection in WSNs | |
Chen et al. | Detecting communities in social networks using local information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |