目录
摘要 I
关键词 I
ABSTRACT II
KEY WORDS: II
1 绪论 1
1.1 研究背景 1
1.2 国内外研究情况 1
1.3 开发环境 1
1.4 PYTHON库介绍 2
1.4.1 numpy 2
1.4.2 pandas 2
1.4.3 Matplotlib 2
1.4.4 sklearn 2
1.4.5 networkx 2
2 复杂网络特征统计 2
2.1 图的创建 2
2.2 度的分布 3
2.3 介数分布 4
2.4 连接度 4
2.5 网络熵 4
2.6 网络平均聚类系数 5
3 关键节点识别 5
3.1 度关键节点与介数关键节点 5
3.2 EKSDN关键节点 5
3.3 流量关键节点识别方法 7
3.4 核密度估计 7
3.5 历史数据拟合 12
3.6 当前数据拟合 13
3.6.1 非负矩阵分解 13
3.6.2 KMEANS数据聚类 15
3.6.3 聚类结果核估计拟合 16
4 级联失效打击 17
4.1 级联状态 17
4.2 平均分配方式 23
4.3 介数分配方式 24
4.4 负载分配方式 24
4.5 分配方式对比 24
5 实验结果 25
5.1 软件功能 25
5.2 软件界面 26
5.3 软件运行 28
6 总结与展望 31
6.1总结 31
6.2展望 31
致谢 32
参考文献： 32
基于动态负载的级联失效分析平台
摘 要
为了解决衡量网络中不同节点在网络中的重要性能，量化网络节点在发生级联失效状况时的状态 *51今日免费论文网|www.51jrft.com +Q: @351916072@ 
，以及级联失效中失效节点不同分配方式的优劣问题提出了基于动态负载的级联失效模型。首先，利用拓扑结构如度，介数等指标和EKSDN技术寻找与节点负载无关的关键节点。之后再利用降维使得数据从高维降到低维，聚类可以发现节点之间的共性，以及核密度估计技术寻找与节点负载相关的关键节点，其次，基于耦合映像因子提出级联失效状态函数来描述节点状态，仿真实验不同的扰动值，不同的耦合系数之下的网络失效情况最后提出在3类侧重点不同的失效分配技术下，对上述负载无关关键节点和负载相关关键节点进行级联失效打击。结果表明，在节点重要性方面，对网络影响最大的节点是EKSDN识别点，最大度点，最大介数点，应当优先维护。三类失效分配技术下，在对三类最重要节点打击下，平均分配方式表现效果最好，在物力人力有限的条件下推荐选择平均分配方式。
目录

原文链接：http://www.jxszl.com/jsj/jsjkxyjs/605732.html