欧美精品网站,亚洲精品tv久久久久久久久,在线免费观看一区二区三区

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的網絡分析主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：網絡分析范文

關鍵詞事件相關振蕩，動態細胞集群，同步化

分類號R741

腦電圖(electroencephalography,EEG)可能是最為突出和神秘的腦功能特征，伴隨認知、情感和行為過程的EEG振蕩活動則稱為事件相關振蕩(event-relatedoscillations，ERO)。雖然EEG早已用來檢測和判斷腦功能，基于EEG的神經反饋也用于改善腦功能和治療腦病，但歷經80年研究，EEG產生機制和功能意義仍未完全澄清，本文介紹ERO研究方法、進展和方向。

1振蕩腦網絡分析方法

EEG是一個包含許多不同頻率成分的寬頻振蕩，其功率與頻率成反比變化，1/f反比斜線上也可能出現以10Hz、40Hz振蕩等為中心頻率的突起。各頻帶下限和上限由低到高表示如下：δ[0.1，4]，θ[4，8]，α[8，13]，β(13，30)，γ(30，100)(Hz)。頻帶界限值在文獻中并未統一，“[]”和“()”分別表示包括或不包括對應界限值；δ，θ和α頻段稱為低頻振蕩，β和γ頻段稱為高頻振蕩，低于δ頻段者為超慢(infraslow)振蕩，高于γ頻段者為超快(ultrafast)振蕩。EEG在不同腦區、不同生理和病理過程具有特定分布和不同頻率組合。

振蕩研究受制于分析方法。一個簡諧振蕩可用正弦函數的頻率、幅值和相位三個參數完全描述。1807年，傅里葉提出可將復雜振蕩分解為許多簡諧振蕩的代數加權和的方法，從而建立了信號時域與頻域的變換。該變換因假設各簡諧振蕩能量均勻分布而喪失了時間信息，不適合分析ERO這類振蕩特征快速變化的非平穩信號。

1946年，Gabor引入一個固定長度的移動窗函數而把信號劃分成許多片段，再用傅里葉變換分析，獲得各個時刻的頻域特征。對于非平穩信號，高頻部分希望窗函數有較高時間分辨率；而其低頻部分則要求窗函數有較高頻率分辨率，一個固定長度的窗函數不能兼顧兩方面，若要調整分辨率，只能重新選擇窗函數長度。

1980年，Morlet引入一個能量有限、兼具振蕩和快速衰減特點的“窗”函數族，故名“小波”。小波變換在時域和頻域具有自適應多分辨分析的特點：一個寬頻信號內的低／高頻成分可分別應用較高／低頻率分辨率和較低／高的時間分辨率的小波函數來突出特征，因而適合非平穩信號分析。Morlet復值小波是ERO分析最常用的小波函數，可提取瞬時功率和瞬時相位。

基于EEG考察大腦網絡的方法主要有四類：(1)時頻分析方法如小波變換和Hilbert變換等；(2)多變量自回歸模型；(3)信息論方法；(4)圖論及非線性網絡動力學方法。前兩者為可直接刻畫振蕩特點的線性方法，后兩者雖不直接反映振蕩特點，但可用于包括非線性情形的數據分析。它們的性能需要深入比較，還沒有完美的指標和方法來全面刻畫振蕩大腦網絡。

用一階特征和二階特征可區分出兩類同步振蕩：一階特征如功率譜和波幅等反映局部神經活動的同步程度以及調幅變化；二階特征如鎖相值(phase-lockedvalue)和相干函數等描述遠隔腦區振蕩之間的同步程度，鎖相值只與兩個振蕩相位差的統計分布有關，后者則受波幅和相位共同影響。

由于沒有理想的“零電勢點”作為參考部位，基于EEG直接計算二階特征受容積導體效應與共同參考影響，可用空間濾波如Hiorth變換或Laplacian變換來消除，故獲取“免參考”(reference-free)數據是計算二階特征必要的預處理。而兩個腦區之間的聯系受第三區共同驅動的效應要用偏相關／偏相干技術來削弱。

2事件相關振蕩

EEG振蕩可自組織(self-organized)自發(spontaneous)產生而與事件無關，如睡眠EEG，同ERO一樣，其研究實際上受人類定義、記錄和分析各類事件能力的限制，同時考察其與環境、行為、主觀體驗以及各類設備提供的測量指標等的關系，才能深入理解。

依據振蕩相位與事件鎖時(time-locked)關系，ERO分為兩類：鎖相(phase-locked)和非鎖相(non-phase-locked)振蕩，也分別稱為誘發(evoked)和引發(induced)節律。將一組ERO片段依事件發生時刻對齊后直接疊加，即獲得平均事件相關電位(event-relatedpotentials，ERP)。對平均ERP的貢獻主要來自鎖相振蕩部分，特別是功率更強的低頻振蕩，非鎖相振蕩成分卻在平均疊加過程中與噪聲同時衰減。Sayers等認為ERP主要由調相機制產生，刺激使原先隨機變化的自發EEG振蕩相位重置(phaseresetting)而轉變成同步振蕩。Jervis等則強調調幅機制：刺激引出額外增強的誘發反應。Shah等的結果支持相互包容的觀點：調幅和調相(同步)是早期刺激的自底向上加工的共同機制；而在晚期源自額葉或頂葉的自頂向下加工中，調相機制更為重要。由于平均ERP丟失了非鎖相成分，混淆了多頻段動態信息，因而難以直接探究神經信息加工本質。

欲考察非鎖相成分，需對ERO進行特別預處理；先用窄帶濾波獲得不同頻段的時間序列，其波幅經平方后再平均疊加，避免非鎖相成分因相位正負極性而在疊加中抵消，從而獲得事件相關(去)同步(event-relatedsynchronization/desynchronization，ERS/ERD)，該方法同時保留了鎖相和非鎖相振蕩成分。這樣得到的ERS和ERD分別對應局部神經元群活動的同步增強和減弱，但實際上調幅機制也可能參與其中，它們并不反映遠隔腦區之間EEG相位的關系。α阻斷(a-blocking)就是典型的ERD現象，表現為安靜閉眼時，原本處于閑置狀態(idling)的枕區較強α節律(ERS)在睜眼時減弱(ERD)。奇怪的是，一些研究發現工作記憶及心算任務相關的額區和頂區α節律增強(ERS)，α節律在認知加工中是主動抑或被動角色有待探討。功能神經影像學的結果可以提供EEG振蕩在能量代謝方面的限制條件信息，Mukamel等報告人類聽覺任務中，fMRI位于聽覺皮層的血氧水平依賴信號與低頻段(5～15Hz)局部場電位(10calfieldpotential，LFP)和動作電位(神經發放)平均發放率呈負相關、而與高頻段(40～130Hz)振蕩活動呈正相關，提示α振蕩處于閑置的低能耗狀態。Makeig等利用小波分析和獨立成分分析同時考察誘發振蕩、引發振蕩及其發生部位。

3微觀與介觀尺度研究

基于觀察的神經元數量，可大致將實驗劃分為三個尺度，這實際上由傳感器與神經組織接觸面積決定：微米尺度的微電極可考察微觀的單個神經元的膜電位及發放；厘米尺度電極記錄的EEG反映的是宏觀上百萬神經元集體活動；介觀(mesoscope或mesoscale)則位于微觀與宏觀之間：毫米尺度電極記錄的LFP是數十萬局域興奮性與抑制性神經元群體突觸后電位的總和，也是更大尺度的顱內EEG或頭皮EEG的發生基礎。

Singer等研究貓單眼短期遮蔽前后條件下視覺皮層神經元功能變化，觀察到神經發放鎖相于γ頻段的LFP，具有不同朝向感受野的神經元之間的γ振蕩隨著符合格式塔原理的光柵刺激變化而同步化，位居兩個半球的腦區之間同步活動隨半球聯絡纖維的切斷而消失，從而排除了同步受刺激共同驅動所致的可能。同步振蕩不僅受自底向上的刺激驅動，Fries等在視覺辨別任務實驗中顯示注意調節了恒河猴的V4區的神經振蕩，V4區是視覺目標識別的重要區域。Womelsdorf等研究顯示同分心物的神經振蕩相比較，目標相關的γ振蕩增強，而低頻振蕩減弱：當恒河猴錯誤選擇了分心物時，γ振蕩增強同樣發生在分心物相關的神經元。高頻振蕩可能是注意這類自頂向下加工的神經相關物。

O''''Keefe等報告迷宮內直線前進的大鼠海馬內神經發放與路徑的不同位置相關，這些與γ振蕩同步的神經發放依位置順序排列在同一個LFP的θ振蕩周期內，并以“先進先出”順序在連續的θ振蕩周期內提升(phaseprecession，相位遞進)。這是高頻和低頻神經振蕩相互作用和顯示EEG功能的有力證據。海馬神經元群使用了雙重編碼，其中反映位置變化的相位遞進為時域(相位)編碼，發放率反映漫游速度。

在實驗基礎上，Singer等提出時域編碼假設：神經元通過毫秒精度的同步發放建立關聯且以此做為后續加工的基礎，即腦運用時域同步來編碼客體特征乃至客體之間的關系。既往人們以為只有動作電位參與神經編碼，關注的也僅僅是神經發放頻率而非發放定時(timing)模式，忽視突觸后電位構成的場電位。Traub等認為腦區局部抑制性中間神經元與錐體細胞之間的縫隙連接(gapjunction)起到了電突觸的作用。許多研究表明LFP振蕩可以直接影響發放閾值而調節發放定時和發放率，從而反映神經元群興奮性的波動。Varela等認為介觀水平的LFP是探討腦區間相互作用的最優層次。

考察癲癇病人顱內深部電極陣列獲得的顱內EEG，觀察到跨頻段振蕩的相互影響(調頻)、振蕩強弱變化(調幅)和相位同步變化(調相)等現象。對應于大鼠巡游實驗，從事迷宮漫游游戲的病人顱內EEG中也觀察到θ振蕩。在Stemberg工作記憶任務中，刺激引發的多腦區θ振蕩增強延續至信息保持階段；且內側顳葉γ振蕩隨保持項目數增加而增強：而調相和調幅現象可以相互獨立變化。研究發現神經發放可以分別鎖相于δ、θ和γ振蕩，有意思的是發放可以鎖定于低頻振蕩不同相位，但只鎖定于高頻振蕩的相位波谷，從而提示低頻振蕩相位對發放定時的調節可能是編碼，而高頻振蕩為解碼作用。成功的回憶伴隨海馬結構及其相鄰皮層的γ和θ同步振蕩的增強。在顱內同一部位(nested)的跨頻段振蕩記錄中，觀察到θ振蕩相位調節高頻γ振蕩(80～150Hz)且在不同腦區隨實驗任務變化。這些實驗提示LFP或EEG這類場電位振蕩是參與神經信息加工的要素，可能擔當著并不相互排斥的多重角色：信息編碼、表征、通訊和調控。因此，尋求EEG功能意義也是對大腦工作原理的探索。

4宏觀尺度研究

頭皮記錄的EEG反映局部厘米尺度的神經集體電活動，適合研究遠隔腦區構成的振蕩大腦網絡。知覺、注意、意識和語言等認知過程或病理條件下均發現了ERO各類振蕩調節現象。與EEG耦合的腦磁圖(magnetoencephalograph，MEG)在觀察腦深部活動方面有特殊優勢。

ERO與知覺：Tallon-Baudry等最早應用小波分析ERO，以Kanizsa知覺三角、真實三角與非三角形做為刺激，發現前兩種刺激均可以在280ms后引出常規平均方法所見不到的非鎖相γ振蕩。γ振蕩被認為是綁定(binding)客體多個特征的機制，這些特征通常在腦內不同區域分布加工。Rodriguez等運用正立和倒立面孔側面圖片的辨別反應任務，發現在較易識別的正立面孔出現250mS的知覺階段和720ms的反應階段之后，受試者的額葉、頂葉和枕葉之間出現γ同步振蕩；兩個階段之間則是相位分散(phasescattering)的失同步現象。

ERO與注意：Bauer等發現被試在一側食指受到觸覺刺激前呈現的線索可以導致其γ振蕩增強，類似于上述猴V4區的實驗，在注意負荷增加時，低頻振蕩減弱。Vidal等讓被試分別關注視覺刺激的組群(grouping)特點或局部特征并記錄其MEG，短暫呈現8個不同朝向的光條，被試在知覺組群階段分別注意全部或其中4個光條，在回憶階段被試必須指出再現的光條朝向是否發生了改變。結果發現知覺階段的高組群難度導致高段γ振蕩(70～120Hz)增強，而回憶階段的任務難度變化卻是低段γ活動(44～66Hz)增強，提示同步振蕩在多腦區參與的活動中所起的協調作用，且不同類型的任務利用了不同頻段的振蕩。許多研究發現選擇性注意涉及遠隔腦區之間的同步γ振蕩。

