任飒:基于指数随机图模型的动态网络分析论文

任飒:基于指数随机图模型的动态网络分析论文

本文主要研究内容

作者任飒(2019)在《基于指数随机图模型的动态网络分析》一文中研究指出:网络由节点和边组成,节点表示个体或组织,边表示他们之间的关系,是一种关系数据的表达形式.网络分析方法把研究的问题抽象为网络,通过分析网络的特征变化和生成机制研究问题.指数随机图模型是近些年发展起来的处理此类问题的工具,其假设观测到的网络是由局部特征统计量决定的,模型形式灵活,用途广泛.现实生活中,网络的节点和边不是静止不变的,不断有新的节点和边的增加,旧的节点和边的消失,从而形成动态网络.动态网络广泛存在,研究动态网络的演化问题意义非常.基于此,本文提出动态网络的指数随机图模型,该模型对不同时刻网络参数进行同时估计,相邻网络的信息利用提高了估计的准确性.此外,我们使用迭代重赋权最小二乘法估计该模型,这使得包含很多节点的大规模网络问题也可以在较快时间内求解.实验表明,我们所提方法有助于发现网络变化趋势,比较不同时刻网络特征.贸易问题是宏观经济研究的热点问题.本文用网络分析方法研究国家之间的贸易往来关系.利用60个国家之间的2001-2016年出口金额数据,国内生产总值数据(GDP)和距离数据构建了包含16个时间点的动态贸易网络;基于网络的密度,节点入度和出度的绝对数值和相对数值以及节点度分布展开网络特征分析;建立动态指数随机图模型分析影响因子作用大小的变化趋势.结论表明:2001年-2016年国际贸易网络规模总体上是扩大的;美国和德国在进出口市场上长期占有主导地位,中国是贸易关系增长最快的国家,国际地位上升明显;单边贸易对双边贸易的促进作用在经济景气时更为显著,国内生产总值对出口的促进作用变化较进口更为明显,距离对贸易的抑制作用变化程度较小.

Abstract

wang lao you jie dian he bian zu cheng ,jie dian biao shi ge ti huo zu zhi ,bian biao shi ta men zhi jian de guan ji ,shi yi chong guan ji shu ju de biao da xing shi .wang lao fen xi fang fa ba yan jiu de wen ti chou xiang wei wang lao ,tong guo fen xi wang lao de te zheng bian hua he sheng cheng ji zhi yan jiu wen ti .zhi shu sui ji tu mo xing shi jin xie nian fa zhan qi lai de chu li ci lei wen ti de gong ju ,ji jia she guan ce dao de wang lao shi you ju bu te zheng tong ji liang jue ding de ,mo xing xing shi ling huo ,yong tu an fan .xian shi sheng huo zhong ,wang lao de jie dian he bian bu shi jing zhi bu bian de ,bu duan you xin de jie dian he bian de zeng jia ,jiu de jie dian he bian de xiao shi ,cong er xing cheng dong tai wang lao .dong tai wang lao an fan cun zai ,yan jiu dong tai wang lao de yan hua wen ti yi yi fei chang .ji yu ci ,ben wen di chu dong tai wang lao de zhi shu sui ji tu mo xing ,gai mo xing dui bu tong shi ke wang lao can shu jin hang tong shi gu ji ,xiang lin wang lao de xin xi li yong di gao le gu ji de zhun que xing .ci wai ,wo men shi yong die dai chong fu quan zui xiao er cheng fa gu ji gai mo xing ,zhe shi de bao han hen duo jie dian de da gui mo wang lao wen ti ye ke yi zai jiao kuai shi jian nei qiu jie .shi yan biao ming ,wo men suo di fang fa you zhu yu fa xian wang lao bian hua qu shi ,bi jiao bu tong shi ke wang lao te zheng .mao yi wen ti shi hong guan jing ji yan jiu de re dian wen ti .ben wen yong wang lao fen xi fang fa yan jiu guo jia zhi jian de mao yi wang lai guan ji .li yong 60ge guo jia zhi jian de 2001-2016nian chu kou jin e shu ju ,guo nei sheng chan zong zhi shu ju (GDP)he ju li shu ju gou jian le bao han 16ge shi jian dian de dong tai mao yi wang lao ;ji yu wang lao de mi du ,jie dian ru du he chu du de jue dui shu zhi he xiang dui shu zhi yi ji jie dian du fen bu zhan kai wang lao te zheng fen xi ;jian li dong tai zhi shu sui ji tu mo xing fen xi ying xiang yin zi zuo yong da xiao de bian hua qu shi .jie lun biao ming :2001nian -2016nian guo ji mao yi wang lao gui mo zong ti shang shi kuo da de ;mei guo he de guo zai jin chu kou shi chang shang chang ji zhan you zhu dao de wei ,zhong guo shi mao yi guan ji zeng chang zui kuai de guo jia ,guo ji de wei shang sheng ming xian ;chan bian mao yi dui shuang bian mao yi de cu jin zuo yong zai jing ji jing qi shi geng wei xian zhe ,guo nei sheng chan zong zhi dui chu kou de cu jin zuo yong bian hua jiao jin kou geng wei ming xian ,ju li dui mao yi de yi zhi zuo yong bian hua cheng du jiao xiao .

