论文部分内容阅读
在当今的网络时代,更好地研究各种类型的复杂网络已成为一种迫切的需求。从时间序列的视角分析复杂网络,不仅可以定量地提取复杂网络中的有用信息,还可以对未来的情况进行有效的预测。因此,实现复杂网络到时间序列的等价转换尤为重要。 应用多维尺度算法中的经典多维尺度算法,可以将复杂网络映射到时间序列。本文针对特定参数的R?o?ssler系统微分方程进行求解,截取得到的解的x轴分量作为原始的时间序列,然后将这组时间序列转化为复杂网络,再应用经典的多维尺度方法将得到的复杂网络转换回时间序列。在这个时间序列—复杂网络—时间序列的转换循环中,本文主要研究在复杂网络向时间序列的转换过程中,由复杂网络的距离矩阵变换得到的G矩阵的半正定性对转换结果的影响。 考虑到复杂网络的拉普拉斯矩阵具有半正定性,在前面的基础上,本文提出了一种新的转换方法—拉普拉斯方法。通常意义上的无标度网络可以看作是由若干个节点度数服从幂律分布的星形网络链接而形成的。借助于拉普拉斯方法,本文实现了由单个星型网络到时间序列的转换、多个星形随机链接而成的星形网络链到时间序列的转换,以及无标度网络到时间序列的转换。 此外,由于复杂网络可以等价地转换为时间序列。本文从不同动力学系统入手,包括R?o?ssler系统,Ikeda系统和Lorenz系统,取相同动力学系统生成的时间序列的不同长度的子序列,将它们转换为具有相同始源的不同大小的复杂网络,再进一步将这些复杂网络等价地转换回时间序列,探究最终的时间序列的多尺度熵。目的是印证具有相同始源的复杂网络转换得到的时间序列具有相同的复杂性。