ERO與記憶：Debener等運用聽覺刺激記憶搜索任務和EEG記錄，發現再認階段與模板匹配的刺激誘發出更強的γ振蕩。Herrmann等報告具有長時記憶表征的刺激誘發的γ振蕩顯著強于新刺激，研究者猜測γ振蕩實現了刺激與記憶的匹配和進一步利用。受相位遞進現象和Steinberg工作記憶項目串行檢索結論的雙重啟發，Lisman等提出工作記憶容量限制表現為θ振蕩內容納的γ振蕩周期數，θ振蕩提供了記憶項目有序化的時間參考框架，而γ振蕩及神經發放分別編碼了項目順序及內容。多項目記憶組織和神經振蕩關系的假說仍需基于ERO的實驗證據

ERO與意識和語言：額葉、顳葉和頂葉之間的同步振蕩在意識性察覺方面發揮關鍵作用。Gross等利用MEG研究注意瞬失(attcnfionalblink)現象，受試者任務是檢測間隔100ms先后呈現的兩個目標，發現第二個目標的成功檢測伴隨著上述區域之間B振蕩的同步增強，而錯失第二個目標伴隨著同步削弱。他們提出高度的同步振蕩與更好地分配注意資源相關。Melloni等利用掩蔽的樣本延遲匹配任務和EEG考察意識性察覺，可見和不可見的單詞均可產生γ振蕩，然而，只有可見單詞伴隨編碼階段廣泛遠隔腦區的γ振蕩同步和保持階段額區局部θ振蕩的增強，提示意識通達和維持可能需要涉及多個腦區的多頻段同步振蕩。Weiss等在語言加工過程中觀察到跨越多個腦區的多頻段同步振蕩，并提出瞬時語言中樞的觀點，強調語言的理解和產生依賴不同腦區的動態協同，挑戰傳統的語言中樞定位觀點。

ERO與腦病：γ振蕩在某些神經精神疾病也呈現出顯著的變化。精神分裂癥病人的情感淡漠、思維和言語的貧乏等陰性癥狀與γ振蕩減弱相關，而妄想和幻覺等陽性癥狀伴隨γ振蕩增強。癲癇病人γ振蕩的增強與常見的一些癥狀如似曾相識感(dejavu)現象相關。多動癥病人顯示了γ振蕩的增強。而癡呆病人則為γ振蕩的下降。

5動態細胞集群假說及驗證

認知神經科學核心任務之一是闡明認知和思維過程是如何產生于神經活動的。大腦是一個高度分布的系統，大量處理平行進行，因而可以提出如下問題：(1)大腦如何編碼、表征關聯的信息內容?(2)神經信息是如何產生、變換、無混淆的選擇和發送的?(3)分布的腦區內進行的并行加工如何協調和整合產生知覺、意識和行動?

Hebb提出的細胞集群(cellassemblies)假說為解決上述問題提供了啟發，認為大腦工作可能基于如下三個基本原則：(1)共同激活的神經元之間突觸聯系增強；(2)聯系增強可以發生在相鄰或遠隔的神經元之間；(3)緊密聯系的神經元構成實現特定功能的單元。Hebb假說強調宏觀的腦功能體現在神經元的相互作用中，而非單一神經元活動所能夠表征和解釋，對單個神經元的探究難以揭示網絡水平的規律。相互緊密聯系的神經元集體構成細胞集群，同一神經元可以扮演不同角色參與不同集群的活動。從而將神經信息表征和加工的主角從神經元轉移到神經網絡，實現了微觀、介觀和宏觀尺度神經活動的溝通和跨越，推進了心理與神經事件關系的理解，成為整合心理科學各分支的基礎。

Hebb假說適合描述學習等可發生突觸形態改變的慢時間尺度上發生的神經(心理)過程，而認知過程等是在毫秒級時間尺度上發生的過程，可能并不伴隨明顯突觸形態變化。其另一個挑戰來自“重疊災難”(superposRioncatastrophe)：在知覺、短時記憶或行動中，多目標對應的不同細胞集群是如何相互區分的?Malsburg提出“動態細胞集群”(dynamicalcellassembly)假說解釋腦工作原理：神經活動同步和去同步可能是區分不同細胞集群的機制，歸屬同一細胞集群內的神經發放同步，而不同細胞集群間的神經發放失同步，一個神經元在不同時段則可以參與不同的細胞集群，隸屬不同細胞集群的神經活動相位關系隨機波動。Fries提出同步振蕩可以為神經信息加工提供時間窗口，遠隔腦區之間神經振蕩同步或失同步不僅指示著瞬時涌現或湮滅的動態細胞集群，也標志通訊渠道的建立或解體。可運用多任務比較考察同一腦區具有參與不同認知過程或同一過程不同階段的能力。

多層次實驗研究能夠深入驗證上述假說。介觀和宏觀水平研究均展示不同認知過程中的ERO具有特定的時空特點，提示同步振蕩可能是分布式神經網絡通訊和協調信息加工的機制。

以人類為受試可方便利用復雜的實驗范式探索振蕩腦網絡，其成果也可以迅速推廣到應用領域。在宏觀層次同樣觀察到豐富的神經振蕩調節現象：Demiralp等報告在短時記憶任務中頭皮ERO的γ振蕩波幅鎖相于θ振蕩相位，并提出局部γ振蕩需要通過θ振蕩調制才能同遠隔腦區通訊。Palva等利用MEG考察心算過程，發現α、β和γ跨頻段同步振蕩的空間分布不同于各頻段內的同步。在判別一個刺激是否出現過的再認記憶任務中，可以觀測到兩個ERP效應：熟悉性(familiarity)效應發生在刺激出現后200～400ms的額中區和顳區，而回憶(recollection)效應出現在刺激后500～1000ms的頂區。Supp等運用基于γ振蕩的方向相干函數和鎖相值考察這些腦區之間的相互關系，發現在熟悉目標呈現時，額中區、左顳區和雙側頂區相互之間的聯絡是雙向的，而在陌生目標呈現時只有額中區和左顳區通向雙側頂區的單向聯系。利用ERO獲得了比ERP研究更為豐富和深入的結果，這類研究不僅證實人類知識的存儲和提取涉及多個腦區的動態聯系，更直接揭示振蕩大腦網絡的運作原理。

第2篇：網絡分析范文

關鍵詞：同伴交往；社會網絡分析；中心度

引言

在青少年的同伴關系中，多數研究影響最多的就是個體關系或者直接關系，但從一些間接關系中，也有很大的程度的影響，任何形式的社交都可以影響個體的身心健康，從而產生抑郁、孤獨感、社交障礙等問題。具有穩定的、友好的友誼關系，能避免雙方產生攻擊性和矛盾性。在這個初中時期，了解并掌握孩子的交往進展和現狀，從中發現在與同學的交往中遇到的問題不懂如何解決，在得到這些信息之后，我們就可以對癥下藥，從教育的角度糾正或指導孩子怎樣才是有效的與人相處的方法，這對于教育工作者和父母來說，教育指向也比較明了，解決問題也比較有針對性。運用社會網絡分析的方法，研究的是群體間的個體關系，清楚地顯示個體在群體間的位置，可以看出從這個角度來看，可以看出某位個體在班級里面是否受歡迎，有哪些是處于邊緣型的個體。在關系網絡的研究中，近朱者赤近墨者黑的理論體系可以對個體進行直接的影響，朋友的影響，交往的影響，都是主觀幸福感的體現。采取關系網絡的方法進行研究，多層次、多背景的研究特色，表現的是多角度的現狀調查，不局限與某幾個個體的聯系，還可以縱觀整個支點的聯系。

1研究方法

1．1研究被試

本研究是選取武漢市華師一附中光谷某初一班級學生。被試總共53人，有效問卷54份。總體年齡在11－13歲之間，男生31人，女生22人。在調查過程中，所提名的同伴局限于同班同學。

1．2研究工具

本研究同伴交往變量使用的是社會網絡分析的方法，最常用的就是同伴提名法，題目是寫出你最喜歡的三位同伴。得出的數據再用UCINET軟件進行分析。

2社會網絡結果分析

2．1社群圖

社群圖是由各個節點還有弧線構成的網絡圖，一個節點表示一個被試，被試所提名的同伴之間就會由一條弧線聯結，整個網絡圖能簡潔描述網絡圖中的同伴關系，清晰表明被試之間的關系網絡。通過圖中可知，39號處于較中心位置，而有好幾位同伴同時指向他，同伴對他的認可度較高。在圖中也有幾個分散的小群體，他們互相提名，這表示在初中班級中會出現小群體的友誼，小群體與小群體之間也互不干擾，形成一個個小的交際圈。還有一些邊緣人群，47號不提名對方，也不被對方提名，這個類型的交往情況需要特別關注。1號和2號，28號和29號，雙方不與他人交往。

2．2點度中心度分析

入度，指的是有多少個個體選擇了某個體，可以從入度的中心節點的大小來看出被選擇的個體是哪一個，入度值越大，就比較處于中心位置，在群體中就比較有威望。表1中有三位個體的入度值較高，對應的入度值就會較高，有較多的個體會選擇該個體，在群體中也比較受歡迎。從表1可以看出，4號和18號、39號的入度值較高，說明是最多被選擇的，能夠同時被幾位同學選擇，說明該學生身上某種特質比較受人喜歡，也是群體中的領導者。

2．3接近中心度

接近中心度是指該節點除以其他節點再與其他所有節點的距離之和。通過對該節點的分析可以看出它與其他個體的親密關系，個體與其它個體之間的親密關系。在本研究中，個體與其他個體距離之和為基礎，距離越大，接近中心度就越小，而距離越小，接近中心度就越大，同伴交往就比較好。表1中27號，39號，41號接近中心值在群體中位于前三名，說明該個于較中心位置，這些個體的交往狀況比較好。

2．4中介中心度

中介中心度是指該節點在多大程度上可以控制其他節點，它反映的是與對方進行信息溝通達成的一個中介作用。當一個人的交往可以對他人形成一個信息溝通的牽線作用，或者通過他可以讓別人同時結識多個同伴，那么此被試在群體中就會處在一個中心位置。根據表1，27號，39號，38號中介中心度值較大，就表示在交往中能起到“搭線”的作用就更大。

第3篇：網絡分析范文

[關鍵詞]網絡路徑分析資源分配MAPGIS

[中圖分類號]G[文獻標識碼]A[文章編號]1007-9416(2010)02-0005-02

1 網絡簡介

網絡(network),是指某些線狀要素之間相互連接所構成的一種復雜的模式,在現實世界中,許多網絡系統,比如道路交通網、電力網、水系網、煤水管網等都可以用它來進行抽象表示,在現實中,網絡起到了把資源從一個地方轉移到另一個地方的作用,比如:車流的轉移、煤氣的分配、水系的匯集等;但在資源的運送過程中會伴隨著資源消耗、堵塞、減緩的現象,這表明,當我們利用網絡進行類似活動時,必須要有一個合理的機制,使資源能夠合理高效地進行流動。

網絡功能用于模擬那些動態的,難以直接量測的行為,在一個網絡模型中,現實的網絡要素可以通過一套規則及數學函數予以表達。但這個并不是目的,而是手段,在實際應用中,把網絡規則和函數化,我們就可以用系統工具對一些關鍵問題進行基于網絡的分析和輔助決策,達到有效利用資源的目的,這個系統工具一般就是GIS,抽象的網絡數據一般就是GIS的一種基礎數據。

2 網絡的數據模型

面向網絡的數據通常利用數學中“圖”(graph)的形式來模擬,因而可以用圖論的一些理論成果來解決網絡分析中的許多問題,但GIS中的網絡又不同于圖論中的“網絡”,包括:

(1)其網線和結點具有空間位置的意義;

(2)網線和結點都可以有權值,且可以是多重的,比如,網線的正向及逆向阻礙強度、需求、容量等;

(3)結點可能有轉角數據;

(4)GIS中的網絡并不總是有向圖,比如,自來水管網可作為有向圖表示,但道路網卻可以被看作無向圖。

網絡中的基本組成部分和屬性有:

(1),結點(vi)/結點集V(G), 其中,V(G)=[v1 v2 …vn]T

網絡中的結點,比如:車站、道路交叉口、港口等,其狀態屬性包括阻力和需求等,并包括幾種特殊類型:

