（复杂网络上的动力学专辑）从数据到结构――动力学网络重构
Abstract
大数据是一笔越来越重要并不断快速增长的财富, 合理利用这一财富的关键是有效的分析手段. 大数据中一大类数据是 由复杂网络代表的实际动力学系统产生的, 其中网络各个单元的输出数据可以测量, 但产生数据的网络结构却不为所知; 而了解这些网络结构对我们理解、预测和控制实际系统功能极为重要. 因此, 从分析网络数据出发揭示网络结构的重构 问题就成为数学物理特别是统计物理以及一系列交叉领域对网络研究的核心问题之一. 网络重构的重要性还来源于解决 实际网络重构中所面对的各种困难的理论要求. 网络结构的复杂性; 网络节点动力学的非线性; 未知噪声对网络动力学 演化数据的影响; 以及测量中有效数据的缺失等等都是在实际网络重构中要面对的常见并且非常重要的困难. 本综述介 绍并讨论了如何有效克服这些困难的方法, 特别是通过数据扩张充分利用数据信息的方法; 针对不同的系统特征和重构 任务选择合适的关联量计算方法; 以及利用噪声帮助克服重构困难的方法等. 网络重构研究将逐步解决实际复杂系统重 构问题并引起复杂网络相关学者越来越多的关注和研究兴趣.