论文参考文献

  • [1].基于核分解无向随机图模型的贝叶斯推断[D]. 闫志强.吉林大学2019
  • [2].复杂网络背景下的异常检测方法研究[D]. 黄倩楠.吉林大学2018
  • [3].3-参数指数随机图的生成与参数估计[D]. 高雪娇.吉林大学2017
  • [4].基于层次随机图模型的复杂脑网络链路预测研究[D]. 田甜.太原理工大学2015
  • [5].基于指数随机图的社会网络构建关键技术研究[D]. 刘亮.国防科学技术大学2013
  • [6].KnE(H)图和大规模随机图的染色算法研究[D]. 曹道通.兰州交通大学2017
  • [7].随机图的色和可区别染色算法研究[D]. 尹波.兰州交通大学2016
  • [8].加权有向随机图模型中的渐近理论研究[D]. 张勇.华中师范大学2017
  • [9].随机图的Smarandachely点可区别染色算法研究[D]. 王倩.兰州交通大学2014
  • [10].一类无穷维随机增长图的相变及极大元的研究[D]. 刘群.吉林大学2013
  • 读者推荐
  • [1].几类区间灰数多属性决策模型及其应用[D]. 席沙沙.西华师范大学2019
  • [2].灰色预测模型的数据处理技术及其应用研究[D]. 曾丹.西华师范大学2019
  • [3].几类灰色关联模型公理化定义及其应用[D]. 王慧.西华师范大学2019
  • [4].水上交通气象灾害风险评估模型的研究[D]. 李玲.湖南师范大学2019
  • [5].边坡形变预测预报方法研究[D]. 姚鹏远.桂林电子科技大学2019
  • [6].基于变异型集散道模型的高速公路互通式立交最小间距研究[D]. 程传乐.长安大学2019
  • [7].南宁市城市公园避震减灾适宜性评价[D]. 朱雅姿.广西大学2019
  • [8].基于GIS的西安市分层级医疗服务设施空间布点优化研究[D]. 张慧.西北大学2019
  • [9].基于机器学习的交通流缺失数据填补和短时交通流预测方法研究[D]. 于田.北京交通大学2019
  • [10].基于指数随机图的社会网络构建关键技术研究[D]. 刘亮.国防科学技术大学2013
  • 论文详细介绍

    论文作者分别是来自西北大学的任飒,发表于刊物西北大学2019-10-08论文,是一篇关于网络论文,动态指数随机图模型论文,迭代重赋权最小二乘法论文,贸易论文,西北大学2019-10-08论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自西北大学2019-10-08论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  

    任飒:基于指数随机图模型的动态网络分析论文
    下载Doc文档

    猜你喜欢