A,站點,在路徑選擇中資源增減的結點,如庫房,車站等,其屬性為資源需求

B,中心點,即接受和分配資源的位置,如商業中心,水庫等,其屬性有資源總量、阻力額度等;

C,障礙點,網絡中資源不能通過的結點

D,轉角點,網絡中分割結點處,資源可能轉向,比如公路上不允許左拐,則構成轉角點

(2),邊(e)/邊集E(G)=[e1 e2…en]T

網絡中的邊,如街道、河流、水管等,其狀態屬性有需求和阻力;

(3),圖,圖是一個非空的有限結點和有限邊的集合,可表示為G(V,E)

(4),網絡,表示為D=(V,E,W),其中W為網絡的權函數,為其網線和結點的權值表示

(5),流,網絡中任意弧的資源流量,可記為f(aij)-fij

3 空間網絡分析方法

網絡分析是在線狀模式的基礎上進行的,線狀要素間的連接形式非常重要,所以在多數情況下以矢量數據格式進行實現,在GIS的空間網絡分析中,其主要目的在于:選擇最佳路徑、選擇最佳資源布局中心等。所謂最佳路徑是指從起始點到終點的最短距離或花費最少或途經覆蓋最大等的路徑;最佳布局中心位置是指各中心所覆蓋范圍內任一點到中心的距離最近或花費最少。

3.1 路徑分析(path analysis)

在空間網絡分析中,路徑問題占有重要地位。人們常想在地理空間網絡中指定的2結點間是否存在路徑,如果有則希望找出其中最符合要求的路線,如最短、景觀最多等,這種路徑問題對于交通、消防、觀光,信息傳輸等有重要意義。從網絡模型的角度看,最佳路徑求解是在指定網絡2結點間尋找一條阻礙強度最小的路徑,其產生基于網線和結點轉角的阻礙強度。最佳路徑分析的實現算法有多種,其中常用的有基于單源點的Dijkstra算法和多結點對間使用的Floyd算法;另外,也用Prim算法和Kruskal進行路徑的連通性分析;

3.2 定位-配置分析(location-allocation analysis)

定位-配置分析是根據中心地理論框架,通過對供給系統和需求系統2者空間行為相互作用的分析,來實現網絡設置布局的最優化。資源分配是模擬資源如何在中心極其周圍的網線、結點間流動的。根據中心容量以及網線和結點的需求將網絡和結點分配給中心,分配是沿著最佳路徑進行的。當網絡元素被分配給某個中心時,該中心擁有的資源量就依據網絡元素的需求進行縮減,當中心的資源耗盡,分配就停止。

資源分配網絡模型有中心點極其狀態屬性和網絡組成,分配有2種方式,一種是由分配中心向四周輸出,另一種是由四周向中心集中。

在算法實現上,包括P-中心問題、中心服務范圍、中心資源分配范圍等,但在實際應用中,由于這些算法計算量過大,經常用一些啟發式算法來逼近或求的最佳效果,比如:Teitz-Bart算法。

4 MAPGIS的網絡管理

MAPGIS網絡管理分析子系統為管理各類網絡提供了方便的手段,我們可以通過它迅速直觀地構建各種網絡并可以實現強大的網絡查詢和分析功能,能夠進行在實際應用中具有普遍意義和實用價值的關閥搜索、最佳路徑、資源分配等功能,從而可以有效支持緊急情況處理和輔助決策。

MAPGIS網絡分析子系統由2大模塊組成:網絡編輯模塊:用來建立網絡和錄入數據;網絡分析模塊:用于數據查詢、輸出以及空間網絡分析和輔助決策,在這一模塊中不能改動關鍵數據。

在網絡編輯模塊,可以通過3種方法輸入網絡數據:手工輸入,通過MAPGIS線文件轉換以及通過外業探測數據庫建庫,不管用哪一種方法,在該系統中都可以對生成的網絡數據進行復雜的編輯,比如:對網線的編輯,包括網線的添加,刪減,移動,轉向,加、減點,線的參數設置以及網線屬性結構和屬性的編輯;對結點的編輯,包括結點的加減,移動,屬性結構、屬性內容的編輯以及結點參數的設置等;對網絡整體的平差,轉換等。

該模塊在使用中比較直觀,操作方式與輸入子系統基本保持一樣,但個別窗口操作方式不太好用,甚至無法實現,如鼠標中鍵功能。

4.2 網絡分析

網絡分析模塊是MAPGIS進行網絡數據空間分析的功能模塊,在網絡編輯模塊的基礎上,通過它可以實現網絡查詢檢索及分析功能,總體情況下,該模塊可實現連通性分析、路徑分析、資源分配、追蹤等功能。簡單使用步驟如下:

*裝入底圖文件

*裝入待分析的網絡文件

*進行附屬數據的設置,比如站點、中心、障礙等

*進行網絡分析

*分析結果的保存或統計、出圖

(1)連通分析

連通分析是為了檢驗某結點與其他結點間的連通性,比如,查看某個地方與全國公路網是否通車。使用時,鼠標捕捉并鎖定待檢驗結點,系統就可以直接進行整個網絡的連通檢查,實現簡單,但結果也較直觀簡單。

(2)閥門分析

閥門處理在供水、供電等方面應用廣泛,如電力網發生斷路,在查尋過程中必須關閉相應的電壓開關,分析過程包括:

閥門指定:通過一個條件表達式,將符合條件的結點指定為閥門;

本文為全文原貌未安裝PDF瀏覽器用戶請先下載安裝原版全文

閥門搜索:使用時,用鼠標點出電線斷點或水管爆管出,按閥門指定的搜索條件進行閥門關閉。系統將以醒目色顯示搜索結果。

(3)路徑分析

路徑分析功能包括三個方面:求最短路徑、求最佳路徑、求游歷方案。分析條件可通過一個對話框來設置,如圖1。

最短路徑其實是最佳路徑的一種特殊形式,它不考慮其他屬性,只單純計算兩結點之間的最短距離,當要考慮網線權值,考慮轉角權值,障礙等時,就是最佳路徑了,而當選擇的結點多于2個時,可為游歷方案。當系統按指定的結點及分析條件得出分析結果后,為便于直觀顯示,分析結果可以閃爍的方式顯示,并可把路徑輸出為線文件或進行經歷結點和網線的統計,如圖2。

(4)資源分配

如前所述,資源分配就是為網絡中的網線尋找最近的中心,資源根據中心容量及網線的需求將網線分配給中心,分配是沿著最佳路徑進行的,在MAPGIS中,進行資源分配的大致過程如下:

*設置中心數據,指定中心點及其容量、限度、延遲

*設置網線需求以及網線權值

*設置轉角及其權值

*實施資源分配,進行系統處理

對于處理完成的分析數據,為了直觀表現,系統同樣可以進行分析結果參數的設置以及輸出網線結點集的單獨顯示。

(5)其他常用分析功能

除了上述分析功能外,MAPGIS還具備其他幾種常用分析功能,主要包括:追蹤分析、查詢統計、網絡的完整性檢查以及動態分段分析等,其分析過程也都比較直觀,在實際應用中都經常用到。

5 結語

MAPGIS的網絡管理子系統在功能實現上算比較完整,其操作過程也比較簡單明了,所以比較容易上手,并也容易理解,在了解網絡分析基本原理的基礎上進行空間管理分析更是能得心應手。在眾多網絡管理領域,MAPGIS的使用都可以實現。但是,在其分析過程中,有些功能的實現過于簡單,對于更加復雜的一些情況則難以應付。總體而言,其使用層次只能在空間網絡分析中的表層階段,對于非常復雜的一些網絡分析需求,就需要求助其他一些功能更為強大的工具了。

[參考文獻]

[1] 張宏,溫永寧.地理信息系統算法基礎.科學出版社.

[2] 黃杏元,馬勁松.地理信息系統概論.高等教育出版社.

[3] 吳信才.MAPGIS地理信息系統.電子工業出版社.

[作者簡介]

肖永東(1981―)男,大學本科,助教,研究方向為測繪與地理信息系統。

第4篇：網絡分析范文

關鍵詞：中文醫藥科學引文索引；內科學；引用分析；期刊評價；

作者簡介：徐浩(1989-)，男，江蘇鹽城人，南京中醫藥大學社會醫學與衛生事業管理專業，碩士研究生，研究方向：醫藥衛生科學評價；

引言

科學文獻之間通過相互引證形成引文網絡，表現為橫向關聯和縱向繼承的交流形勢。期刊作為論文的主要載體，是科學研究過程中不可或缺的元素，因此，我們可以通過引文網絡引申出期刊引用網絡，基于網絡結構關系進行期刊引用分析，比基于單種期刊的影響力分析更容易得到學科層次上的宏觀分析結果。目前，基于《中文社會科學引文索引》的期刊引用網絡研究已日趨成熟，涉及人文社會科學的各個學科，包括：政治學[1]、管理學[2]、新聞學與傳播學[3]、哲學[4]、中國文學[5]、外國文學[6]、[7]、法學[8]、藝術學[9]、語言學[10]、體育學[11]、心理學[12]、社會學[13]等，但是對醫學期刊引用網絡的研究尚在起步階段。具體到內科學領域，相關研究大多僅針對學科內個別期刊[14-16]，研究內容也僅局限于引文及互引[17-18]，并沒有揭示該學科與其他學科之間的引用網絡關系。因此，本文將借助引文分析和社會網絡分析，對內科學期刊引用網絡進行研究，揭示該學科期刊之間的引用網絡結構，體現研究內容的相關性，與其他學科的滲透、融合以及新的交叉點，進而全面了解該學科期刊內在質量、利用率和在本學科期刊引用網絡中的學術影響，為該學科的發展尋找新的增長點。

本文所有數據均來自筆者基于《中文核心期刊要目總覽》(2008年版)所收錄之醫藥衛生類期刊創建的《中文醫藥科學引文索引》(ChineseMedicineSciencesCitationIndex，以下簡稱CMSCI)數據庫。我們采集了CMSCI中2004-2008年24種內科學期刊的引文數據，并對期刊名稱進行統一規范，主要包括：(1)同一本期刊在不同時期的期刊名不同，例如：中國實用內科雜志、中國實用內科雜志(臨床版)、中國實用內科雜志(前沿版)；(2)外文期刊全稱和縮寫并存，例如：NEnglJMed簡稱為NEJM；WorldJGastroenterol簡稱為WJG等。(3)原數據本身存在錯誤，如：AmJCardiol被誤標注為AmJCardio等。此外，我們還剔除了不可用的數據，確保了分析的可靠性和準確性。

一、內科學期刊引用網絡概況

筆者選取24種內科學核心期刊作為統計對象，從兩個方面展開分析：(1)通過引用次數考察其他期刊對內科學期刊形成的引用網絡結構；(2)通過被引次數分析內科學期刊對其他期刊形成的引用網絡結構。需要說明的是：《中華高血壓雜志》原名為《高血壓雜志》，《中國糖尿病雜志》原名為《中華糖尿病雜志》，為了保證數據的延續性和一致性，筆者統一使用最新期刊名進行數據統計與分析。此外，由于本文討論的是期刊引用網絡，主要考察期刊相互間的引用情況，所以，如果沒有特別說明，本文中的引用和被引用的期刊均指《中文核心期刊要目總覽》(2008年版)所收錄的醫藥衛生類來源期刊。

考察以內科學期刊為起點的引用網絡，筆者發現該網絡主要受三種因素影響：引文量、自引率、涉及學科范圍。一般來講，引文量越大、自引率越低、涉及學科范圍越廣，則該期刊引用網絡越復雜，反之，則越簡單。表1統計了內科學期刊2004-2008年引用文獻數據，并按5年引文量降序排列。

