本文对动态网络嵌入问题进行了系统的研究，重点介绍了动态网络嵌入的基本概念，首次对现有的动态网络嵌入技术进行了分类，包括基于矩阵分解的、基于跃格的、基于自动编码器的、基于神经网络的等嵌入方法。

matlab潮流计算含代码网络的功能可观察性 大规模动态网络上的功能可观察性分析，最小的传感器放置和最小顺序的功能观察器设计，包括在电网和流行病中的应用。 该程序是免费软件； 您可以根据自由软件基金会发布的GNU通用公共许可证的条款重新分发和/或修改它； 许可的版本3，或（由您选择）任何更高的版本。 分发该程序是希望它会有用，但是没有任何保证； 甚至没有对适销性或特定用途适用性的暗示保证。 有关更多详细信息，请参见GNU通用公共许可证。 可以在文件“ LICENSE.txt”中找到GNU通用公共许可证的全文。 相依性 对于电网中的网络攻击检测问题（example_cyberdetection），潮流计算需要使用Matpower 6.0（）。 用法 以下代码是最小传感器放置算法和参考文献中提出的最小顺序功能观察器设计的直接实现。 [1,2]。 find_msp ：相对于一组目标节点，找到系统功能可观察性所需的最小传感器节点组。 这是参考文献中算法1的MATLAB实现。 [1，2]。 find_F0 ：以最小顺序查找F_0，从而使Ref。中的Darouach条件（4）。 对于三元组（A，C

以往传统的链路预测方法大多数针对无向网络，而实际上大多数社交网络是有向的，并且没有考虑网络中同一节点对之间的重复边以及微观演化信息，因此不能较好地解决有向动态网络中的链路预测问题。针对有向网络，将节点对之间的重复边信息转换为该节点对之间连边的权值；接着采用了基于三元组模体的演化模型，对滑动窗口中相邻时间片的模体转换概率进行统计后，采用指数加权滑动平均法对其进行时序分析得到不同模体转换概率的预测矩阵，进而使用该矩阵对网络中的链边进行预测。这不仅充分利用了网络微观演化信息，而且解决了动态网络中重复边的问题。最后对实验结果进行分析发现，在高全局聚类系数高平均度的网络中AUC相比Triad Transition Matrix方法提高了近0.01，而相比CN方法提高更多。因此，所提方法能够较好地应用网络微观演化信息进行链路预测。

基于元胞自动机模拟和遗传算法改进的动态网络分配模型分析（Matlab完整程序和数据） 元胞自动机模拟，遗传算法改进，动态网络分配模型分析，Matlab完整程序和数据。 元胞自动机，遗传算法是很久之前就提出的模型，受碍于计算设备的局限，经过实践的证明，如今才应用于本领域也是非常有用的工具。 NaSch模型与NSGA—II算法结合，在对交通网络基于完善规则的模拟的情况下，应用恰当的算法可以对交通网进行一定程度的优化。

动态网 描述 dynnet为静态和动态网络提供了一组潜在的空间模型。 目前，该软件包提供了Hoff，Raftery和Handcock的原始欧几里得模型（HRH； 2002），以及使用参考节点作为参数识别方法的模型变体。 计划在不久的将来扩展投影模型和动态网络。 这是目前的实验软件。 你被警告了。 安装 目前尚无计划将此软件包发布到CRAN。 您将改为使用Hadley Wickham的devtools软件包直接从GitHub安装。 安装依赖项 install.packages(c( " Rcpp " , " RcppArmadillo " , " igraph " , " coda " )) 在Mac上，发现Rcpp依赖关系存在问题。 有关问题的说明和解决方法，请参见此处： [ 问题4：在Mac上安装问题） 安装依赖项后，您应该可以使用devtools进行安装： devtools

动态网络社团挖掘算法研究（可编辑）.doc

安全技术-网络信息-组织信息系统互动动态网络模.pdf

安全技术-网络信息-组织信息系统互动动态网络模拟研究.pdf

安全技术-网络信息-自适应动态网络取证方法研究.pdf

论文研究-基于模块性指标的动态网络社群结构探测方法.pdf,  针对节点增加的动态网络,提出一种对应的动态网络社群结构探测算法CD(Community Structure Detection Algorithm for Dynamic Networks).CDD算法依据节点加入引起模块性指标变化的情况,对网络节点进行社群划分, 从而可以发现网络社群结构随时间的动态变化过程.利用计算机生成数据、Ucinet和Pajek提供的有关网络数据,通过社群结构探测试验表明, CDD算法不但可以对动态网络的社群结构变化进行探测,同样也可以实现静态网络的社群结构探测; 与N-G算法和A-N算法等社群结构探测算法相比, 算法的速度快, 所获得的模块性指标也基本相当.