×
丹尼尔·菲格雷多（Daniel R.Figueiredo）。;朱利奥·亚科贝利

有限图上随机流行病生成树的Epicenter。 （英语） Zbl 1508.05160号

数学。模型。自然现象。 18，第2号论文，23页（2023年）.
摘要：传染源检测是指通过对疫情过程的部分观察来识别引发疫情的网络节点的问题。该问题在不同的背景下都有应用，例如检测网络社交媒体中谣言的来源，并在各种假设下进行了研究。与先前的研究不同，本文考虑了有限图上的流行病过程，该过程从随机节点（流行病源）开始，在所有节点都被感染时终止，从而生成一个有根且有向的流行病树，对节点感染进行编码(即，图的有向生成树，每条边都指向远离传染源的方向）。假设了解基础图和无方向的生成树(即，感染边缘而非其方向），能否准确识别疫情来源？这项工作通过引入震中是流行病源的有效估计量，因此也是流行病树中每条边的方向。当底层图为顶点传递时，震中可以在线性时间内计算出来，并且它与流行树的已知距离中心重合。此外，在完整的图表上，震中也是最有可能的震源估计值。最后，用五种不同的图模型对震中的准确性进行了数值评估，其性能在很大程度上取决于图结构，从31%（完整图）到13%（稀疏幂律图）不等。然而，对于所考虑的所有图形模型，震中的精确度都高于距离中心，在稀疏幂律图上的精确度是距离中心的三倍。

MSC公司：

05C85号 图形算法（图形理论方面）
05C80号 随机图（图形理论方面）
62M99型 随机过程推断
05年5月 树
92天30分 流行病学

关键词：

随机生成树;震源识别;网络流行病;网络推理
PDF格式BibTeX公司 XML格式引用
\textit{D.R.Figueiredo}和\textit{G.Iacobelli}，数学。模型。自然现象。18，第2号论文，23页（2023；Zbl 1508.05160）
全文： DOI程序
OA许可证

参考文献：

[1] S.Bubeck、L.Devroye和G.Lugosi，《在随机生长的树木中寻找亚当》。随机结构。阿尔戈。50 (2017) 158-172. ·Zbl 1359.05110号
[2] 蔡凯、谢宏和吕振中，《通过顺序相关快照传播信息的法医学》（Information spreading forensics via sequential dependent snapshots）。IEEE/ACM传输。Netw公司。26 (2018) 478-491.
[3] W.Dong、W.Zhang和C.W.Tan，《从嫌疑人中找出谣言罪魁祸首》，IEEE信息理论国际研讨会（2013）2671-2675。
[4] M.Draief和L.Massouli，复杂网络中的流行病和谣言。剑桥大学出版社（2010）·Zbl 1202.05128号
[5] M.Drmota，《随机树：组合学和概率之间的相互作用》。施普林格科学与商业媒体（2009）·Zbl 1170.05022号
[6] S.Feizi、M.Medard、G.Quon、M.Kellis和K.Duffy，《网络注入以推断网络中的信息源》。IEEE传输。Netw公司。科学。工程6（2019）402-417。
[7] J.A.Firth、J.Hellewell、P.Klepac、S.Kissler、A.J.Kucharski和L.G.Spurgin，《使用真实世界网络对局部新型冠状病毒控制策略进行建模》。《国家医学》第26卷（2020年）第1616-1622页。
[8] A.Frieze和W.Pegden，寻找第一个顶点。附录申请。普罗巴伯。27 (2017) 582-630. ·Zbl 1381.60027号
[9] 江江，温S.，余S.，向Y.和周W.，K中心：信息扩散的多源识别方法。IEEE传输。Inf.法医安全。10 (2015) 2616-2626.
[10] 江江，温S.，余S.，向Y.和周W.，《识别网络传播源：最先进和比较研究》。IEEE通信。Surv公司。导师。19 (2017) 465-481.
[11] 神山，有向图中的树丛问题：定理和算法。Interdiscip公司。信息科学。20 (2014) 51-70. ·Zbl 1288.05116号
[12] P.Klepac、S.Kissler和J.Gog，《传染病！BBC四次大流行——纪录片背后的模式。《流行病》24（2018）49-59。
[13] A.Kumar、V.S.Borkar和N.Karamchandani，Temporal不可知的谣言来源检测。IEEE传输。信号信息处理。Netw公司。3 (2017) 316-329.
[14] G.Lugosi和A.S.Pereira，寻找均匀附着树的种子。选举人。J.概率。24（2019）15页·Zbl 1466.60013号
[15] W.Luo、W.P.Tay和M.Leng，如何通过有限的观察确定感染源。IEEE J.信号处理选择主题。8 (2014) 586-597.
[16] M.Newman，《网络》。牛津大学出版社（2018）·Zbl 1391.94006号
[17] C.Nowzari、V.M.Preciado和G.J.Pappas，《流行病的分析和控制：复杂网络上传播过程的调查》。IEEE控制系统。Mag.36（2016）26-46·Zbl 1476.92046号
[18] R.Paluch、X.Lu、K.Suchecki、B.K.Szymañski和J.A.Holyst，《大型复杂网络中传播源的快速准确检测》。科学。报告8（2018）1-10。
[19] R.Pastor-Satorras、C.Castellano、P.Van Mieghem和A.Vespignani，复杂网络中的流行病过程。修订版Mod。物理学。87 (2015) 925.
[20] R.Pastor-Satorras和A.Vespignani，无标度网络中的流行病传播。物理学。修订稿。86 (2001) 3200.
[21] P.C.Pinto、P.Thiran和M.Vetterli，定位大规模网络中的扩散源。物理学。修订稿。109 (2012) 068702.
[22] M.Salata、M.Kazandjieva、J.W.Lee、P.Levis、M.W.Feldman和J.H.Jones，传染病传播的高分辨率人类接触网。程序。国家。阿卡德。科学。107 (2010) 22020-22025.
[23] D.Shah和T.Zaman，《在网络中检测计算机病毒源：理论和实验》，载于《ACM SIGMETRICS Perf Eval Rev》，第38卷（2010）203-214。
[24] D.Shah和T.Zaman，《谣言中心性：通用源探测器》，载于ACM SIGMETRICS Perf Eval Rev，第40卷（2012）199-210。
[25] S.Shelke和V.Attar，社交网络中谣言的来源检测——综述。在线社交网络。媒体9（2019）30-42。
[26] W.Tang、F.Ji和W.P.Tay，使用部分时间戳估计网络中的感染源。IEEE传输。Inf.Forens公司。安全。13 (2018) 3035-3049.
[27] P.-D.Yu，C.W.Tan和H.-L.Fu，接触追踪网络中的传染源检测：图和消息传递算法中的传染中心性。IEEE J.入选榜首。信号处理。16 (2022) 234-249.
[28] K.Zhu、Z.Chen和L.Ying，《抓住一切：用部分观测在网络中定位多个扩散源》，载于AAAI人工智能会议（2017）。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。