由表1可以看出：(1)《世界華人消化雜志》的引文量遠遠大于其他內科學期刊，自引率低于學科平均值(6.9%)，但是較窄的學科范圍影響了該刊引用網絡的復雜度。(2)《中國老年學雜志》位列第二，自引率也極低，涉及老年醫藥學、老年社會學、老年心理學、衰老生物學及抗衰老研究等多個領域，可見該刊的引用網絡必然較為復雜。(3)引文量在15000-18000之間的有6種期刊，其中：《中華心血管病雜志》、《中國實用內科雜志》、《中華內科雜志》和《中華風濕病學雜志》的引文量較為接近，自引率也較低，涉及學科范圍也較廣，不難推斷出他們的期刊引用網絡較為復雜；《中國內鏡雜志》的引文量排在第五，但是涉及學科范圍較窄，而且自引率較高，因此期刊引用網絡的復雜度有所下降；《中國動脈硬化雜志》涉及中醫藥學、預防醫學、基礎醫學、臨床醫學、藥學和特種醫學中防治動脈硬化性疾病，引文量也較高，但是稍高的自引率必然削弱該刊的引用網絡結構。(4)引文量在11000-14200之間的有8種期刊，其中：《臨床心血管病雜志》、《中華消化雜志》、《中華老年醫學雜志》、《中華血液學雜志》和《中華腎臟病雜志》的自引率較低，但是引文量在整個內科學24種期刊中處于中等水平，而且涉及的學科范圍相對單一，因此，期刊引用網絡結構有待進一步擴展；《中華結核和呼吸雜志》、《中華肝臟病雜志》、《中華內分泌代謝雜志》的自引率高于學科平均值，引文量不高、學科范圍窄必然導致期刊引用網絡結構的簡化。(5)10000以下的有8種，其中：《中國地方病學雜志》主要報道我國地方病科研成果和防治經驗，研究領域較窄，很難與其他期刊進行知識交流，從而自引率極高，必然導致期刊引用網絡結構簡單；《中華高血壓雜志》、《中國心臟起搏與心電生理雜志》、《中華傳染病雜志》、《中國糖尿病雜志》、《中華消化內鏡雜志》《腸外與腸內營養》和《中國循環雜志》的自引率并不算高，但是引文量均較低，而且僅涉及內科學的一個或少數幾個研究領域，期刊引用網絡必然較為簡單。

另一方面，期刊被引次數與期刊引用網絡結構的復雜度之間往往存在正相關關系，但是過高的發文量和自引率往往會對引用網絡產生負相關影響，為此，筆者引入篇均他引強度指標進行分析。篇均他引強度=2004-2008年度內科學期刊被其他期刊引用的總次數/2004-2008年度內科學期刊的發文量。表2給出了內科學期刊2004-2008年被引用情況，并按5年被引次數降序排列。

根據表2數據，從期刊5年被引次數進行分析可得：(1)6200以上的有4種期刊，其中：《中華結核和呼吸雜志》主要報道結核和呼吸系統疾病的最新研究進展和實踐經驗，在內科學期刊中排在首位，而且篇均他引強度也最高，說明該刊對其他期刊的影響較大，以其為終點的期刊引用網絡較為復雜，結構穩定；《世界華人消化雜志》排在第二位，但是篇均他引強度遠低于學科平均值(1.47)，可見該刊的引用網絡有待進一步完善；《中華內科雜志》、《中華心血管病雜志》位列第三、四位，篇均他引強度也較高，說明以其為終點的期刊引用網絡較為復雜，結構均衡。(2)3900-5100之間的有5種期刊，其中：《中華肝臟病雜志》、《中華消化雜志》、《中華內分泌代謝雜志》的篇均他引強度均在2.0以上，可見他們的期刊引用網絡有一定的復雜度，結構也較合理；《中國地方病學雜志》、《中國內鏡雜志》涉及的學科范圍較窄，篇均他引強度也較低，必然導致期刊引用網絡結構相對松散。(3)2000-3500之間的期刊有9種，對應的期刊引用網絡相對簡單，對其他期刊的影響力有限。(4)其余6種期刊均在2000以下，對其他期刊的影響力較為微弱，引用網絡結構極其簡單。

二、內科學學科內期刊引用網絡分析

某個學科內的學術期刊往往會在其內部產生錯綜復雜的相互引用關系，從而構成一個學科內期刊引用網絡。如果我們將期刊看作富含學科知識的集群，那么引用與被引實際反映了知識在不同知識集群間的交流與滲透。為說明24種內科學期刊學科內引用網絡的構成情況，揭示內科學期刊間的相互引證關系，筆者統計了內科學期刊2004-2008年相互引用數據，如表3所示。其中行標題為來源期刊，列標題為被引期刊，對角線加粗數據即期刊自引數據。需要說明的是：我們將期刊之間年均相互引用2次及以下視為偶然事件，因此，如果兩種期刊之間5年引用或被引次數大于10，視為連通，出入度增加1，反之，出入度不變。

根據表3數據，可以從以下三個方面展開分析：

(1)學科自引率

通常情況下，學科自引率越高，則學科內期刊引用網絡越簡單。有17種內科學期刊的學科內自引率在50%以上，其中《中國地方病學雜志》、《世界華人消化雜志》更是高達97.88%、93.38%，說明其與學科內其他期刊的交流微乎其微。學科自引率較高的期刊還有《中國內鏡雜志》、《中國動脈硬化雜志》、《腸外與腸內營養》、《中國老年學雜志》、《中華風濕病學雜志》、《中國心臟起搏與心電生理雜志》，分別為89.46%、89.11%、85.52%、85.30%、84.40%、83.65%，他們基本上只關注本期刊已發表的成果，對學科內其他期刊的影響極其有限。

(2)期刊出入度

內科學學科內部期刊引用網絡的平均出入度為7.42，僅有9本期刊的出度、11本期刊的入度在平均值之上，說明整個期刊引用網絡比較稀疏。《中華內科雜志》、《中國實用內科雜志》、《中華老年醫學雜志》的出入度均排在前5位，說明這3種期刊活躍程度較高，在學術網絡中的輻射度較廣，輻射能力較強，處于內科學期刊引用網絡的中心。《中華心血管病雜志》、《中華內分泌代謝雜志》的入度分別是14、11，名列第2、4位，但是出度分別僅有8和5，說明這2種期刊被內科學其他期刊較多引用，但是其他期刊對其影響有限。《中國老年學雜志》、《世界華人消化雜志》的出度名列前茅，但是入度僅有3和8，說明其在期刊網絡中尚處于知識接收端，受其他期刊的影響較大，對其他期刊的影響力有限。進一步觀察發現，《中國老年學雜志》從2007年開始由月刊改為半月刊出版，《世界華人消化雜志》從2006年開始由半月刊改為旬刊出版，導致這2本期刊2004-2008年的載文量排在24種內科學期刊的前兩位，從而嚴重削弱了他們對其他期刊的影響力。

(3)網絡連通性

如果表3所對應的期刊引用網絡中的24個節點完全連通，除去主對角線的自引情況，一共有552條有向邊，那么有向網絡圖的疏密程度可以直觀反映內科學學科內部24種期刊相互引用關系的強弱。根據表3數據，2004-2008年內科學24種期刊的連通度為178，連通率只有32.25%，進一步反映出該學科內部期刊相互滲透性有待加強。

筆者根據表3數據用社會網絡分析軟件Pajek繪制出對應的期刊引用網絡圖，每個節點表示一種來源期刊，兩個節點間的線條表示這兩種期刊存在引用關系，線條的粗細表示引用次數的多寡。由此能夠更直觀地考察期刊之間的引用網絡關系：(1)以《中華心血管病雜志》為關鍵節點的子網絡，該刊與《臨床心血管病雜志》、《中華高血壓雜志》、《中國循環雜志》、《中國動脈硬化雜志》、《中國老年學雜志》之間的線條較粗，說明相互聯系緊密。進一步觀察發現，這6種期刊所發表的論文較多涉及心血管及其相關疾病，研究領域具有高度交叉性，因此關系密切是必然的。(2)基于研究領域的高度一致性，即都與消化疾病有關，《中華消化內鏡雜志》、《中國內鏡雜志》、《中華消化雜志》、《世界華人消化雜志》等4種期刊相互之間的線條較粗，聯系緊密。(3)《世界華人消化雜志》、《中華消化雜志》和《中華肝臟病雜志》構成引用子網，前者較多引用后兩種期刊的論文，受其影響較大。主要原因在于肝臟是消化系統的重要器官，內科學領域的學者對消化系統疾病的研究離不開對肝臟疾病的關注。(4)《腸外與腸內營養》、《中華血液學雜志》、《中國地方病學雜志》、《中國心臟起搏與心電生理雜志》和《中華風濕病學雜志》處于內科學學科內期刊引用網絡的邊緣，影響力有待進一步加強。

三、內科學期刊與其他學科期刊引用網絡分析

以學科為單位，通過分析學科期刊之間的引用與被引用關系，可以反映期刊所對應的學科之間的密切程度，進而發現學科交叉點。為了考察內科學與其他學科之間的關系，分析學科之間的交叉與融合，發現新的學科增長點，筆者統計了2004-2008年度內科學期刊與其他學科期刊之間的互引數據，按照學科類別進行統計，其中：表4統計出內科學期刊引用其他13個學科期刊的篇次，并按引用次數均值降序排列，表5給出其他學科期刊引用內科學期刊的篇次數，并按引用次數均值降序排列。需要特別說明的是：期刊的學科分類借鑒北京大學《中文核心期刊要目總覽》(2008年版)，由于綜合性醫藥衛生期刊通常會刊載多個學科的論文，無法將其歸屬于某一門學科，因此，筆者未將其納入學科討論范圍。

結合表4、表5數據可以看出：內科學期刊引用其他學科期刊的次數不僅很多，而且引用的學科種類也較多，13個學科均有涉及，這與內科學的學科特性密切相關。內科學是一門涉及面廣和整體性強的二級學科，包括呼吸病學、循環病學、消化病學、泌尿系統疾病學、血液病學、內分泌代謝病學、風濕免疫病學及中毒部分，因此，內科學與其他學科之間關系十分密切。

根據平均引用和被引次數，我們把13個學科分為三類：第一類是與內科學強相關的學科，包括：臨床醫學、中醫學、預防醫學衛生學、基礎醫學；第二類是與內科學部分相關的學科，分別是：藥學、外科學、兒科學、神經病學與精神病學、特種醫學、腫瘤學；第三類是與內科學弱相關的學科，包括：五官科學、婦產科學、皮膚病學與性病學。

(1)與內科學強相關的學科

內科學引用臨床醫學位列第3，被臨床醫學引用的次數排在第1，可見內科學與臨床醫學的學科關系十分密切。內科學是一門涉及面廣和整體性強的學科，是臨床醫學各科的基礎學科，所闡述的內容在臨床醫學的理論和實踐中有其普遍意義，是學習和掌握其他臨床學科的重要基礎。臨床醫學的共性診斷與治療思維，集中表達在內科學中，且在臨床實踐中，內科疾病也最為常見，因此內科學知識對學習、掌握其他學科大有裨益。

引用內科學次數較多的學科還有中醫學，中醫學與內科學交叉形成中醫內科學，運用中醫學理論闡述內科病證的病因、病機及其證治規律，并采用中藥治療為主的一門學科，是學習和研究中醫其它臨床學科的基礎，這就決定了內科學對中醫學研究的滲透。

與內科學關系密切的還有預防醫學衛生學，平均引用次數和被引次數分列學科第4和第3位。預防醫學衛生學著重在保持、促進與維護社會大眾、特定群體或一般個人的健康，并包括預防傳染病、疾病、殘疾、癌癥、其他身體組織變異、與過早死亡的發生，因此涉及多個科學、醫學與公共衛生領域。

基礎醫學平均引用次數和被引次數分列學科第2和第4位，可見其與內科學關系緊密。基礎醫學屬于基礎學科，是現代醫學的基礎，其所研究的關于人體的健康與疾病的本質及其規律為其他所有應用醫學所遵循，因此，內科學的發展必然借鑒基礎醫學的相關理論和研究方法。

(2)與內科學部分相關的學科

藥學、外科學、兒科學、神經病學與精神病學、特種醫學、腫瘤學都是與內科學部分領域相關的幾個學科。首先，內科學與藥學的關系好比內科醫師與藥師的關系，內科醫師要想臨床用藥做到安全、有效、經濟，得到滿意的治療效果，除了自己要有扎實的專業知識，準確的臨床診斷外，合理用藥更為關鍵，這就需要醫師和藥師的通力合作，二者密不可分，只有這樣才能將正確的診斷轉化為有效的治療。其次，外科學與內科學的關系比較特殊。內科學引用外科學名列第1，被外科學引用的次數排在第6，盡管如此，年均也達到421.8次，與基礎醫學、藥學相差不大。另外，兒科學與內科學也存在交叉，形成兒內科，主要研究小兒呼吸系統疾病、小兒循環系統疾病、小兒消化系統疾病、小兒泌尿系統疾病、小兒血液系統疾病、小兒內分泌疾病、小兒免疫缺陷疾病等。再次，神經病學與精神病學、內科學交叉，形成神經內科學，主要研究神經系統疾病的定位及定性診斷，從學科性質上，神經內科隸屬于內科系統。另外，特種醫學有關放射診斷、放射治療、臨床核醫學和介入治療等研究主題被內科學期刊較多引用，例如：CT仿真結腸內窺鏡、門脈造影CT、多層螺旋CT、X線放大攝影、TIPSS技術、雙介入栓塞治療等。最后，內科學的很多期刊都涉及到各種癌癥的治療，例如：胃癌、肝癌、結腸癌、大腸腺癌、子宮內膜癌、卵巢癌、白血病等，這方面往往會引用腫瘤學的期刊。綜上，這些學科在部分領域與內科學都有交叉，并在交叉的基礎上產生了不少新興學科。

(3)與內科學弱相關的學科

五官科學、婦產科學、皮膚病學與性病學都與內科學有一定的引用關系，可見內科學的研究內容所涉及的領域相當廣泛，也說明內科學擁有很強的學科引用網絡。進一步的觀察發現，這些學科的研究范圍比較特定，其引用內科學期刊的次數相對較少，表明內科學與這些學科間的交叉和滲透較少，影響也較弱，但它們對內科學的發展起著不可替代的作用。

四、內科學期刊引用外文期刊分析

引用外文文獻的多少可以反映一個學科與外國研究成果同步的程度。為提高我國內科學研究水平，內科學界必然會借鑒很多具有較高學術影響力的外文文獻，引進吸收國外優秀研究方法。鑒于過高的載文量往往會拉高總引文量，因此，筆者采用篇均引用外文數量這一指標進行分析。表6為24種內科學期刊引用外文情況，并按篇均引文降序排列。

結語

第5篇：網絡分析范文

Abstract： This paper introduces how to use multi-agent networks to explain some concepts related to map graphs such as connectivity， degree， support tree in the teaching of operational research map and networks analysis， which makes our teaching more vivid and image， and also makes students understand these concepts more deeply.

