关键词： 复杂网络   社团结构   模块密度   核方法   半指导聚类  

摘要： 近年来,复杂网络中的社团发现越来越受到研究人员的关注并且许多方法被提了出来。在这种背景下,最近李等人提出了一种用来评估社团质量的函数,称之为模块密度函数(即D值)。该函数显示了较高的D值对应于较好的社团结构,然而,优化该函数是一个NP难问题。通过模块密度函数D的半指导聚类优化,论证了模块密度函数的半指导聚类与核k方法的等价性并提出了一种新的半指导核聚类检测复杂网络社团方法。在一个经典的计算机产生的随机网络中检验了该算法,并与基于模块密度的直接核方法做了比较。特别地,当网络中社团结构变得模糊时,实验结果显示这种新的算法在发现复杂网络社团上是有效的。

关键词： 复杂网络   交连社团   检测  

摘要： 针对Palla等人提出的派系过滤算法无法解决复杂网络中非派系内的节点的社团归属问题以及已有的硬划分社团检测算法不能反映复杂网络中社团间重叠的现象,提出一种改进的交连社团检测方法。该方法不仅可以有效地进行社团的检测,而且可以发现社团之间的重叠部分。对一个科研合作网络的实际数据进行仿真,实验结果表明该算法是可行的。

关键词： 复杂网络   社团挖掘   局部信息检测   多粒度  

摘要： 从复杂性和动态性特征出发,给出了复杂网络局部模块度的定义,并提出了基于局部信息检测的社团发现算法,认为局部模块度值最大的节点集合就是最理想的社团结构。在此基础上提出了多粒度社团挖掘方法,为多视图观察复杂网络结构特征提供了新的研究思路。最后的实验分析表明了方法的有效性和可行性。

关键词： 复杂网络   社团检测   模块化函数Q   分辨率极限   模块密度D   负社团   正则化模块密度函数NMD   扩散核   自适应仿射传播   可视化  

摘要： 近年来,由于信息技术的飞速发展,科学家和学者们能够越来越容易地在现实世界中收集到高通量的网络数据,这使得复杂网络的研究变得炙手可热起来。除了Watts和Strogatz在1998年发现的小世界特性以及Barabasi和Albert在1999年发现的无标度(尺度)特性外,网络的社团(社区、模块)结构特性被认为是复杂网络中最重要的统计特性之一。目前,关于网络中的社团仍然不存在统一的定义,通常指的是满足下面条件的节点子集：子集内部节点之间具有稠密的连接,而与子集外部的节点具有稀疏的连接。研究表明,网络的这种社团结构与某些功能属性有着紧密的联系,比如网络的鲁棒性和信息快速传递特性等。因此在网络中描述和检测这些社团结构具有重要的实际意义并已成为近几年来的研究热点。 本论文中,我们主要关注复杂网络中社团结构检测相关问题的研究,取得的主要研究成果如下： 1.提出了一种新的社团检测方法-JEOMD。该方法以加入惩罚项的模块密度函数D作为指标函数,并使用跳跃极值最优化方法来优化该指标函数,能够得到网络的层次分割结果。在一组真实网络上的实验表明,与基于模块化函数Q的优化方法相比,JEOMD方法能够更有效地检测出网络中存在的不同层次和不同规模的社团结构。在该组真实网络及其对应的随机网络上的对比实验表明,加入惩罚项的模块密度函数D作为社团检测的指标函数在一定程度上比模块化函数Q更有效。 2.提出了一个新的衡量社团划分质量的指标函数,称之为标准化模块密度(normalized modularity density-NMD)。在示例网络中证明了NMD能够改善模块化函数Q中存在的分辨率极限问题;证明了NMD与图分割中广泛应用的normalized-cut目标函数存在着紧密的联系,即当社团数目m已知时,最大化标准化模块密度相当于最小化目标函数normalized-cut。使用改进的模拟退火算法优化指标NMD。在一组模拟网络上的实验表明,与基于模块化函数Q的优化方法相比,基于NMD的方法能够取得更高的检测正确率;在一组真实网络上的实验表明,基于NMD的方法能够检测出网络中更精细的模块结构,从而为NMD能够改善Q的分辨率问题提供了更进一步的证据;把指标函数NMD和D推广到其加权形式NMDω和Dw,并用于在加权网络中进行社团检测。分析了加权模块化函数Qw同样存在分辨率极限问题;指出了加权模块密度函数Dw存在的负社团问题;在两个实例网络上证明了NMDω不仅能够克服Qw中存在的分辨率极限问题,而且能够避免Dw中出现的负社团问题。为了比较指标NMDω与Qw和Dw在加权网络社团检测中的性能,使用模拟退火算法实现三个指标的优化。在一组模拟网络上的实验表明,优化NMDω指标能够取得比优化Qw和Dw更高的检测正确率;在一组真实网络上的实验表明,优化NMDω指标,不仅能够从加权网络中检测出精细尺度下的社团,尤其是优化Qw所不能检测出来的小而稠密的社团,而且能够避免优化Dw时出现的负社团问题。 3.提出了一种基于自适应核仿射传播的网络社团检测方法-AKAP。在该方法中,标准化的马尔可夫扩散核(Markov diffusion kernel)被用来隐式地衡量节点之间的非相似度,引入自适应仿射传播方法优化得到的非相似度矩阵。在模拟网络上的实验表明,与Newman快速算法相比,AKAP方法能够取得更高的检测正确率;在一组真实网络上的实验表明,AKAP方法能够有效地检测出网络中存在的有意义的社团结构和包含的社团数目。 4.提出了一种有效的网络节点的可视化方法。在该方法中,定义了一种新的节点间距离,将得到的距离矩阵作为全局保形映射Isomap的测地线距离,应用Isomap方法得到网络的二维可视化结果。在模拟网络上的实验表明,与基于能量模型的可视化方法相比,我们的方法能够更好地保持原始网络中节点的局部和全局相似性,且当网络具有清晰的社团结构时,得到的二维可视化点集也具有紧凑的聚类特性,因此能够从可视化结果中判断原始网络是否具有社团结构特性,也可以对可视化的结果继续采用传统的聚类方法进行聚类以得到网络每个社团的具体成员。

关键词： capital expenditures   corporate investment   event studies  

摘要： We evaluate methods used to measure abnormal changes in capital expenditures. We examine both statistical tests and models of expected capital expenditures. We find that commonly used research designs yield test statistics that are misspecified, even in random samples. In cases where sample firms share a common characteristic such as extremely low or high investment, size, leverage, return on assets or market-to-book ratio, it is very important to match sample firms to a control group that shares this pre-event characteristic. We also find that using control groups, rather than a single control firm, yields more powerful test statistics. (c) 2005 Elsevier B.V All rights reserved.

摘要： This paper evaluates various methodologies used in event studies to detect the information content of corporate announcements using the increase in the variance of the security returns. Simulation with daily stock return data show that the Patell procedure, the most commonly used method to detect information content, rejects the null hypothesis of no increase in event-induced return variance too frequently when the null is true. A non-parametric cross-sectional rank test of squared abnormal returns similar to that in Corrado (1989) is proposed that is better specified under the null hypothesis and more powerful under the alternative hypothesis than the parametric tests. © 1997, SAGE Publications. All rights reserved.