Skip navigation
Please use this identifier to cite or link to this item: http://dx.doi.org/10.25673/2106
Title: Time-series-based reconstruction and analysis of complex networks
Author(s): Kämpf, Mirko
Advisor(s): Kantelhardt, J. W.
Trimper, S.
Kantz, H.
Granting Institution: Martin-Luther-Universität Halle-Wittenberg
Issue Date: 2017
Extent: 1 Online-Ressource (201 Seiten)
Type: Hochschulschrift
Exam Date: 29.05.2017
Language: eng
Publisher: Universitäts- und Landesbibliothek Sachsen-Anhalt
URN: urn:nbn:de:gbv:3:4-21151
Keywords: Zeitreihenanalyse; Ereignis Synchronisation; Fluktuationsanalyse; Korrelationsanalyse; Funktionale Netzwerke; Dynamische Netzwerke; Wikipedia; Soziale Netzwerke; Komplexe Systeme; Phasenübergänge
time series analysis; Event synchronization; Detrended fluctuation analysis; Correlation analysis; Functional networks; Dynamic networks; Wikipedia; Social networks; Complex systems; Phase transitions
Abstract: Die vorliegende Arbeit behandelt folgende Probleme: (1) Uni-variate und multi-variate Zeitreihenanalyse von Ergebnissen numerischer Simulationen des Straßenverkehrs und an Daten aus sozialen Netzwerken. (2) Studiendesign für die interdisziplinäre Forschung: Studien auf großen Online-Datenbeständen können verbessert werden, wenn vergleichbare Referenzdaten genutzt werden. Wir untersuchen Wikipedia als eine potenzielle Quelle für solche Vergleichsdaten am Beispiel der Medienanalyse. (3) Kontextsensitive Trendbereinigung von Rohdaten über die Mediennutzung: Neue Normalisierungsmethoden erlauben die integrierte Analyse verschiedener Nachrichtenkanäle und schafft Vergleichbarkeit für dynamische Systeme die sich nicht im Gleichgewichtszustand befinden. (4) Integration verschiedener Aspekte komplexer Systeme: Generalisierung und Integration vorhandener Netzwerkrekonstruktionsmethoden für ein universelles Vorgehen im Bereich der Erforschung komplexer Systeme.
The following problems have been addressed in this work: (1) Uni-variate and multi-variate time series analysis of traffic data (measured and simulated) and social media usage data. (2) Study design for interdisciplinary computational science: Common studies on social online media are affected by a strong selection bias. Studies on massive online data can be improved if comparable reference data is available. We consider Wikipedia as a potential source for context networks to identify trends and contextual bias.(3) Detrending of raw media usage data: Development of new normalization methods for media usage analysis allows integrated analysis of different communication channels and comparison of dynamic systems faraway from equilibrium. (4) Integration of multiple facets of complex systems: Generalization and integration of existing network reconstruction methods for a unified framework for analysis of large complex systems research.
URI: https://opendata.uni-halle.de//handle/1981185920/8878
http://dx.doi.org/10.25673/2106
Appears in Collections:Physik

Files in This Item:
File Description SizeFormat 
Dissertation_V4_FINAL_BIBLIOTHEK.pdf94.96 MBAdobe PDFThumbnail
View/Open
Show full item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.