關鍵詞：聯通圖；支撐樹；多智能體

Key words： connected graph；support tree；multi-agent

中圖分類號：TB114.1 文獻標識碼：A 文章編號：1006-4311（2017）21-0238-02

0 引言

運籌學作為科學名字最早出現在20世紀30年代末，那時候的運籌學可以說就是戰爭的“工具”，當時中英美借助運籌學的思想，強有力的打擊了德意日三國，為二戰的勝利奠定了基礎。二戰勝利后運籌學被廣泛的應用到工農業生產的各個領域，大大的提高了我們的生產效率，這也促使近幾十年運籌學獲得了空前的發展。圖與網絡分析作為運籌學的一個重要分支，現如今已被廣泛的應用到物理、化學、控制論、信息論，科學管理、電子計算機等各個領域[1]。在實際生活、生產和科學研究中，有很多問題可以用圖論的理論和方法來解決。因此在運籌學的教學中如何能夠使學生更加深刻的理解圖與網絡分析就顯得尤為重要。在該章節的教學中引用一些更實際的網絡的例子來解釋有關網絡的概念無疑能夠使教學更加生動易懂。而多智能體網絡是近20年控制領域的研究熱點[2]，利用多智能體網絡來解釋圖的有關概念既能拓廣學生的視野，又能使學生更容易理解，從而調動學生的學習積極性，進而使得我們的教學效果得到大幅度提高。

1 多智能體網絡與圖

眾所周知，許多網絡都可以看成是多智能體網絡，如無人機網絡，移動機器人網絡，那么這些網絡和圖有什么關系呢？當我們把無人機抽象成頂點，兩架無人機之間如果有信息交流就連一條邊，這樣無人機網絡就可以看成一個圖，如果我們這樣去解釋圖能夠使很多同學相信原來圖真的可以包含很多復雜的內容，圖真的可以和很多的實際問題產生密切的聯系，從而激起同學學習圖論的興趣。

2 有向圖與無向圖

在圖論中為什么要把圖分成有向圖和無向圖呢？他們的區別的本質又在哪里呢？我們可以借助多智能體網絡跟同學們這樣解釋：在有些無人機網絡中信息的交流是相互的，無人機甲可以接收到向無人機已的信息，同時無人機已也可以接收到無人機甲的信息，即信息可以在這兩架無人機之間共享互通，這樣形成的圖就是無向圖；而在有些無人機網絡中信息交流可能是單向的，無人機甲可以接收無人機已的信息，而無人機已卻不能接收無人機甲的信息，這樣形成的圖就是有向圖，如果我們能這樣去解釋有向圖和無向圖而不在拘泥于“單行線和雙行線”，肯定能夠使同學們對于有向圖和無向圖的理解更加深刻，也使之能夠明白為什么非要把圖分成有向圖和無向圖來進行研究。

3 連通性的概念與意義

所謂圖的連通性是指圖中的任意兩個頂點都是連通的，也即是任意兩個頂點之間都存在一條初等鏈。而針對無人機網絡，所謂連通性是指任意兩個無人機即使兩者之間不能進行直接的信息交流也能夠借助其他的無人機進行間接的信息交流，從而實現信息的共享。

如圖1的無人機網絡就是一個聯通圖，而圖2的無人機網絡已就是不聯通的。對于無人機網絡來說連通性意味著什么呢？這意味著這個o人機網絡可以實現網絡一致性[3]，所謂網絡一致性是指網絡的一種集體行為，即每一個無人機的狀態（或者說行為）可以趨近于一致，而多智能體網絡的一致性問題是當今控制論領域研究的一個熱點問題，這個時候學生會明白原來連通性背后隱藏著這么大的意義啊！同時也進一步的拓廣了同學們的視野，使他們明白了圖與網絡分析在當今科學研究的前沿中起到了多么重要的作用，從而激起他們對圖論學習的積極性。這時候我們可以誘導學生思考這樣一個問題：在一個無人機網絡中，整個網絡時時刻刻都不是聯通的，那么這個時候整個網絡還能實現一致性嗎？

比如整個網絡可能在圖3和圖4兩個網絡中進行著隨機切換，這兩個網絡都不是聯通的，那么這個時候網絡能實現一致性嗎？

回答是肯定的。最新的研究結果表明，只要整個網絡是“聯合聯通”的，網絡就能夠實現一致性[3，4]，而圖3和圖4的并就是圖1，而圖1是聯通圖，因此多智能體網絡在圖3和圖4之間相互切換時，整個網絡是可以實現一致性的。從而我們能夠引入一個新的概念“聯合聯通”，所謂聯合聯通是指當整個網絡在若干個拓撲結構上切換時，如果這些拓撲結構的并是一個聯通網絡，這時候就稱隨時間演化的網絡是聯合聯通的。而“聯合聯通”這個概念在現在的大多數的運籌性的教科書中都沒有出現，從而能夠進一步的擴大學生的知識面。

4 支撐樹的概念與意義

在講到支撐樹的概念的時候我們可以先讓同學們比較兩個無人機網絡圖5和圖6，問問同學們，這兩個網絡哪個網絡可能更能夠節約通信成本。從而我們能夠引入樹與支撐樹的概念。使得學生能夠明白要想實現網絡一致性在聯通性的基礎上網絡還可以進一步的簡化，即網絡圖只要存在支撐樹多智能體網絡就能夠實現一致性，從而求一個聯通圖的最小生成樹就顯得尤為重要，因為對于多智能體網絡來說求一個聯通圖的最小支撐樹問題就是節約通信成本的問題，在當今資源緊缺的情況下節約成本的意義是顯而易見的。

實際上，在圖論中的很多概念的講解都可以借組多智能體網絡，比如：度與連接矩陣的概念等，在這里就不一一敘述了。

5 結論

圖與網絡分析中的很多概念的講解都可以借助多智能體這個實際網絡，這樣做不僅能夠使問題變的通俗易懂，使學生對于概念的理解更加深刻，同時也拓廣了學生的知識面，從而極大地提高教學效果。

參考文獻：

[1] 錢頌迪，《運籌學》，清華大學出版社，1981.09.

[2]Georg S. Seyboth， Dimos V. Dimarogonas， Karl H. Johansson， Event based broadcasting for multi-agent average consensus， Automatica， 49：245-252，2013.

第6篇：網絡分析范文

繼承安捷倫公司40多年來的優良傳統以及在射頻/微波行業的豐富成功經驗，安捷倫公司于2007年推出新一代PNA-X微波矢量網絡分析儀。PNA-X采用全新的架構，包括高質量、穩定的硬件架構和非常靈活的軟件架構，不再是簡單的網絡分析儀，而是一個平臺或測試系統，基于這個平臺增加選件可以獨立實現通常需要使用頻譜分析儀和噪聲系數分析儀才能完成的功能。

PNA-X最大的特點就是單次連接多項測量，完成校準及連接好被測件后，可以完成被測件幾乎所有參數的測量；對于放大器可以同時測量駐波、增益、諧波、1dB壓縮點、AM到PM轉換、三階交調和噪聲系數、PAE等參量。PNA-X的產品定位是面向有源器件的測量，像功率放大器、低噪聲放大器、混頻器、變頻器、T/R組件、天線等。

PNA-X特征

總體特征

10MHz至26.5GHz；2和4端口；內置高性能雙信號源；一體化脈沖測試方案；內置合路器和機械開關；先進的校準技術；10.4英寸觸摸屏。

第7篇：網絡分析范文

關鍵詞：無線網絡分析器；ZigBee；802.15.4

短距離無線網絡市場正呈爆炸性增長。In-Stat稱，通過ZigBee協議規范和其他專有協議，到2009年IEEE 802.15.4無線個人局域網(PAN)的市場可實現200％的增長，年發貨量將超過1,5000萬單位。

對于無線設計人員而言，目前有許多射頻(RF)收發器和ZigBee協議棧可用來在應用中實現ZigBee協議功能。無論選擇了哪種收發器和協議棧，設計工程師都應該查找能夠幫助他們快速評估和開發ZigBee協議應用的設備和工具。若已確定ZigBee協議的復雜度，那么設計人員也需要使用合適的開發工具來幫助他們設計和調試應用程序。

有多個無線網絡分析器或“嗅探器”可供使用。在您首次：開始無線開發時，獲取一個無線網絡分析器是一項關鍵性投資，可為您免去許多麻煩。有些分析器具有圖形界面，而有些分析器則具有更為基于文本的界面。請確保選擇的分析器具有易于閱讀的界面。在以下示例中，我們將使用Microchip的ZENA無線網絡分析器，它采用圖形的格式顯示消息。但是不管您選擇了哪種分析器，能夠快速解密ZigBee協議消息的密鑰部分將有助于您高效地開發和調試系統。

網絡構成

設備加入ZigBee協議網絡時出現的消息會告訴我們許多關于網絡的信息。當設備試圖加入一個網絡時，它會發出一個信標(beacon)請求。鄰近的協調器或路由器通過發出信標作出響應。新設備將選擇一個信標，然后向該設備發送一個關聯請求，請求加入網絡。在一段短暫延時后，新設備發送一個數據請求，請求響應。網絡設備則發送一個關聯響應，指示該新設備是否已被網絡接受。這些消息顯示如圖1。

第一條消息來自于新設備，用于請求信標。后兩條消息是信標。我們可以從這些信標中知道一些關于設備的有用信息。首先，我們可以知道第二條信標來自于協調器，因為其源地址為0x0000且信標有效負載中指定的深度為0。第一條信標來自于路由器，因為其源地址非零。我們也可以知道此路由器會通過該協調器加入網絡，因為它在同一個網絡上(源PAN是相同的)且信標有效負載“深度”為1。我們還可以知道在應用層，這兩個設備都將接受新設備加入網絡，因為超幀規范“Assoc”位被置1。但是，如果我們查看信標有效負載，我們可以看到協調器不能接受任何其他路由器或終端設備加入網絡，因為“RtrCap”和“DevCap”位均為0。同時，路由器仍然可以接受路由器和終端設備。

在第四條消息中，新設備已決定試圖加入網絡。通過檢查關聯請求的目標地址，我們可以知道新設備正試圖加入哪個網絡設備――路由器。關聯請求可告訴我們關于新設備的許多信息。其關鍵元素是“Dev”和“RxOn”位。“Dev”位指示設備正試圖作為終端設備加入。而且，可以知道此設備將總是保持其收發器開啟，因此其父設備不必為其緩沖消息。此位對于以后的通信很重要。如果“RxOn”設置：為關閉，那么其父設備將認為新設備保持其收發器關閉，它將為新設備緩沖消息。如果新設備從未請求消息，那么父設備也從不會發送消息給它!

最后，我們可以看到關聯請求成功。現在我們在網絡上有了一個新的FFD(全功能設備)終端設備，其短地址為0x1AF9。

應答的發送

ZigBee協議是一個高度應答的協議。有三個應答級別：MAC(介質訪問控制)、APS(應用子層支持)和AF(應用框架)。這不但提高了系統的可靠性，也使我們在發生問題時能夠識別故障所在。在圖2中，設備0x0001正告知設備0x0000來使用應答的所有三種級別將屬性設置為指定值。

第一條消息是發送給設備0x0000、要求設置屬性的命令。接下來是一條短MAC應答，指示接收設備的收發器正確接收消息，通常可由收發器自動生成。ZigBee協議指定所有消息必須請求MAC應答。在第一條消息的APS幀控制字段中，有一個位指示是否請求了APS應答。如果該位置1，那么接收方ZigBee協議棧的APS層將自動生成一條APS應答，如第三條消息所示。此應答指示目標設備的協議棧接收到了消息。APS應答還將生成另外一條MAC應答，如第四條消息所示。

查看第一條消息的事務解碼，我們將看到使用了“Set with Acknowledge”命令。這是一條發送給應用層的指示，應用層必須使用“Set Response”命令對該命令進行應答，如第五條消息所示。此應答指示應用層接收到了消息，而且在將屬性設置為請求的值時，發送的錯誤代碼將指示是否存在任何問題。AF應答將生成另外一條MAC應答，如第六條消息所示。此外，發送的AF應答帶有請求的APS應答，這將生成第七和第八條消息。這些多層應答會產生相當大的數據流量；但是如果消息鏈中出現中斷，我們將更容易定位問題，如表1所示。

拓撲問題

當開發了無線網絡系統之后，無線網絡分析器可以幫助進行安裝和拓撲分析。一些無線網絡分析器，如ZENA無線網絡分析器在內，當消息經由網絡的時候都能夠以圖形的方式顯示數據流量。設備以圓形節點表示，而消息則以連接到節點的線表示若裝載了描述物理布局的位圖，則拓撲問題將清楚得多。

假設有一個網絡，它有四個設備、一個協調器、兩個路由器和一個FFD終端設備。盡管所有設備都是全功能設備，還是可以從數據包分析中看出，FFD終端設備和任一路由器之間的消息是通過另一個路由器發送的。如果打開“NetworkConfiguration Display”(網絡配置顯示)窗口，裝載描述性位圖，并將節點拖到描述其物理位置的位圖上的相應位置時，那么可以很快地看出發生了什么。圖3顯示了“Network Configuration Display”窗口，其中網絡流量有問題。我們可以看到有兩個設備彼此都不在對方的射頻范圍內，很有可能是由于建筑物內的隔墻造成的。消息必須經過另一個設備路由才能到達其目標設備。因此，盡管這種情況一開始有點糟糕，但現在可以看出系統行為與預期設想完全一致。

注意，一個“嗅探器”可能無法看到網絡上所有節點。為了觀測所有網絡流量，可能需要獲得來自不同位置的多個消息捕獲，或者使用位于不同位置的多個“嗅探器”。

第8篇：網絡分析范文

DOI：10.16842/j.cnki.issn2095-5588.2016.08.0021引言

“社會網絡分析” （Social Network Analysis， SNA）是在人類學、社會學、心理學等眾多領域中發展起來的研究個體之間關系結構的分析方法，是對社會關系進行量化分析的一門藝術和技術。SNA主要用于描述和測量個體之間的關系以及這些關系中所包含的資源、信息等，并根據這些關系建立模型，進而研究關系與行為之間的相互影響（劉軍， 2004）。SNA從“關系”角度來揭示社會情境與嵌套于其中的個體的心理和行為的互動影響，即個體可以能動地構造他們的關系網絡（選擇效應，selection effect），同時這些關系又反過來影響個體的心理與行為（影響效應，influence effect）。因此，個體既形塑社會網絡，也被社會網絡形塑（劉軍， 2006；馬紹奇， 2012；馬紹奇，焦璨，張敏強， 2011 ）。在SNA中，反映個體之間關系的數據稱為關系數據（relational data），通常的數據類型是0、1二分變量數據，即1表示兩個行動者之間存在關系，0表示不存在關系（馬紹奇， 2012）。

SNA從嵌入社會情境的個體之間的關系出發，分析群體結構及其與心理行為的相互作用，更能反映人際交往的社會性特點。如，運用SNA方法系統研究中學生班級的學習關系、友誼關系、咨詢關系、信息交流關系等，運用SNA方法研究中學生的支持網絡對中學生學業和心理健康等方面的影響。這不僅有利于從社會關系的視角理解學生人際關系的形成、特征和影響因素，還能及時掌握學生的心理動態，維護學生的心理健康（唐文清等， 2014）。但是，由于SNA的應用涉及到更多的人事物，數據的缺失是必然現象。研究者在SNA中常常會遇到數據應答率在65%至90%的情況（Albrecht， 1984； Dean & Brass， 1985； Moch， 1980； Monge， Edwards， & Kirste， 1983； Roberts & O′Reilly， 1978， 1979）。此外，由于數據結構的依賴性，如果網絡中的行動者或者關系存在缺失，就難以全面地描述缺失行動者及其鄰近行動者的網絡環境（Robins， Pattison， & Woolcock， 2004）。已有研究發現，缺失數據不僅對網絡結構描述產生消極影響，還會低估關系強弱和聚類系數，并使得中心性和度數的測量出現不穩定的情況（Burt， 1987； Borgatti & Molina， 2003； Costenbader & Valente， 2003； Kossinet， 2006； Huisman， 2009）。這說明，網絡結構描述和網絡數據分析的結果會因為缺失數據而產生偏差。

心理技術與應用4卷

8期黃菲菲張敏強：社會網絡分析中缺失數據的處理方法

要使SNA方法得到更好的應用及認可，既要介紹理論及應用方法，同時還要解決方法使用中可能出現的各種問題。例如，在數據收集和研究結論的推廣方面，如何在實際的應用分析中，完善相關的統計模型和參數估計方法的發展，如何提高數據收集的信效度，如何處理缺失值等問題（馬紹奇，焦璨，張敏強， 2011；焦璨，吳換杰，黃?h娜，黃菲菲，張敏強， 2014）。由于社會網絡數據的相互依賴性，對缺失數據的處理不能采用常規的缺失處理方法。本文就SNA中缺失數據的原因及缺失機制，比較分析了常用的四種缺失數據處理方法在實際應用中的優缺點，并就SNA中如何處理缺失數據提出建議。

2缺失數據的原因

21邊界規范問題

邊界規范問題指的是在網絡研究中指定行動者或者關系之間包含的規則（Laumann， Marsden， & Prensky， 1983）。例如，學者在研究青少年的冒險行為過程中，想了解他們在學校里的人際關系情況。圖1中的A、B、C、D是四位青少年在學校里的人際關系網絡，E、F、G三位青少年雖然和A、B、C、D四位青少年的交往密切，但是學校外的人際關系與研究目的無關，因此，E、F、G三者和研究中的青少年的人際關系就容易被忽視（Valente， Fujimoto， Unger， Soto， & Meeker， 2013）。總體而言，邊界規范是由研究者自行決定的。在實際包含網絡的例子中，組織成員或者由位置界定的正式定義大部分取決于一個正式組織團隊中成員占據的排列位置，例如一個學校最受歡迎的前10名老師或者一個班級成績最好的前五名同學（Kossinets， 2006）。

社會網絡是由行動者及行動者之間的關系組成的，因此研究者在規范網絡邊界時，除了需要考慮通過一組行動者來界定網絡邊界外，還要決定哪些關系應該納入研究范圍里。對于如何有效地規范網絡邊界，學者們提出了一個準則，即根據可測量行動者的交互作用確定。因此，研究中的網絡邊界被定義為該邊界記錄了在特定情境中行動者間的交互作用（Laumann， Marsden， & Prensky， 1983）。但是，無論是情景還是交互作用的設置，研究者首先需要根據研究目的給出操作性定義，然后再確定在這個情境中包含哪些存在交互作用的行動者。隨著電子科技時代的發展與進步，這個準則不再僅限于小網絡，因為大規模的社會網絡交互作用數據可以通過郵件傳遞或者虛擬社區的記錄得到（Newman， 2002； Ebel， Mielsch， & Bornholdt， 2002； Guimera， Danon， DiazGuilera， Giralt， & Arenas， 2003； Holme， Edling， & Lijeros， 2004）。

22固定選擇的研究設計

固定選擇的研究設計指的是網絡中行動者和關系的缺失依賴于研究設計中提名選擇的限定（Holland & Leinhard， 1973），即網絡數據的偏差是由于研究設計造成的。假設圖2中的行動者A屬于Z團體，在這個團體中，他和其他5個行動者有關系，現研究者要求行動者A提名y個和他關系最好的行動者。如果y≤5，則行動者A和其他5個行動者之間的所有關系都包含在數據集中；如果y>5，則行動者會失去5-y個關系。例如，學者想研究班級的學業咨詢網絡對學生學業拖延的影響，要求學生提名2個在學習上遇到困難或疑問時會請教的同學。如果學生平時向同學請教問題的人數普遍都是3個，那么學者得到的學業咨詢網絡數據是有偏差的。因為在該網絡中，大部分行動者（學生）都失去了1個關系。

在固定選擇的研究設計中，會出現互惠提名（有關系的雙方相互提名），非互惠提名（有關系的雙方只有一方提名）和無提名（有關系的雙方均不提名）三種情況。從本質上而言，非互惠提名和其他兩種提名的情況不一樣（例如：好朋友和普通朋友的區別），因此，研究者需要考慮是否將其納入到研究范圍內。固定選擇的研究設計還容易使數據呈現非隨機缺失的模式，如受歡迎的個體更有可能被其他行動者提名（Feld， 1991）。但是，在不同結構的網絡中，這種影響會不一致（Newman， 2002； Vázquez & Moreno， 2003）。例如，在非相稱混合性（即受歡迎的行動者傾向于和不受歡迎的行動者相聯系）的網絡中，互惠提名將會導致更多關系缺失的情況出現。

23網絡調查中的無應答

網絡調查中的無應答包括應答者完全缺失和特定項目的數據缺失（Stork & Richands， 1992； Rumsey， 1993）。應答者完全缺失指的是行動者沒有參與到調查研究中，因此行動者的發出關系對于分析而言是無效的（如圖3所示，N表示缺失數據）。特殊項目的數據缺失指的是行動者參與了調查研究，但是在特定項目上的數據缺失，因此只有行動者的部分關系對于分析而言是無效的（如圖4所示，N表示缺失數據）。例如，在一個關于學生情感咨詢網絡對學業成績影響的調查中，要求學生提名3個班上的好朋友。圖3中的A和D兩位學生因事由請假沒有參與此次研究，但圖3應答者完全缺失是其余的學生在提名中提及到了A和D，所以A和D的無應答屬于應答者完全缺失。如果A和D參與了調查研究（如圖4），但是在提名中他們忽略了被提及的學生，即B提名了A，A沒有提名B，則A和D的無應答屬于特殊項目的數據缺失。對于1-模網絡而言，即由一個行動者集合內部各個行動者之間的關系構成的網絡（劉軍， 2009），無應答對網絡結構及統計指標的影響不大，但是對于存在多元交互作用情景的網絡（例如，二元網絡）而言，無應答可能會造成特定的影響（Robins， Pattison， & Woolcock， 2004）。例如，在一個隸屬網絡的調查研究中，假設研究者沒有其他途徑可以了解團隊的任何信息，只能要求行動者報告他們隸屬于哪個團隊。如果任何一個行動者出現無應答的情況，那么可能會出現這個無應答行動者所隸屬的團隊缺失的情況。Huisman（2009）通過模擬研究發現，忽視網絡調查中的無應答數據對社會網絡的描述分析會造成消極的影響。進一步比較分析行動者無應答和特殊項目無應答的結果發現，特殊項目的無應答可能會造成更大的統計偏差。

網絡調查中的無應答易導致行動者或者關系的缺失，但是網絡環境中除無應答行動者以外的不完整觀察行動者的部分信息仍然是有用的，如可利用這個信息來估計缺失狀態的效果和分析不完整網絡（Costenbader & Valente， 2003； Robins， Pattison， & Woolcock， 2004； Gile & Handcock， 2006； Handcock & Gile， 2007）。此外，不完整觀察行動者的部分信息還可用來估計行動者和網絡的結構性能，并能給缺失數據機制提供參考。

和前兩種缺失數據原因相比，無應答是社會網絡調查中最經常出現的缺失情況。因此，有不少學者開始關注社會網絡調查中無應答的缺失問題（Daniel， 1975； Stork & Richards， 1992； Butts， 2003； Kossinets， 2006； Huisman & Steglich， 2008； nidaricˇ， Ferligoj， & Doreian， 2012）。

3缺失機制

不同的缺失數據來源，還涉及一個重要的問題，數據是否系統缺失。如果數據是系統缺失，那么缺失概率是否和觀察變量（性質或屬性）有關。已有研究表明，在社會網絡中處理不同來源的缺失數據時，應考慮缺失機制以提高處理方法的有效性（Huisman， 2009； nidaricˇ， Ferligoj， & Doreian， 2012）。

缺失機制指的是數據的缺失概率和研究變量之間的關系（Schafer & Graham， 2002）。Rubin在1976年根據缺失引起的偏差程度定義了三種類型的缺失數據：完全隨機缺失（Missing Complete At Random， MCAR），隨機缺失（Missing At Random， MAR）和非隨機缺失（Missing Not At Random， MNAR）。假設所有變量觀測值Y中，完整的變量記為Yobs，缺失的變量記為Ymis。如果缺失概率和Yobs及Ymis相互獨立無關，此類缺失稱為MCAR。如果缺失概率和Yobs相關，和Ymis獨立無關，則為MAR。MNAR是指缺失概率依賴于Yobs和Ymis。因為Ymis的未知性，研究者常常難以判斷缺失數據屬于哪種類型的缺失機制。葉素靜，唐文清，張敏強和曹魏聰（2014）在對追蹤研究中缺失數據處理方法及應用現狀的分析中綜述了三種類型缺失機制的粗略判斷方法。

對于社會網絡數據而言，完全隨機缺失是指缺失概率和缺失關系的數值及觀察數據（例如，行動者的屬性）無關。在這種情況下，觀察數據是原始觀察值的一個隨機樣本，因此不存在系統偏差。隨機缺失是指缺失概率和觀察數據有關，但是和缺失關系的數值無關。盡管在這種情況下缺失數據會呈現出系統模式，但是這些模式是可控的，因為它們和樣本中的觀察數據有關。非隨機缺失是指缺失概率不僅和觀察數據有關，還和缺失關系的數值有關，這種類型的缺失數據會對統計分析的偏差程度造成很大的影響。因為在非隨機缺失的情況下，應答者和無應答者之間的差異是由系統誤差造成的，關于網絡結構性質的統計指標將會受到影響（Costenbader & Valente， 2003）。

4缺失數據處理方法

41完整個案法

完整個案法，即刪除部分已有的數據以保證所研究對象信息的完整性。完整個案法相當于行動者的列刪除法，它不僅移除不完整觀察行動者的列數據且一并移除該行動者的行數據，而移除行意味著在分析中移除不完整觀察行動者和完整觀察行動者之間的所有關系（Huisman & Steglich， 2008）。因此，使用完整個案法后用于分析的數據集是完整的，即每一個行動者既有接收的關系也有發出的關系。例如，圖5（a）是一個班級情感關系網絡的例子，其中有A、D、F三個無應答行動者，每一個無應答者都沒有指向外部的情感關系，在觀察網絡的矩陣表達式中就會有幾行缺失關系數據N，對數據進行完整個案法處理后，結果就會出現如圖5（b）呈現的小網絡。因此，完整個案法是在可完全觀察行動者的小網絡基礎上進行分析處理的。nidaricˇ， Ferligoj和Doreian（2012）用完整個案法等多種缺失數據處理方法對社會網絡區組模型中的無應答情況進行分析，結果發現，在小規模網絡中，完整個案法對區組模型結構的穩定性影響最小。Robins， Pattison和Woolcock（2004）的研究結果則表明，完整個案法重新定義了網絡邊界：移除無應答行動者之后相當于生成了一個更小的網絡。

完整個案法是一種加權方法，它丟棄了不完整個案的數據，對完整個案和缺失個案賦予了同樣的權重。在分析的統計軟件包里，完整個案法通常是默認處理缺失數據的方法。它最大的一個優點就是簡便，缺點則是因為忽視不完整個案而丟失了大部分信息，很可能出現模型和數據無法擬合的情況。因此，只能在缺失概率較小的網絡中使用完整個案法。Schafer和Graham（2002）認為，當無應答者是完全隨機缺失時，完整個案法可能是有效的。然而，如果這個前提假設不成立，統計分析結果就會有偏差，因為剩余的行動者樣本可能是不具有代表性的。也有學者認為，完全個案法從系統水平而言，嚴重損害了所有分析（Stork & Richards， 1992），且可能會暗中破壞社會網絡模型的假設（Snijders， Bunt， & Steglich， 2010）。

42有效個案法

有效個案法是指忽略缺失的數據，只使用觀測到的關系變量。有效個案法是直接對不完整數據進行分析，即根據SNA需要計算的統計值選擇行動者的有效數據。例如，在一元統計分析中，在計算網絡的平均數和標準差時，可以選擇所有變量都完整觀察的個體行動者的有效數據，而在計算網絡的協方差或者相關系數時，則需要選擇所有變量都完整觀察的配對行動者的有效數據。

Littile和Rubin（1989）在探討社會科學領域關于缺失數據處理的分析方法時，比較了完整個案法和有效個案法對網絡的均值、方差、協方差及相關系數四個統計量的參數估計影響及二者的差異。研究結果表明，和完整個案法相比，使用有效個案法后，網絡的均值參數估計值是無偏的。但是，其余三個統計量的參數估計值的偏差較大。隨后，Little和Su（1989）進一步對兩種方法的差異進行了詳細的討論，也得出了相同的結果。

有效個案法簡單易行，和完整個案法相比，它的參數估計值較為精準。但是有效個案法具有較低的統計功效，且和沒有缺失數據的網絡參數估計值相比，存在很大的偏差。因此，研究者較少使用有效個案法對社會網絡中的缺失數據進行處理。

43重建法

重建法指的是通過互惠關系來推斷缺失連接的存在與否。重建法和插補法不一樣，重建法在分析的過程中沒有增加新的關系，它只是通過觀察到的應答者的入度關系（即行動者接收的關系）來重建網絡中無應答者的出度關系（即行動者發出的關系）。從本質上而言，即用已經報告的一個關系進行測量，且重建法僅允許兩個人之間的關系。重建之后的網絡中應答者和無應答者之間的關系是對稱的。使用重建法對SNA中的缺失數據進行處理時，必須滿足兩個原則：（1）相似性，即應答行動者與無應答行動者之間的作答模式應具有相似性。因為重建法是通過應答行動者所描述的關系去構建無應答行動者的關系，所以兩個行動者之間的應答模式不能存在系統的偏差；（2）可靠性，即應答行動者所描述的和無應答行動者之間的關系要確認是有效、可靠的（Stork & Richards， 1992）。自重建法提出以來，不少學者將其作為社會網絡缺失數據常用的處理方法。Gabbay和Zuckerman（1998）在有向網絡中，通過應答行動者報告的和無應答行動者之間的關系重建了網絡中行動者之間的關系。Huisman和Steglich（2008）則用重建法研究了網絡面板數據中的無應答缺失數據情況，結果表明重建法在構建完整的網絡數據時幾乎不會出現不收斂的問題。

一般而言，針對不同類型的網絡，重建法的程序如下所示：

（1）在無向網絡中，通過觀察到的應答者之間的關系以及部分應答者和無應答者之間的關系對網絡進行重構（Stork & Richards， 1992）。

（2）在有向網絡中，通過對立關系來推斷缺失關系。例如，對于應答行動者i和無應答行動者j，重建法假設行動者i描述的和行動者j之間的所有關系和行動者j所描述的關系是完全一致的，即研究者可以通過應答行動者i來插補對立關系的觀察值，即ximpij=xji（Huisman， 2009）。

重建法最大的優點就是允許研究者最大化地利用有效信息去構建社會網絡。有研究表明，當社會網絡中存在缺失數據時，僅有437%的關系能夠被解釋，而使用重建法后，則能夠解釋缺失數據網絡中897%的關系數據（Neal， 2008）。但是，重建法無法構建兩個無應答行動者之間的關系。如果兩個無應答行動者之間存在重要關系，研究者就無法使用重建法去正確地定義網絡的結構。因此，需要用其它的插補方法來重建整個網絡。例如，對于無應答行動者之間的所有關系，隨機插補一個和觀察密度成比例的關系，使重建網絡中缺失關系的比例等于網絡的觀察密度。

44基于指數隨機圖模型的多重插補法

指數隨機圖模型（Exponential Random Graph Model， ERGM）又稱為p

瘙 ?? 模型，是用來描述x分布情況的概率質量函數，其表達式為：

其中，q是網絡的實值函數，常以θTz（x）的形式出現，z是網絡的向量值函數，其取值為網絡統計值。這些統計值也被稱為結構統計值，用來描述網絡中的結構，如連接、三方關系等的數量。θ是一個維度為p×1的向量參數（θ∈Θ），ψ（θ）是一個常數，用于將函數值標準化（Koskinen， Robins， Wang， & Pattison， 2013）。

ERGM的原理是在綜合了實測網絡中的多種局部結構特征情況下來計算這些網絡出現的可能性。具體過程為，首先使用馬爾科夫鏈蒙特卡洛最大似然估計法（Markov Chain Mont Carlo Maximum Likelihood Estimation， MCMCMLE）模擬出一個隨機網絡，然后將這個隨機網絡的參數與實測網絡的參數進行對比，最后通過對比指標判斷是否采納結果。Robins（2009）用ERGM方法對有向社會網絡數據進行分析時指出，如果模擬的隨機網絡不能很好地代表實測網絡，那么參數將被調整并運用到下一次模擬中，且這樣的循環可能至少要進行8000次，直到模擬網絡能夠很好地代表實測網絡為止。

基于ERGM的多重插補法，指的是通過ERGM產生的多個插補值的向量代替每一個缺失數據的過程。例如，當網絡數據中存在無應答的缺失數據時，基于ERGM的多重插補法則會將應答行動者和無應答行動者看作是兩種不同類型的節點，然后區分應答者之間的關系以及應答者和無應答者之間的關系。最后，根據研究者的調查目的，對缺失數據進行相應的處理。如果無應答者是隨機缺失，則在網絡特定結構間同質性的前提下利用ERGM對缺失數據進行多重插補。如果無應答者是非隨機缺失，且研究重點關注應答者的網絡結構，則可以將包含無應答者相關關系的信息看作是外源變量，并使用標準的馬爾科夫圖模型進行分析（Koskinen， Robins， Wang， & Pattison， 2013）。

基于ERGM的多重插補法最大的優點是，不僅能有效地辨別應答者和無應答者之間的差異是由系統誤差還是隨機誤差造成的，還可以在缺失數據是隨機缺失的情況下，最大化地利用觀察到的數據信息。基于ERGM的多重插補法從本質上而言是通過網絡的局部結構去推斷整體結構。因此，即使數據有較大的缺失概率，只要網絡有足夠數量的局部網絡子結構，就能夠通過觀察到的數據進行有理的推斷。Koskinen，Robins和Pattison（2010）用基于ERGM的多重插補法對一個合作關系社會網絡中的缺失數據進行處理，實證及模擬研究結果表明，這種基于模型的多重插補法能夠正確地解釋網絡中80%的關系數據及允許有三分之一數據缺失的情況。但是，這種方法最大的缺點是運算過程較復雜，耗時較長。

5問題與展望

缺失數據對社會網絡數據分析造成的消極影響主要體現在以下兩個方面：（1）減少的樣本量大小、行動者及關系的信息易導致模型和數據出現不擬合的情況；（2）缺失數據容易造成參數估計的偏差。例如，Kossinet（2006）和Huisman（2009）的研究發現，缺失數據會使社會網絡數據分析的結果產生偏差，因為缺失數據不僅對網絡結構描述產生消極影響，還會低估行動者之間的關系強弱和網絡的聚類系數，容易造成中心性和度數測量不穩定的情況。因此，缺失數據是SNA廣泛應用面臨的嚴峻問題。

從表1的四種缺失處理方法的適用條件比較中可看到，缺失數據處理方法的選擇和缺失概率、缺失機制存在較大的關聯。進一步比較四種方法的優缺點可以發現，當缺失數據是完全隨機缺失時，四種方法的參數估計是無偏的。當缺失數據是非隨機缺失時，完整個案法和有效個案法雖簡單易行，但容易導致信息的大量流失及具有較低的統計功效和較大的參數估計偏差。其中，和完整個案法相比，有效個案法在參數分布估計方面的偏差要略小，因為有效個案法分析的是全體有效樣本的數據。但在其它參數估計方面，兩種方法都出現了較大的偏差（Little & Rubin， 1989）。重建法和基于ERGM的多重插補法在非隨機缺失的情況下，可以忽略缺失機制的影響而直接在缺失概率較小（20～30%）的網絡中應用，兩種方法在參數估計方面沒有表現出太大的偏差，但是如果網絡中的缺失概率較大時，兩種方法會受到缺失機制的影響。

當數據是隨機缺失時，重建法具有較好的統計功效，對社會網絡進行描述性分析時，如計算網絡的平均度數、互惠性和傳遞性等網絡統計特征值，即使缺失概率達到50%，重建法仍然能夠表現良好（Huisman， 2009）。但重建法只能用于特定網絡的數據缺失處理，且在某些情況下會高估連接的數量。雖然，在社會網絡中的數據缺失概率不大時，重建法和基于ERGM的多重插補法均沒有太大的差異，但是后者能夠利用插補值間的差異來衡量估計結果中不確定性的大量信息。和重建法一樣，當社會網絡中的缺失數據樣本量在中等范圍以下時，基于ERGM的多重插補法具有較小的參數估計偏差且不會低估標準誤，但這種方法唯一的缺點就是運算過程復雜，需要做大量的工作來構建插補集以便于進行結果分析，且當缺失數據樣本量大時，模擬網絡和實測網絡可能會出現不擬合的情況。

就應用現狀而言，國內目前還沒有關于SNA中缺失數據的處理方法這方面的研究，而國外的應用從2003年至今穩定增長（Butts， 2003； Robins et al.， 2004； Kossinets， 2006； Gile & Handcock， 2006； Handcock & Gile， 2007； Koskinen， 2007； Smith & Moody， 2013）。

根據缺失數據處理方法的優缺點比較和應用現狀的分析，對其在心理學研究中的應用提出以下建議：

第9篇：網絡分析范文

[關鍵詞]社會網絡分析產業集群創新

一、概述

在產業集群創新研究領域,學者們用到的網絡方法大致可以分為兩種:第一種是經典的社會網絡分析方法;第二種是新近興起的復雜網絡。這兩種方法各有一套自己的理論基礎和方法,但本文并無意比較二者優劣。本文僅大致介紹社會網絡分析的相關理論以及討論社會網絡分析在產業集群創新研究中的運用。

二、社會網絡分析(social network analysis)簡介

社會網絡分析作為一種獨特的理論和研究方法從20世紀60年代興起、70年代快速發展、80年代成熟到90年代長盛不衰,歷時近40年。如果說結構――功能主義統治了20世紀40 ～ 60年代的歐美社會學界,那么從20世紀70年代初期至今占據著歐美社會學特別是美國社會學主流地位的則是社會網絡分析,其領軍人物包括:伯特(Ronald Burt)、格蘭諾維特(Mark Granovetter)、諾科(David Knoke)、馬斯登(Peter Marsden)、維爾曼(Barry Wellman)、懷特(Harrison White)等學者。

社會網絡分析的構建是基于交互單元或節點之間關系重要性的假設的。由節點之間的連邊所界定的關系是社會網絡分析的基礎組成部分,社會網絡分析認為網絡是通過一系列連邊聯系起來的節點集合。按照網絡中所包含的節點的類型,網絡可以分為同質網絡和異質網絡;按照連邊的類型,網絡可以被分為有向網絡和無向網絡;按照連邊的重要性進行區分,網絡可以被為有向含權網、有向無權網、無向含權網和無向無權網四類。

社會網絡分析的重要觀點如下所述:(1)世界是由網絡而不是由群體或主體組成的;(2)網絡結構環境影響或制約主體行動,社會結構決定二元關系(dyads)的運作;(3)行動者及其行動是互依的單位,而不是獨立自主的實體;(4)行動者之間的關系是資源流動的渠道;(5)用網絡模型把各種(社會的、經濟的、政治的)結構進行操作化,以便研究行動者之間的持續性的關系模式。

三、社會網絡分析相關理論及其在產業集群創新研究中的運用

1.社會資本(social capital)

對社會資本概念的界定以科爾曼、布爾迪厄等的觀點為代表。科爾曼認為,社會資本是個人擁有的表現為社會結構資源的資本財產,由構成社會結構的要素組成,主要存在于人際關系和社會結構之中,并為結構內部的個人行動提供便利。布爾迪厄指出,社會資本是資本的三種基本形態之一,是一種通過對“體制化關系網絡”的占有而獲取的實際的或潛在的資源的集合體。

個體社會網絡的異質性、網絡成員的社會地位、個體與網絡成員的關系力量決定著個體所擁有的社會資本的數量和質量。和其他資本形式一樣,社會資本是生產性的,是否擁有社會資本,決定了人們是否可能實現某些既定的目標。但社會資本與其他形式的資本的差異主要表現在,社會資本存在于人際關系的結構之中,它既不依附于獨立的個人,也不存在于物質生產過程中。

很多學者利用社會資本理論對產業集群創新問題進行研究。于樹江分析了社會資本的含義與主要構成因素,構建社會資本對創新的影響機制模型;劉中會等利用社會資本和產業集群的相關理論,分析了壽光蔬菜產業集群的社會資本;王雷分析了集群中社會資本的形成機制、演變特征及其對集群創新績效的影響。眾多學者的普遍看法是,社會資本對集群內企業的創新能力有重要影響,因為社會資本有助于促進集群內企業的集體學習,有利于創新知識的轉移和擴散。

2.弱聯系(weak ties)

斯坦福大學教授格蘭諾維特在20世紀70年代提出,一個人往往只與那些在各方面與自己具有較強相似性的人建立比較緊密的關系,但這些人掌握的信息與他(她)掌握的信息差別不大;相反,與此人關系較疏遠的那些人則由于與此人具有較顯著的差異性,也就更有可能掌握此人沒有機會得到的、對他(她)有幫助的信息。因此,人與人之間的弱聯系是個體融入社會或社區的必不可少的因素,它能給人們帶來意外的信息和機會,它的又是來自于具備聯系不同社交圈子的能力,并且具有較低的可傳遞性。作為對這個觀點的響應,有學者提出了“強聯系”的觀點。他們認為,強聯系特別適用于不確定性的情境,在面臨危機或者需要承擔風險時,強聯系是可以依賴的對象。總之,弱聯系具有信息傳遞的優勢,而強聯系則有傳遞情感、信任和影響力的優勢。

由于集群的空間集聚性、行業的相關性、社會文化與人員知識背景的相似性,使集群很容易落入技術鎖定的創新困境中。而弱聯系理論能比較好地解釋集群創新的困境,而且能夠為此提供解決辦法,那就是集群內的企業應該在內部強化弱聯系,同時加強與外部的聯系,藉此獲取有價值的信息和機會,從而促進創新。

3.嵌入性(embeddedness)

嵌入性也叫根植性, 這一觀點對于社會網絡結構分析的發展有巨大的推動作用。格蘭諾維特認為,經濟行為嵌入社會結構, 而核心的社會結構就是人們生活中的社會網絡, 嵌入的網絡機制是信任;信任來自社會網絡, 信任嵌入社會網絡之中, 而人們的經濟行為也嵌入社會網絡的信任結構之中;信任的獲得和鞏固需要交易雙方長期的接觸和交流以達成共識。

社會關系網絡以兩種方式影響經濟活動,即關系嵌入和結構嵌入,關系嵌入是結構嵌入的基礎,結構嵌入是關系嵌入的擴展和延伸。關系嵌入強調雙邊關系的質量,表現為交易雙方重視彼此間的需要與目標的程度,以及在信用、信任和信息共享上所展示的行為;結構嵌入強調的是多邊關系,即組織間不僅具有雙邊關系,還因與第三方的聯系而相互發生關系,從而形成群體間的系統性關聯結構。

對于產業集群內的企業來說,一方面會受惠于關系嵌入和結構嵌入,因為關系嵌入網絡可以為企業節省大量的信息搜集成本;而結構嵌入可以使企業融入集群的創新氛圍,分享集群網絡內的創新知識;另一方面,不論是關系嵌入還是結構嵌入,又都可能成為阻礙集群企業進一步創新的障礙,因為嵌入得越深,對技術路徑的依賴性就會越強。因此,企業在充分享受關系嵌入和結構嵌入帶來的好處的同時,也要密切關注它們帶來的弊端,以便于集群內的主導技術走向衰退時,企業能及時作出有效調整。

4. 結構洞(structural holes)

美國社會學家伯特提出“結構洞”的觀點, 認為關系強弱和社會資源、社會資本的多少沒有必然的聯系, 起決定作用的是網絡中的位置, 誰占據連接兩個無關系(意味著存在結構洞) 點的位置上, 誰就擁有信息和控制優勢,從而可以為其帶來收益。該理論強調企業或企業家通過聯結與其不同的、一定程度相互隔斷的關系來為企業成長不斷提供資源,也就是強調網絡關系開拓能力。

顯而易見,伯特的結構洞理論與格蘭諾維特的弱聯系理論是一脈相承的。另外,在大型的產業集群網絡中,一定有一些企業位于結構洞,從而占據了有利的網絡位置,并且可以取得信息收益和控制收益。

5. 社會網絡分析法在產業集群創新領域的實證研究

雖然社會網絡分析的相關理論淵源不同,且每一個理論都能夠自成一派,但各種理論綜合在一起,才構成了社會網絡分析方法的理論基礎。當然,作為一種有深厚理論基礎的方法,社會網絡分析法有一些基本的網絡測度變量,通過這些變量的測度,可以反映出網絡的結構和節點的位置。這些變量可以被分為三類:第一種是針對單個節點的測度變量,典型的變量有:度(degree)、中心性(centrality)等;第二種是針對節點間聯系的測度變量,典型的變量有:強度(strength)、互惠性(reciprocity)等;第三種是針對整個網絡的測度變量,典型的變量有:規模(size)、密度(density)等。

目前,在產業集群創新研究領域,越來越多的國內學者地運用社會網絡分析法進行實證研究。比如:

楊銳等通過對杭州手機產業集群的調查,應用社會網絡分析方法,研究了產業集群內企業的網絡位置與其創新之間的關系。錢錫紅等人利用三個維度來刻畫出企業在集群中的網絡位置,并且引入吸收能力,考慮吸收能力與網絡位置的交互作用,從而構建出更具說服力的整合模型。陳偉麗,王雪原研究了產業集群的網絡結構,從主體和客體兩個層面分析了網絡結構變量和關系變量對集群創新資源配置效率的影響。蔡寧和吳結兵通過社會網絡分析方法考察了集群組織間關系網絡的密集性質及其功能機制。苑雅文以韓國在華投資產業集群為樣本,從社會網絡視角考察環黃渤海合作區域的發展路徑,運用社會網絡分析的方法研究在華韓資產業集群的社會網絡的形成、特點及作用。

四、小結

網絡化和知識交換是產業集群的主要特征,這使得社會網絡分析法的使用也變得順理成章。就像有學者所指的那樣:使用社會網絡分析文獻中的成熟技巧對產業集群的定性分析是很有希望的。其實,通過瀏覽相關文獻,我們可以發現社會網絡分析不但用來對產業集群的定性分析,而且還用來對產業集群的定量分析。而且,社會網絡分析的經典理論和基本測度變量,已經成為產業集群創新研究中的重要理論基礎和使用方法。因此,在研究產業集群創新問題時運用社會網絡分析的理論和方法是目前的一種趨勢。

參考文獻:

[1] 于樹江: 集群式產業創新的社會資本效應研究[J]. 科學學與科學技術管理,2004(6)

[2] 劉中會劉力臻:產業集群社會資本對技術的引進、擴散和創新的影響――以壽光蔬菜產業集群為例[J]. 經濟問題,2009(4)

[3] 王雷: 產業集群中社會資本創新績效研究[J]. 云南大學學報,2008(1)

[4] 楊銳黃國安:網絡位置和創新――杭州手機產業集群的社會網絡分析[J]. 工業技術經濟,2005,24(7)

[5] 錢錫紅楊永福徐萬里:網絡位置、吸收能力與集群企業創新[J]. 經濟管理. 2009,31(7)

[6]陳偉麗王雪原:產業集群網絡結構與創新資源配置效率關系分析[J]. 科技與管理. 2009,11(3)

網絡分析精選(九篇)

第1篇：網絡分析范文

第2篇：網絡分析范文

第3篇：網絡分析范文

第4篇：網絡分析范文

第5篇：網絡分析范文

第6篇：網絡分析范文

第7篇：網絡分析范文

第8篇：網絡分析范文

第9篇：網絡分析范文

相關熱門標簽

相關文章閱讀

相關期刊推薦

網絡財富

網絡傳播

網絡與信息

衛星與網絡

網絡文化研究

精選范文推薦